인공지능 - LangChain 파이프라인 체인 만들기, 번역하고 요약하는 워크플로우

🛠 LangChain 파이프라인 체인 만들기, 번역하고 요약하는 워크플로우

생성형 AI를 다루다 보면
“입력 문장을 번역하고, 요약하고, 후처리까지”
여러 단계를 연결해서 작업하고 싶을 때가 많습니다.

그때마다 코드로 모든 단계를 일일이 작성하는 것은 매우 비효율적입니다.
이 문제를 깔끔하게 해결해주는 방법이 바로,
LangChain의 체인(Chain)과 파이프라인(Pipeline) 구성입니다.

오늘은 하나의 입력을
1) 한글로 번역 → 2) 요약하는 과정을
한 줄 흐름(chain) 으로 만드는 방법을 알아보겠습니다!

---

🛠 전체 코드 예제

아래는 예제 코드입니다.
(※ 번역 대상 문장은 “Google이 새로운 AI 연구소를 설립했다”로 설정했습니다.)

# 설치 필요
# pip install langchain langchain-openai

import os
import warnings
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain_core.prompts import PromptTemplate
from langchain_core.output_parsers import StrOutputParser
from langchain_core.runnables import RunnableLambda

warnings.filterwarnings("ignore", category=UserWarning)

# API 키 로드
load_dotenv(dotenv_path='openapi_key.env')
api_key = os.getenv("OPENAI_API_KEY")

# 1. LLM 모델 준비
gpt = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)

# 2. 프롬프트 준비
prompt_translate = PromptTemplate.from_template(
    "다음 문장을 한글로 번역하세요:\n\n{sentence}"
)
prompt_summary = PromptTemplate.from_template(
    "다음 문장을 한 문장으로 요약하세요:\n\n{translation}"
)

# 3. 체인 구성 (| 연산자 활용)
chain = (
    prompt_translate
    | gpt
    | StrOutputParser()
    | RunnableLambda(lambda output: {"translation": output})
    | prompt_summary
    | gpt
    | StrOutputParser()
)

# 4. 실행
input_data = {"sentence": "Google has established a new AI research center in Paris."}
result = chain.invoke(input_data)

print("📌 최종 요약 결과:", result)

---

🧩 코드 흐름 설명

1. 프롬프트 1 (번역용): 입력 문장을 한글로 번역하도록 지시합니다.
2. gpt 모델 호출: 번역 작업 수행.
3. 출력 파싱 (StrOutputParser): GPT의 결과를 문자열로 정리합니다.
4. Lambda 함수: 번역 결과를 "translation" 키로 감싸서 다음 프롬프트에 넘깁니다.
5. 프롬프트 2 (요약용): 번역된 문장을 한 문장으로 요약하라고 지시합니다.
6. gpt 모델 호출: 요약 작업 수행.
7. 최종 결과 출력: 완성된 요약문을 출력합니다.

---

📈 예상 출력 결과

실행하면 다음과 같은 결과가 출력됩니다:

📌 최종 요약 결과: 구글이 파리에 새로운 AI 연구소를 설립했습니다.

처음에는 영어 문장이었지만,

• 한글 번역
• 자연스러운 요약

까지 자동으로 처리된 것을 볼 수 있습니다!

---

🎯 이렇게 체인을 구성하면 좋은 점

장점	설명
여러 작업을 자동 연결	번역 → 요약처럼 여러 단계를 자동으로 이어서 처리할 수 있다.
코드 간결화	한 줄 체인 연결로 복잡한 로직을 깔끔하게 표현할 수 있다.
확장성	이후에도 요약 → 감성 분석 같은 추가 작업을 쉽게 이어붙일 수 있다.
유지보수 편리	각 단계가 명확히 분리되어 있어 수정이나 교체가 쉽다.

---

📝 마무리

정리하자면,

LangChain 체인을 파이프라인처럼 구성하면 여러 AI 작업을 자연스럽게 이어서 처리할 수 있습니다.

• 하나의 문장을 입력하면
• 여러 단계를 거쳐
• 최종 깔끔한 결과물을 자동으로 만들어낼 수 있습니다.

특히 번역, 요약, 분석, 데이터 가공 같은 작업을
자동화하려는 모든 프로젝트에서 매우 유용하게 활용할 수 있습니다. 🚀

---