AI 세부 실습 09 - LangChain Prompt, Parser, Chain

LangChain Prompt, Parser, Chain

이 글은 다음 원본 실습 파일을 기준으로 정리합니다.

20_langchain_20250422_01_langchain_PromptTemplate.py
20_langchain_20250422_02_langchain_XMLOutputParser.py
20_langchain_20250422_03_langchain_chain.py
20_langchain_20250422_04_llm.py

20번 실습은 LangChain의 기본 부품을 다룹니다.

PromptTemplate

PromptTemplate은 프롬프트 틀입니다.

from langchain.prompts import PromptTemplate

template = "{product} 제품 홍보 문구를 작성해줘"
prompt = PromptTemplate(
    input_variables=["product"],
    template=template,
)

text = prompt.format(product="컴퓨터")

매번 문자열을 직접 조립하지 않고, 필요한 값만 넣어 재사용할 수 있습니다.

LLM

from langchain_openai import ChatOpenAI

gpt = ChatOpenAI(model="gpt-3.5-turbo", temperature=0)
result = gpt.invoke(text)

LLM은 실제 AI 모델을 호출하는 부분입니다.

OutputParser

OutputParser는 모델 응답을 원하는 형태로 바꿉니다.

예를 들어 문자열만 필요하면 StrOutputParser를 사용합니다.

from langchain_core.output_parsers import StrOutputParser

parser = StrOutputParser()

XML이나 JSON 형식으로 결과를 받고 싶을 때도 Parser를 활용할 수 있습니다.

Chain

Chain은 여러 단계를 연결한 것입니다.

chain = prompt | gpt | StrOutputParser()
result = chain.invoke({"product": "컴퓨터"})

이 코드는 다음 순서로 실행됩니다.

입력값
-> 프롬프트 완성
-> LLM 호출
-> 문자열 출력

정리

20번 실습은 LangChain의 기초 문법입니다. PromptTemplate, LLM, OutputParser를 이해하면 이후 RAG, Agent, LangGraph 코드를 읽기가 쉬워집니다.