[쉬움] LangChain으로 도구를 사용하는 AI 에이전트 구현하기 실습

import os
os.environ["OPENAI_API_KEY"] = "api key 입려력하기"  # OpenAI API 키를 환경 변수로 설정 (보안상 실제 키는 'sk-...' 형태로 입력해야 함)

from langchain_core.tools import tool  # 랭체인인에서 툴(도구)을 만들기 위한 데코레이터 임포트
from langchain_openai import ChatOpenAI  # OpenAI LLM을 랭체인인에서 사용하기 위한 클래스
from langchain.agents import initialize_agent, AgentType, Tool  # 에이전트 초기화 및 도구 구성에 필요한 클래스들

# @tool: 일반 함수를 랭체인 도구로 변환하는 데코레이터
# 간단한 덧셈 함수를 정의하고 랭체인 툴로 등록
@tool
def add(a: int, b: int) -> int:
    """두 숫자를 더합니다."""
    return a + b

# 간단한 뺄셈 함수를 정의하고 랭체인 툴로 등록
@tool
def subtract(a: int, b: int) -> int:
    """두 숫자를 뺍니다."""
    return a - b

# 위에서 정의한 툴들을 리스트로 구성
tools = [add, subtract]

# GPT-4o 모델을 기반으로 하는 OpenAI LLM을 생성 (온도=0은 일관된 응답을 유도)
llm = ChatOpenAI(model="gpt-4o", temperature=0)

# 랭체인의 Function Calling 기반 에이전트를 초기화
# LLM이 사용자 입력을 분석해 적절한 툴(add/subtract)을 자동으로 선택해 호출
agent = initialize_agent(
    tools=tools,                      # 사용할 툴 목록
    llm=llm,                          # 사용할 LLM (GPT-4o)
    agent=AgentType.OPENAI_FUNCTIONS,  # Function Calling 기반 에이전트 사용
    verbose=True                      # 실행 과정을 출력
)

# 사용자 질의 입력에 대해해 에이전트가 적절한 툴(subtract)을 선택하여 실행
response = agent.invoke("17에서 3을 빼면 어떻게 되게 에베베베ㅔㅂ")

# 결과 출력
print("응답:", response)

 

 

결과 

17에서 3을 빼면 14가 됩니다!

17에서 3을 빼면 14입니다.

 

 

 

---

📋 코드 단계별 분석

1. 환경 설정

 

 

python

import os
os.environ["OPENAI_API_KEY"] = "sk-proj-..."

• OpenAI API를 사용하기 위한 인증 키 설정
• 보안 주의: 실제로는 환경변수나 .env 파일로 관리해야 함

2. 필요한 라이브러리 임포트

 

 

python

from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
from langchain.agents import initialize_agent, AgentType, Tool

• @tool: 일반 함수를 랭체인 도구로 변환하는 데코레이터
• ChatOpenAI: OpenAI의 GPT 모델을 랭체인에서 사용
• initialize_agent: AI 에이전트를 만드는 함수

3. 도구(Tools) 정의

 

 

python

@tool
def add(a: int, b: int) -> int:
    """두 숫자를 더합니다."""
    return a + b

@tool
def subtract(a: int, b: int) -> int:
    """두 숫자를 뺍니다."""
    return a - b

🔑 핵심: @tool 데코레이터가 일반 함수를 AI가 호출할 수 있는 도구로 변환

4. 에이전트 구성

 

 

python

tools = [add, subtract]
llm = ChatOpenAI(model="gpt-4o", temperature=0)
agent = initialize_agent(
    tools=tools,
    llm=llm,
    agent=AgentType.OPENAI_FUNCTIONS,
    verbose=True
)

• Agent: AI가 상황에 맞는 도구를 자동으로 선택하여 사용
• OPENAI_FUNCTIONS: OpenAI의 Function Calling 기능 활용
• verbose=True: 실행 과정을 자세히 보여줌

5. 실행

 

 

python

response = agent.invoke("17에서 3을 빼면 어떻게 되게 에베베베ㅔㅂ")

🤔 랭체인 툴 등록의 의미

일반 AI 응답 vs 랭체인 에이전트

구분일반 AI랭체인 에이전트

처리 방식	텍스트로만 답변	실제 함수 실행
정확성	계산 실수 가능	프로그래밍적으로 정확
확장성	제한적	무한 확장 가능

🎯 실제 차이점 예시

일반 AI 질문:

 

 

"17에서 3을 빼면?"
→ AI: "14입니다" (텍스트 생성)

랭체인 에이전트:

 

 

"17에서 3을 빼면?"
→ AI 사고: "뺄셈이 필요하네, subtract 함수를 사용하자"
→ 실제 실행: subtract(17, 3)
→ 결과: 14 (실제 계산 결과)

🚀 랭체인 에이전트의 진짜 장점

1. 복잡한 도구 연결 가능

 

 

python

@tool
def get_weather(city: str) -> str:
    """날씨 정보 조회"""
    return weather_api.get(city)

@tool
def send_email(to: str, content: str) -> str:
    """이메일 발송"""
    return email_service.send(to, content)

사용자: "서울 날씨 확인하고 결과를 john@email.com에 보내줘" 에이전트:

1. get_weather("서울") 실행
2. send_email("john@email.com", 날씨결과) 실행

2. 정확한 계산

 

 

python

# 일반 AI: "대략 123.45정도입니다" (부정확할 수 있음)
# 에이전트: calculate(복잡한_수식) → 정확한 결과

3. 실시간 데이터 활용

 

 

python

@tool
def stock_price(symbol: str) -> float:
    """실시간 주식 가격"""
    return api.get_stock_price(symbol)

# "삼성전자 주가가 얼마야?" → 실시간 API 호출

💡 실제 실행 과정 (verbose=True)

 

 

> Entering new AgentExecutor chain...
나는 17에서 3을 빼는 계산을 해야겠다.

Action: subtract
Action Input: {"a": 17, "b": 3}
Observation: 14
Thought: 계산 완료! 17에서 3을 빼면 14이다.

Final Answer: 17에서 3을 빼면 14입니다.

🎯 결론

랭체인 도구 등록의 핵심 가치:

1. 정확성: 실제 함수 실행으로 오류 방지
2. 확장성: 데이터베이스, API, 파일 시스템 등 연결 가능
3. 자동화: AI가 상황에 맞는 도구를 자동 선택
4. 실시간성: 최신 데이터와 상호작용 가능

단순 텍스트 생성을 넘어서 "AI가 실제로 행동할 수 있는" 시스템을 만드는 것이 랭체인의 진짜 매력입니다! ✨

 

 

 

#LangChain #OpenAI #AI에이전트 #FunctionCalling #Python #AI개발 #GPT4 #머신러닝 #자연어처리 #AI도구 #프로그래밍 #개발자 #AI입문 #개발팁 #테크트렌드 #인공지능 #코딩 #개발일지 #테크블로그 #개발공부 #AI트렌드 #프론트엔드 #백엔드 #데이터사이언스