환경 설정하기: LangChain, LangGraph & Chat LLMs
예전에 LangChain 프로젝트를 디버깅하느라 두 시간을 허비한 적이 있습니다. 문제는 환경 변수 하나가 누락되었다는 것이었습니다. API 키는 .env 파일에 있었지만, 이를 로드하는 것을 깜빡했습니다.
여러분은 저처럼 시간을 낭비하지 않도록 이 가이드를 작성했습니다.
이 가이드를 통해 LangChain, LangGraph, 그리고 Chat LLM을 활용할 수 있는 Python 환경을 구축하는 방법을 배우게 될 것입니다.
필수 패키지:
- langchain: 체인(chains)과 에이전트(agents)를 위한 핵심 프레임워크
- langchain-openai: OpenAI 모델과의 통합
- langchain-core: 메시지와 같은 공유 프리미티브(primitives)
- langgraph: 그래프 기반 에이전트 워크플로우
- python-dotenv:
.env파일에서 변수 로드 - openai: 공식 OpenAI Python SDK
Step 1: Python 버전 확인
LangChain은 Python 3.9 이상이 필요합니다. 터미널에서 다음을 실행하세요:
python --version
Step 2: 가상 환경 생성 의존성 충돌을 방지하기 위해 항상 가상 환경을 사용하세요.
mkdir langchain-agents-series
cd langchain-agents-series
python -m venv venv
Mac/Linux에서 활성화하려면:
source venv/bin/activate
Windows에서 활성화하려면:
venv\Scripts\activate
Step 3: 의존성 설치
가상 환경이 활성화된 상태에서 다음을 실행하세요:
pip install langchain langchain-openai langchain-core langgraph python-dotenv openai
Step 4: API 키 보안 유지 코드에 API 키를 직접 입력(hardcode)하지 마세요. 이는 매우 위험합니다. 만약 GitHub에 푸시한다면, 봇들이 이를 훔쳐갈 것입니다.
.env파일 생성:touch .env- 키 추가:
OPENAI_API_KEY=your-key-here .env와venv폴더를 숨기기 위해.gitignore파일을 생성하세요.
Step 5: 첫 번째 에이전트 만들기
hello_agent.py라는 이름의 파일을 만드세요. 키를 읽어오려면 load_dotenv() 함수를 사용하세요.
에이전트를 구축할 때는 temperature=0을 사용하세요. 이렇게 하면 모델의 출력이 예측 가능하고 일관되게 유지됩니다.
주의해야 할 일반적인 오류:
OPENAI_API_KEY not found:.env파일이 올바른 폴더에 있는지, 그리고load_dotenv()를 호출했는지 확인하세요.ModuleNotFoundError: 가상 환경이 활성화되어 있지 않습니다.AuthenticationError: API 키가 잘못되었습니다.RateLimitError: 사용 한도에 도달했거나 OpenAI 계정에 크레딧을 추가해야 합니다.
권장 사항:
- 항상 가상 환경을 사용하세요.
pip freeze > requirements.txt를 사용하여 버전을 고정하세요.- 안정성을 위해
temperature=0을 사용하세요. - 비용 추적을 위해 토큰 사용량을 기록하세요.
Source: https://dev.to/ikram_khan/setting-up-your-environment-langchain-langgraph-chat-llms-43cf
선택 사항 학습 커뮤니티: https://t.me/GyaanSetuAi