질문이 흐름을 얻을 때,
그래프는 조언자가 된다

제14장의 설계를, 실행 가능한 한 채의 집으로 세우다

제15장은 앞 장에서 정리한 의도 탐지, 스키마 추출, Text-to-Cypher, 질의 실행, 시각화, 요약을 실제 애플리케이션으로 묶는다. 핵심은 LLM 하나에 모든 일을 떠맡기는 데 있지 않다. 서로 다른 책무를 가진 단계들을 명시적 그래프로 배치하고, 그 사이를 공유 상태가 오가게 하며, 오류와 출력 유형에 따라 길을 갈라 주는 데 있다.

LangGraph의 문법: 함수가 아니라 상태 위에서 만나는 행위자들

기본 RAG는 문서를 찾고 답을 생성한다. LangGraph에서는 두 함수가 값을 서로 직접 건네기보다 하나의 공유 상태를 읽고 자신의 결과만 덧붙인다. 교재는 이를 여러 사람이 함께 쓰는 백판에 비유한다. 누구도 다른 구성요소의 내부를 알 필요가 없고, 다음 단계는 축적된 상태만 읽으면 된다.

LangGraph의 장점은 LLM을 전면에 세우는 데 있지 않다. 어떤 단계에서는 LLM을 쓰고, 어떤 단계에서는 규칙과 DB를 쓰며, 그 선택을 한눈에 보이는 흐름으로 만드는 데 있다.

백엔드는 네 덩어리로 나뉜다

코어에는 LangGraph 워크플로가 있고, 양옆에는 구성 공급자와 스키마 공급자가 놓인다. 아래에는 질문 처리 인터페이스가 있어 백엔드의 상태 변화를 프런트엔드가 소비할 수 있는 이벤트로 바꾼다. 책임을 나누되 맥락은 상태로 잇는 구조다.

구성은 코드의 장식이 아니라, 도메인 지식의 저장소다

구성 공급자는 긴 프롬프트 문자열을 구현 코드에서 떼어 낸다. YAML에는 운용 메모, 질의 예시, 프롬프트 템플릿 경로가 놓이고, Jinja2는 실행 시점의 질문·스키마·선택 상태를 템플릿에 채운다. 이 분리는 유지보수와 버전 비교, 프롬프트 실험을 가능하게 한다.

데이터베이스의 뼈대를, 전문가가 읽는 언어로 번역하다

프로그램으로 얻을 수 있는 것은 apoc.meta.schema가 돌려주는 기술 스키마다. 그러나 LLM이 질의를 만들려면 업무 개념, 관계의 뜻, 속성 값의 문맥이 필요하다. 장에서는 YAML 기반의 skip 목록과 descriptions를 적용해 기술 구조를 개념 구조로 바꾸는 세 단계 서비스를 제시한다.

구현 객체의 역할

스키마 번역은 정보를 줄이는 일이지만, 의미를 잃는 일은 아니다. 기술적 소음을 걷어 내고 업무의 표정을 되찾는 일이다.

공유 상태는 파이프라인의 기억이자 사건 기록부다

각 필드는 현재 어느 단계까지 왔는지 말해 준다. 원 질문, 시각화 의도, 스키마, 생성 질의, 오류, 요약, 재시도 횟수가 하나의 TypedDict에 쌓인다. 이 상태는 전달 상자가 아니라 조건 분기와 오류 회복을 가능하게 하는 실행 문맥이다.

여섯 에이전트와 하나의 분기점

각 단계는 작고 분명한 함수로 구현된다. 에이전트는 전체 상태를 받지만 자신이 책임지는 필드만 채운다. 실행 실패와 출력 형식은 조건부 간선에서 처리하므로, 개별 함수는 자신의 일에 집중한다.

에이전트별 구현 논리

기다림을 보이지 않게 하지 말고, 진행으로 바꾸다

invoke는 마지막 결과가 나올 때까지 사용자를 침묵 속에 둔다. 장에서는 stream_mode="updates"와 generator 기반 질문 처리 인터페이스를 사용해 각 노드의 상태 변화를 프런트엔드 이벤트로 바꾼다. 실행은 복잡하지만 화면이 소비하는 계약은 단순해진다.

Streamlit: 그래프를 보고, 고르고, 다시 묻는 작업대

화면은 단순 채팅창이 아니다. 그래프 캔버스에서 노드와 관계를 탐색하고, 선택 목록에 맥락을 모으며, 자연어 질문을 보내고, 진행 상황과 질의 이유·요약·지도를 확인하는 조사 작업대다. Python-first 구조는 LangGraph와 같은 런타임에서 상태를 공유하게 해 초기 구현과 검증을 빠르게 만든다.

MessageHistory의 두 시간

교재는 Streamlit을 빠른 프로토타이핑과 기능 검증에 적합한 선택으로 본다. 운영 환경에서는 더 전문화된 프런트엔드가 필요할 수 있으나, 이 장의 목적은 UI 복잡도보다 전문가 모사형 파이프라인 자체를 시험하는 데 있다.

한 사건을 따라가며, 공간·시간·이력을 겹쳐 읽다

실습은 범죄 사건, ANPR 카메라, 탐지 이벤트, 차량, 소유자, 과거 범죄를 연결하는 지식그래프를 사용한다. 질문은 한 번에 모든 사실을 요구하지 않는다. 사건을 고르고, 주변 감시망을 찾고, 차량을 좁히고, 반복 탐지를 해석하고, 소유자의 전력을 확인하는 순차 조사다.

수사 그래프의 개념 구조

완성품이 아니라, 스스로 나아질 수 있는 기초

저자들은 이 구현을 곧바로 배포할 만능 제품으로 제시하지 않는다. 가치는 무엇을 하는가보다 어떻게 보이고 고칠 수 있게 만들어졌는가에 있다. 각 단계의 판단이 드러나므로 실패와 성공 모두가 다음 개선의 자료가 된다.

개선의 출발점은 언제나 같은 질문이다. “이 상황에서 숙련된 전문가는 무엇을 할 것인가?” 그 답을 보이는 단계로 만들면, 시스템의 성장은 유행이 아니라 작업의 진화가 된다.

그림 16개와 목록 15개의 역할 지도

제15장은 설명보다 구현의 연결에 무게를 둔다. 그림은 시스템의 층과 실제 조사 화면을 보여 주고, 목록은 구성·스키마·상태·에이전트·UI 이벤트가 맞물리는 지점을 제시한다.

제15장이 남기는 여섯 문장