본문으로 건너뛰기
LangChain

LangChain Managed Deep Agents를 위한 Connections 및 자격 증명 관리 가이드

LangChain Managed Deep Agents에서 에이전트 공용 시크릿과 사용자별 OAuth를 통해 외부 도구 자격 증명을 안전하게 관리하는 Connections 기능을 설명한다.

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

LangChain의 Managed Deep Agents에서 자격 증명을 안전하게 관리하는 'Connections' 시스템을 소개한다. 기존의 하드코딩된 단일 API 키 방식에서 벗어나, 에이전트 공용 시크릿부터 사용자별 OAuth 인증까지 세 가지 연결 방식을 지원하여 보안성을 강화했다. 특히 MCP(Model Context Protocol)와 커스텀 OAuth 앱 설정을 통해 에이전트가 개별 사용자의 권한으로 외부 서비스(Linear, GitHub 등)에서 직접 작업을 수행하는 과정을 CLI와 LangSmith Studio 데모로 보여준다. 이를 통해 개발자는 복잡한 인증 및 토큰 갱신 로직을 직접 구현하지 않고도 사용자 기반의 책임 소재가 명확한 에이전트 서비스를 구축할 수 있다.

챕터별 상세

00:00

하드코딩된 API 키의 한계와 Connections의 필요성

현재 대부분의 AI 에이전트는 배포 시 단일 API 키를 하드코딩하여 사용하며, 이는 모든 작업이 하나의 서비스 계정 아래에서 수행되는 문제를 야기한다. 이러한 방식은 개별 사용자의 권한을 반영하지 못할 뿐만 아니라 보안 사고 발생 시 모든 배포 환경이 위험에 노출되는 한계가 있다. LangChain의 Managed Deep Agents는 이를 해결하기 위해 'Connections'라는 자격 증명 관리 시스템을 도입했다. 이 시스템은 에이전트 공용 시크릿부터 사용자별 OAuth 인증까지 세 가지 수준의 연결 방식을 제공하여 보안성과 책임 소재를 명확히 한다.

서비스 계정(Service Account)은 개별 사용자가 아닌 애플리케이션 자체에 부여된 권한을 의미하며, 이를 공유하면 누가 어떤 작업을 했는지 추적하기 어렵다.

00:30

방법 1: 에이전트 소유의 시크릿 관리

에이전트 소유의 시크릿(Agent-owned secrets)은 모든 사용자가 공유하는 단일 API 키를 안전하게 관리하는 방식이다. `mda connections create` 명령어를 사용하여 Tavily와 같은 외부 서비스의 키를 LangSmith 환경에 등록한다. 코드 내에서는 `connections.get` 메서드를 호출하여 런타임에 해당 키를 동적으로 가져와 도구 호출에 사용한다. LangSmith Studio 데모에서 에이전트가 웹 검색 도구를 호출할 때 등록된 키를 성공적으로 활용하여 결과를 반환하는 과정이 확인됐다. 이는 환경 변수에 키를 직접 노출하지 않고도 에이전트 전체에서 공용 자원을 활용할 수 있게 한다.

시크릿 변수는 암호화되어 저장되며, 코드에 직접 노출되지 않고 런타임에만 주입된다.

bash
mda connections create tavily-agent --secret-var TAVILY_API_KEY

CLI를 사용하여 에이전트 소유의 시크릿 연결을 생성하는 명령어

python
from managed_deepagents import connections

# ...
api_key = connections.get("tavily-agent", type="agent")
# ...

런타임에 connections.get 메서드를 사용하여 등록된 자격 증명을 가져오는 코드

02:48

방법 2: MCP를 통한 사용자 소유의 OAuth 연결

사용자 소유의 OAuth 연결은 에이전트가 개별 사용자의 권한을 위임받아 작업을 수행하게 한다. MCP(Model Context Protocol)를 지원하는 Linear와 같은 서비스의 서버 URL을 등록하여 연결을 생성한다. 에이전트가 도구를 호출하면 시스템은 사용자에게 자동으로 OAuth 승인 흐름을 트리거하며, 사용자가 승인하면 해당 사용자의 토큰이 에이전트에 전달된다. LangSmith Studio에서 Linear 이슈 생성 도구를 실행했을 때, 사용자 인증 창이 나타나고 인증 후 실제 사용자 이름으로 이슈가 생성되는 결과가 나타났다. 이는 복잡한 OAuth 로직을 개발자가 직접 구현할 필요 없이 프로토콜 수준에서 처리됨을 의미한다.

MCP는 서로 다른 AI 도구와 서비스 간의 상호작용을 표준화하여 통합 비용을 줄여주는 기술이다.

python
from managed_deepagents import connections, define_mcp

mcp = define_mcp(
    servers={
        "linear": {
            "url": "https://mcp.linear.app/mcp",
            "connector": connections.get("linear-mcp", type="user"),
        }
    }
)

MCP 서버를 정의하고 사용자 소유의 연결을 할당하는 설정 코드

05:28

방법 3: 커스텀 앱을 활용한 사용자 소유의 OAuth 연결

표준 카탈로그에 없는 서비스의 경우 개발자가 직접 생성한 OAuth 앱을 연결할 수 있다. GitHub 설정에서 OAuth 앱을 생성하고 클라이언트 ID와 시크릿을 획득한 뒤, 이를 LangSmith Connections 카탈로그에 등록한다. `mda connections create` 명령 시 `--type oauth` 옵션을 사용하여 커스텀 앱 정보를 입력하고 필요한 스코프(예: repo)를 정의한다. 이 방식은 MCP를 지원하지 않는 기존의 수많은 API 서비스와 에이전트를 통합할 때 유연성을 제공한다. 개발자는 등록된 연결 슬러그(slug)를 사용하여 코드에서 사용자 토큰을 안전하게 관리할 수 있다.

스코프(Scope)는 OAuth 인증 시 에이전트가 접근할 수 있는 권한의 범위를 제한하는 설정이다.

08:25

실제 도구 호출 및 사용자 권한 기반의 작업 수행

커스텀 OAuth 연결을 통해 에이전트가 GitHub 이슈를 검색하고 생성하는 최종 데모를 수행했다. 에이전트에게 특정 리포지토리의 우선순위 이슈를 묻자, 에이전트는 자동으로 GitHub OAuth 인증을 요청하고 획득한 토큰으로 API를 호출했다. 결과적으로 GitHub 상에서 이슈가 서비스 계정이 아닌 'Nathan Drezner'라는 실제 사용자 계정으로 생성되었음이 확인됐다. 이는 에이전트가 수행하는 모든 작업에 대해 명확한 감사 추적(Audit Trail)이 가능함을 보여준다. 개발자는 `connections.get` 한 줄의 코드로 복잡한 토큰 갱신 및 관리 로직을 시스템에 위임할 수 있다.

감사 추적은 시스템에서 발생한 활동을 기록하여 사후에 누가, 언제, 무엇을 했는지 확인할 수 있게 하는 보안 기능이다.

용어 해설

관리형 딥 에이전트(Managed Deep Agents)
— LangChain에서 제공하는 관리형 에이전트 서비스로, 개발자가 인프라 설정 없이 에이전트를 배포하고 실행할 수 있는 환경을 의미한다. 에이전트가 외부 도구와 상호작용할 때 필요한 인증 및 자격 증명 관리를 시스템 차원에서 지원한다.
모델 컨텍스트 프로토콜(MCP)
— Model Context Protocol의 약자로, AI 모델이 외부 데이터 소스나 도구에 표준화된 방식으로 접근할 수 있게 해주는 개방형 프로토콜이다. 이를 통해 서로 다른 서비스 간의 도구 연결을 일관된 방식으로 처리할 수 있다.
오픈 인증(OAuth)
— 제3자 서비스에 사용자의 비밀번호를 직접 노출하지 않고도 권한을 위임받아 데이터에 접근하거나 작업을 수행할 수 있게 하는 인증 표준이다. 에이전트가 사용자의 이름으로 외부 API를 호출할 때 필수적으로 사용된다.
명령줄 인터페이스(CLI)
— Command Line Interface의 약자로, 텍스트 터미널을 통해 컴퓨터와 상호작용하는 방식이다. 이 영상에서는 mda 명령어를 사용하여 에이전트의 연결 설정을 관리하는 도구로 활용된다.

언급된 리소스

AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 09. 10.수집 2026. 09. 10.출처 타입 YOUTUBE

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.