핵심 요약
LangGraph CLI를 사용하면 터미널을 떠나지 않고도 에이전트의 스캐폴딩, 로컬 스튜디오 테스트, 프로덕션 배포를 단 몇 분 만에 완료할 수 있다. 배포 후에도 로그 확인 및 관리 기능을 통해 안정적인 운영이 가능하다.
배경
LangGraph로 구축한 AI 에이전트를 실제 서비스 환경에 배포하고 관리하는 과정은 복잡할 수 있으나 CLI 도구를 통해 이를 단순화할 수 있다.
대상 독자
LangGraph를 사용하는 AI 엔지니어 및 MLOps 담당자
의미 / 영향
AI 에이전트의 배포 진입장벽이 낮아져 개발자가 모델 로직에만 집중할 수 있는 환경이 조성됐다. 표준화된 CLI 워크플로우를 통해 팀 단위의 에이전트 개발 및 운영 효율성이 크게 향상됐다.
챕터별 상세
0:00
Deploy CLI 소개 및 설치
LangGraph Deploy CLI는 에이전트를 단일 명령어로 배포할 수 있게 돕는 도구이다. 프로토타입에서 프로덕션까지의 과정을 터미널 내에서 신속하게 진행할 수 있다. 설치를 위해 uv 패키지 매니저를 사용하여 langgraph-cli를 전역적으로 설치한다.
- •명령어 한 줄로 에이전트 배포 가능
- •uv를 이용한 간편한 CLI 설치
- •터미널 중심의 개발 워크플로우 지원
0:21
프로젝트 스캐폴딩 및 설정
langgraph new 명령어를 실행하여 프로젝트 구조를 자동으로 생성한다. Deep Agent, Simple Agent 등 준비된 템플릿 중 하나를 선택할 수 있으며 Python 또는 TypeScript 언어 선택이 가능하다. 생성된 프로젝트 폴더 내의 .env 파일에 LangSmith 및 LLM 제공자의 API 키를 설정하여 실행 환경을 구성한다.
- •langgraph new 명령어로 프로젝트 초기 구조 생성
- •다양한 에이전트 템플릿 및 언어 지원
- •환경 변수 설정을 통한 API 키 관리
1:26
로컬 테스트 및 스튜디오 활용
langgraph dev 명령어를 통해 로컬 개발 서버를 구동하고 LangSmith Studio와 연결한다. 브라우저 기반의 스튜디오 인터페이스에서 에이전트와 직접 대화하며 내부 그래프의 작동 과정을 시각적으로 확인한다. 코드 수정 시 핫 리로딩 기능이 작동하여 서버 재시작 없이 변경된 로직을 즉시 테스트할 수 있다.
- •langgraph dev로 로컬 서버 및 스튜디오 연결
- •그래프 실행 과정을 시각적으로 디버깅
- •핫 리로딩을 통한 빠른 반복 테스트
3:50
프로덕션 배포 실행
로컬 테스트가 완료된 에이전트를 langgraph deploy 명령어로 실제 운영 환경에 배포한다. 배포 과정에서 배포 이름을 지정하고 필요한 환경 변수를 확인한다. 배포가 완료되면 고유한 배포 ID와 함께 API 엔드포인트 및 자동 생성된 API 문서 주소가 제공된다.
- •langgraph deploy 명령어로 프로덕션 배포
- •배포 이름 및 환경 변수 지정
- •API 엔드포인트 및 문서 자동 생성
6:11
배포 관리 및 모니터링
배포된 에이전트의 상태를 관리하기 위해 logs, list, delete 명령어를 사용한다. logs 명령어로 실시간 실행 로그를 추적하여 오류를 진단하고 list 명령어로 현재 활성화된 모든 배포 목록을 확인한다. 더 이상 필요하지 않은 배포는 delete 명령어를 사용하여 안전하게 제거한다.
- •logs 명령어로 실시간 배포 로그 확인
- •list 명령어로 배포 현황 관리
- •delete 명령어로 불필요한 리소스 정리
실무 Takeaway
- LangGraph CLI를 활용하면 프로젝트 초기 설정부터 배포까지의 시간을 획기적으로 단축할 수 있다.
- LangSmith Studio의 시각적 디버깅과 핫 리로딩을 결합하여 에이전트 로직의 정확성을 빠르게 검증한다.
- 터미널 기반의 배포 관리 명령어를 통해 별도의 웹 UI 접속 없이도 운영 상태를 제어할 수 있다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료