챕터별 상세
Streamable HTTP 및 MCP 지원
Langflow 1.7은 MCP(Model Context Protocol) 서버에 대한 스트리밍 HTTP 연결을 지원한다. 이를 통해 Langflow는 MCP 클라이언트로서 100% 스펙을 준수하며 외부 도구와 원활하게 통신한다. 향후 Langflow 자체가 MCP 서버로 노출되어 다른 MCP 기반 워크플로우에서 활용될 수 있는 기능도 추가될 예정이다.
LLM-as-a-Judge 및 LLM Selector
LLM Selector 컴포넌트를 도입하여 LLM-as-a-Judge 아키텍처를 시각적으로 구현했다. Anthropic의 Claude Opus를 Judge LLM으로 설정하고 GPT-4o mini, IBM Granite 4, DeepSeek R1 등 다양한 모델을 후보군으로 연결했다. Judge LLM은 사용자의 프롬프트 성격에 따라 가장 적합한 모델을 동적으로 선택하여 실행했다.
지능형 제어 흐름과 Smart Router
기존의 단순한 If-Else 컴포넌트를 대체하는 Smart Router 기능을 추가했다. LLM이 입력 메시지의 감정이나 의도를 분석하여 긍정, 부정, 중립 등 미리 정의된 경로로 워크플로우를 분기했다. 실제 테스트에서 'This is great'라는 입력은 긍정 경로로, 'This is really poor'는 부정 경로로 정확히 라우팅되었다.
IBM CUGA 에이전트 통합
IBM의 고성능 범용 에이전트인 CUGA(Configurable Generalist Agent)를 Langflow 컴포넌트로 통합했다. CUGA는 하이브리드 작업 실행과 Human-in-the-loop 워크플로우를 지원하며 벤치마크에서 우수한 성능을 입증했다. 기존 Agent 컴포넌트를 CUGA로 즉시 교체하여 기업용 수준의 강력한 에이전트 기능을 활용할 수 있다.
보안 강화 및 파일 시스템 확장
웹훅 인증 기능과 API 키 검증 로직을 강화하여 보안성을 높였다. 생성된 결과물을 Amazon S3나 Google Drive에 직접 저장할 수 있는 파일 쓰기 컴포넌트를 도입했다. 또한 웹 검색, 뉴스 검색, RSS 피드를 통합한 Web Search 컴포넌트를 통해 검색 증강 생성(RAG)의 데이터 소스를 확장했다.
용어 해설
- 모델 컨텍스트 프로토콜(MCP)
- — Anthropic에서 제안한 표준 프로토콜로, AI 모델이 외부 데이터 소스나 도구에 연결되는 방식을 표준화한다. 이를 통해 서로 다른 에이전트와 도구 간의 상호운용성을 확보하고 개발 효율성을 높인다.
- 평가자로서의 LLM(LLM-as-a-Judge)
- — LLM을 시스템의 의사결정자나 평가자로 활용하는 설계 패턴이다. 사용자의 입력 의도를 분석하여 여러 모델 중 최적의 모델을 선택하거나 생성된 답변의 품질을 검증하는 작업에 LLM의 추론 능력을 적용한다.
- 제어 흐름(Control Flow)
- — 워크플로우 내에서 데이터가 흐르는 경로를 제어하는 논리 구조이다. Langflow 1.7에서는 단순한 조건문을 넘어 LLM이 입력값의 맥락을 파악하고 적절한 실행 분기를 결정하는 지능형 제어 흐름을 지원한다.
- 범용 에이전트(Generalist Agent)
- — 특정 작업에 국한되지 않고 다양한 도구 사용과 복잡한 추론을 수행할 수 있는 AI 에이전트이다. 기업용 환경에서 높은 신뢰성을 제공하며 인간의 개입이 필요한 의사결정 지점을 포함할 수 있는 것이 특징이다.
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2025. 12. 23.수집 2026. 02. 21.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.
