LangGraph의 인터럽트 패턴으로 Human-in-the-loop 구현하기: 상세 분석

실용적 조언

workflow.compile 시 interrupt_before 파라미터에 중단할 노드 이름을 리스트로 전달하여 승인 단계를 추가할 것
상태 유지를 위해 반드시 AsyncSqliteSaver와 같은 영구 저장소 기반 체크포인터를 설정할 것

섹션별 상세

LangGraph의 interrupt_before 파라미터를 활용하여 워크플로우 제어를 구현했다. workflow.compile 호출 시 중단 지점을 지정하면 해당 노드가 실행되기 직전에 프로세스가 멈추고 현재 상태가 저장된다. 이는 실제 API 호출이나 데이터 수정과 같은 민감한 작업 전에 사용자의 최종 승인을 받는 안전장치 역할을 한다. 이 패턴을 통해 에이전트의 자율성과 인간의 통제권 사이의 균형을 맞출 수 있다.

python

return workflow.compile(
    checkpointer=checkpointer,
    interrupt_before=["integrator"]
)

특정 노드 실행 전 워크플로우를 중단하고 체크포인터를 설정하는 코드 예시

상태 유지를 위한 체크포인터 설정의 중요성을 강조했다. 단순한 메모리 저장 방식 대신 AsyncSqliteSaver를 사용하여 상태를 SQLite 데이터베이스에 영구적으로 기록해야 한다. 영구 저장소가 없으면 API 요청이 새로 들어올 때마다 그래프가 처음부터 다시 시작되어 이전 작업 내용을 잃게 된다. 실제 운영 환경에서는 다수의 동시 세션을 관리하기 위해 이러한 지속성 계층이 필수적이다.

중단된 워크플로우를 재개하는 효율적인 메커니즘을 설명했다. 사용자가 승인 엔드포인트를 호출하면 시스템은 저장된 스레드 설정을 불러와 중단된 지점부터 실행을 이어간다. 이 과정에서 이전 노드들을 다시 계산하거나 실행하지 않으므로 리소스 낭비를 방지하고 응답 속도를 높일 수 있다. 복잡한 멀티 스텝 워크플로우에서 상태 기반의 재개 기능은 시스템의 신뢰성을 크게 향상시킨다.

용어 해설

인간 참여형 시스템(Human-in-the-loop): — AI 시스템의 의사결정 과정에 인간이 직접 개입하여 결과를 검토하거나 승인하는 설계 방식이다. 중요한 액션 실행 전 필터링 역할을 수행하며 시스템의 안전성과 신뢰도를 높이는 데 필수적이다.
체크포인터(Checkpointer): — 워크플로우의 중간 상태와 변수 값들을 특정 시점에 저장하는 모듈이다. 시스템 장애나 의도적인 중단 상황에서도 저장된 지점부터 작업을 재개할 수 있게 해주는 핵심 구성 요소이다.
인터럽트 패턴(Interrupt Pattern): — 특정 조건이나 노드 실행 직전에 프로세스를 일시 정지시키는 설계 패턴이다. 외부의 입력이나 승인이 있을 때까지 대기 상태를 유지하며 워크플로우의 흐름을 제어하는 데 사용된다.
상태 지속성(State Persistence): — 애플리케이션의 상태 정보를 비휘발성 저장 장치에 유지하는 기술이다. 세션이 종료되거나 서버가 재시작되어도 이전의 작업 맥락을 그대로 유지할 수 있게 해준다.

언급된 도구

LangGraph추천

에이전트 워크플로우 구축

AsyncSqliteSaver추천

상태 지속성(Persistence) 관리

SQLite중립

상태 데이터 저장소