LangChain Skills로 문서 생성 에이전트 만들기

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

TL;DR

LangChain 에이전트가 PowerPoint와 Excel 같은 문서를 만들도록 하려면 모델을 더 크게 만드는 대신 작업별 지침을 Skill로 분리하고 필요한 순간에만 load_skill로 불러오면 된다. Middleware는 매 요청의 system message에 사용 가능한 Skill 목록을 넣고, 에이전트가 선택한 Skill의 전체 지침을 가져오도록 연결한다. 실습에서는 SKILL.md 파일 두 개와 create_pptx, create_excel 도구를 사용해 친환경 커피 컵 pitch deck과 제과점 분기별 재무표를 실제 파일로 저장한다. 이 방식은 한 에이전트에 여러 전문 작업을 연결하면서도 Skill을 불러오는 추가 모델 왕복이 발생한다는 비용을 가진다.

섹션별 상세

01

ChatGPT나 Gemini 같은 대화형 인터페이스가 PDF와 PowerPoint 같은 파일을 만드는 과정에서 핵심은 더 큰 모델이 아니라 요청에 맞춰 불러오는 Skills 구조이다. Skill은 특정 작업에 필요한 지침을 독립된 묶음으로 저장하고, 에이전트가 사용 가능한 Skill의 이름과 설명만 먼저 확인하게 한다. 필요한 순간에만 전체 지침을 읽으므로 모든 작업 지침을 하나의 거대한 system prompt에 넣을 때 발생하는 반복적인 입력 부담을 줄인다.

02

LangChain은 모델 호출, 도구, 메모리, 체인과 검색 파이프라인을 연결하는 프레임워크이며 create_agent는 모델과 도구와 system prompt를 에이전트로 묶는다. Middleware는 매 턴마다 에이전트와 모델 사이에서 요청을 수정하거나 응답을 검사하고 추가 도구를 주입하는 계층으로 작동한다. SkillMiddleware는 사용 가능한 Skill 목록을 system message에 추가하고 load_skill 도구를 노출해, 에이전트가 작업에 맞는 전문 지침을 먼저 가져오도록 만든다.

03

실습에서는 excel_reporter와 pptx_builder라는 두 Skill을 skills 폴더 아래의 SKILL.md 파일로 정의한다. excel_reporter는 표 데이터를 시트별 헤더와 행으로 정리한 뒤 create_excel을 호출하고, pptx_builder는 4~8장의 슬라이드 구조와 색상과 글꼴을 정한 뒤 create_pptx를 호출한다. 각 파일 생성 도구는 Python의 openpyxl과 python-pptx를 사용해 outputs 폴더에 실제 .xlsx와 .pptx 파일을 저장한다.

녹색 테마의 친환경 재사용 커피 컵 스타트업 PowerPoint pitch deck 화면이다. — Screenshot이미지는 글의 실습 요청에 따라 pptx_builder Skill과 create_pptx 도구가 생성한 결과물의 형태를 보여준다. 제목 슬라이드와 문제, 솔루션, 시장 시점에 해당하는 슬라이드가 좌측 미리보기로 배치되어 있어 Skill이 슬라이드 구조와 theme_color를 함께 지정한다는 내용과 연결된다.

제과점의 Q1부터 Q4까지 매출, 비용, 순이익을 정리한 Excel 표이다. — Screenshot이미지는 excel_reporter Skill이 요구하는 헤더와 행 중심의 표 구조를 시각적으로 보여준다. Q1 매출 32000과 비용 21000에서 순이익 11000이 계산되고 Q4에는 매출 45000, 비용 28000, 순이익 17000이 기록되어 있어 create_excel 도구의 분기별 보고서 생성 사례와 직접 연결된다.

04

에이전트 조립 단계에서는 OpenAI 모델, create_pptx, create_excel, 한 줄의 system prompt, SkillMiddleware를 create_agent에 연결한다. 친환경 재사용 커피 컵 요청에는 녹색 테마의 PowerPoint가 생성되고, 소규모 제과점의 Q1부터 Q4까지 매출과 비용 요청에는 분기별 재무 Excel 파일이 생성된다. Skills는 모델 자체의 지능을 높이는 장치가 아니라 필요한 작업 지침과 실행 도구를 선택적으로 연결해 하나의 에이전트가 여러 전문 업무를 처리하게 하는 구성 방식이다.

용어 해설

Middleware: — 에이전트와 모델 사이에서 매 요청을 가로채는 처리 계층이다. 모델에 전달할 요청을 수정하거나 응답을 검사하고, 필요한 도구와 추가 지침을 주입한다. 에이전트의 핵심 로직을 직접 변경하지 않고 동작을 확장할 수 있다는 점이 중요하다.
에이전트 Skills(Agent Skills): — 에이전트가 모든 지침을 항상 읽지 않고 필요할 때만 불러오는 전문 작업 지침 묶음이다. 각 Skill은 이름과 설명을 먼저 노출한 뒤 load_skill 도구를 통해 전체 내용을 가져온다. 긴 system prompt를 줄이고 여러 전문 작업을 한 에이전트에 연결하는 데 쓰인다.
System Prompt: — 모델의 역할과 응답 방식을 지정하는 초기 지침이다. 이 글의 구조에서는 모든 Skill의 세부 내용을 한꺼번에 넣는 대신, 사용 가능한 Skill의 이름과 설명만 먼저 추가한다. 실제 작업 지침은 요청에 맞는 Skill을 선택한 뒤 별도로 주입한다.
Tool Calling: — 모델이 특정 기능을 실행하도록 외부 도구를 호출하는 방식이다. 여기서는 load_skill이 Skill 파일의 전문 지침을 반환하고, create_pptx와 create_excel이 각각 파일을 생성한다. 모델의 텍스트 응답을 실제 PowerPoint와 Excel 산출물로 연결하는 핵심 과정이다.
LangGraph: — LLM 기반 에이전트와 워크플로를 구성하는 프레임워크다. 글의 설치 단계에서 LangChain과 함께 사용되며, create_agent로 만든 에이전트 실행 환경을 구성하는 패키지 중 하나로 제시된다. 다만 실제 Skill 처리 로직의 중심은 LangChain Middleware다.

기술

LangChain
langchain-core
langchain-openai
langgraph
OpenAI
Python
Google Colab
Jupyter Notebook
python-pptx
openpyxl
PowerPoint
Excel

활용 사례

요청에 맞춘 PowerPoint pitch deck 생성
분기별 매출과 비용을 정리한 Excel 보고서 생성
여러 전문 작업 지침을 하나의 에이전트에 연결
Skill별 도구를 활용한 문서 자동화

언급된 리소스

API DocsOpenAI API Keys