Jeongsk

README

5 min read

LangGraph QA RAG Agent

LangGraph를 활용한 고급 RAG(Retrieval Augmented Generation) 기반 질의응답 에이전트입니다. 벡터 스토어 검색, 웹 검색, 문서 필터링, 답변 검증 등의 기능을 통해 정확하고 근거 있는 답변을 제공합니다.

주요 기능

1. 지능형 라우팅

  • 사용자 질문을 분석하여 벡터 스토어 검색 또는 일반 답변 생성으로 자동 라우팅
  • LangGraph 및 RAG 관련 질문은 검색 파이프라인으로 전달

2. 질문 확장 및 재작성

  • 사용자 질문을 코드 검색에 최적화된 형태로 자동 변환
  • 의미적 의도를 파악하여 더 나은 검색 결과 도출

3. 하이브리드 검색

  • 벡터 검색: FAISS 기반 임베딩 검색
  • 리랭킹: Cohere Rerank를 통한 검색 결과 최적화
  • 웹 검색: Tavily를 활용한 실시간 웹 정보 수집

4. 문서 필터링

  • 검색된 문서의 관련성을 자동으로 평가
  • 불필요한 문서를 제거하여 답변 품질 향상

5. 답변 검증

  • Groundedness 체크: 답변이 검색된 문서에 근거하는지 검증
  • 관련성 체크: 답변이 질문을 제대로 해결했는지 평가
  • 검증 실패 시 자동으로 재검색 또는 질문 재작성

6. 출처 인용

  • 모든 답변에 출처 문서 명시
  • 신뢰할 수 있는 정보 제공

시스템 아키텍처

사용자 질문
    ↓
[라우팅 노드]
    ↓
┌─────────────┬──────────────┐
↓             ↓              ↓
일반 답변   질문 확장   질문 재작성
             ↓              ↓
        [문서 검색]      [RAG 답변]
             ↓              ↓
      [문서 필터링]   [답변 검증]
             ↓              ↓
    ┌────────┴────────┐    ↓
    ↓                 ↓    ↓
[웹 검색]      [RAG 답변]  종료
    ↓                 ↓
    └─────────────────┘

설치 및 설정

1. 환경 설정

# 가상환경 생성 (권장)
python -m venv .venv
 
# 가상환경 활성화
# macOS/Linux:
source .venv/bin/activate
# Windows:
.venv\Scripts\activate
 
# 의존성 설치
pip install -r requirements.txt

2. API 키 설정

.env.example 파일을 복사하여 .env 파일을 생성하고 API 키를 입력하세요:

cp .env.example .env

.env 파일에 다음 API 키를 설정하세요:

3. 벡터 스토어 준비

벡터 스토어는 ../faiss_index 경로에 있어야 합니다. FAISS 인덱스가 없다면 먼저 생성해야 합니다.

실행 방법

LangGraph Studio에서 실행

# LangGraph Studio 실행
langgraph dev

브라우저에서 자동으로 열리는 Studio UI를 통해 그래프를 시각화하고 테스트할 수 있습니다.

Python 스크립트로 실행

from graph import graph
 
# 그래프 실행
result = graph.invoke({
    "messages": [{"role": "user", "content": "LangGraph에서 상태 관리는 어떻게 하나요?"}]
})
 
print(result["messages"][-1].content)

프로젝트 구조

studio/
├── graph.py          # 메인 그래프 정의
├── nodes.py          # 노드 구현 (검색, 필터링, 답변 생성 등)
├── states.py         # 상태 정의
├── tools.py          # 도구 정의 (웹 검색)
├── retrievers.py     # 리트리버 설정
├── requirements.txt  # 의존성 목록
├── langgraph.json   # LangGraph 설정
└── .env             # 환경 변수 (생성 필요)

주요 노드 설명

  • QueryRewriteNode: 질문을 검색에 최적화된 형태로 재작성
  • RetrieveNode: 벡터 스토어에서 관련 문서 검색
  • FilteringDocumentsNode: 검색된 문서의 관련성 평가 및 필터링
  • WebSearchNode: Tavily를 통한 웹 검색
  • RagAnswerNode: 검색된 문서를 기반으로 답변 생성
  • GeneralAnswerNode: 일반적인 질문에 대한 직접 답변

기술 스택

  • LangGraph: 워크플로우 오케스트레이션
  • LangChain: LLM 애플리케이션 프레임워크
  • OpenAI GPT-4o-mini: 언어 모델
  • FAISS: 벡터 검색
  • Cohere Rerank: 검색 결과 리랭킹
  • Tavily: 웹 검색
  • LangSmith: 추적 및 모니터링 (선택)

라이센스

MIT

문의

문제가 발생하거나 질문이 있으시면 이슈를 등록해 주세요.

그래프 뷰