State Schema(상태 스키마)

복습

모듈 1에서는 기초를 다졌습니다! 우리는 다음과 같은 기능을 가진 에이전트를 구축했습니다:

act - 모델이 특정 도구를 호출할 수 있도록 합니다
observe - 도구 출력을 모델로 다시 전달합니다
reason - 모델이 도구 출력에 대해 추론하여 다음 행동(예: 다른 도구 호출 또는 직접 응답)을 결정할 수 있도록 합니다
persist state - 중단이 발생해도 장기 대화 지원을 위한 메모리 내 체크포인트 사용

또한 LangGraph Studio에서 로컬로 실행하거나 LangGraph Cloud로 배포하는 방법을 살펴보았습니다.

목표

이번 모듈에서는 상태와 메모리에 대한 이해를 심화할 것입니다.

먼저 상태 스키마를 정의하는 다양한 방법을 복습해 보겠습니다.

%%capture --no-stderr
%pip install --quiet -U langgraph

Schema(스키마)

LangGraph StateGraph를 정의할 때 우리는 state schema를 사용합니다.

상태 스키마는 그래프가 사용할 데이터의 구조와 유형을 나타냅니다.

모든 노드는 해당 스키마와 통신해야 합니다.

LangGraph는 상태 스키마 정의 방식에 유연성을 제공하여 다양한 Python 타입과 검증 방식을 수용합니다!

TypedDict

모듈 1에서 언급했듯이, Python의 typing 모듈에서 제공하는 TypedDict 클래스를 사용할 수 있습니다.

이를 통해 키와 해당 값의 유형을 지정할 수 있습니다.

하지만 이는 타입 힌트에 불과하다는 점을 유의하세요.

정적 타입 검사기(예: mypy)나 IDE에서 코드 실행 전에 잠재적인 타입 관련 오류를 잡아내는 데 사용할 수 있습니다.

그러나 런타임에는 강제 적용되지 않습니다!

from typing import TypedDict
 
 
class TypedDictState(TypedDict):
    foo: str
    bar: str

더 구체적인 값 제약 조건을 위해 Literal 타입 힌트 등을 사용할 수 있습니다.

여기서 mood는 “happy” 또는 “sad” 중 하나만 가질 수 있습니다.

from typing import Literal
 
 
class TypedDictState(TypedDict):
    name: str
    mood: Literal["happy", "sad"]

정의된 상태 클래스(예: 여기서는 TypedDictState)를 LangGraph에서 사용하려면 단순히 StateGraph에 전달하기만 하면 됩니다.

또한 각 상태 키를 그래프 내의 단순한 “채널”로 생각할 수 있습니다.

모듈 1에서 논의한 바와 같이, 각 노드에서 지정된 키 또는 “채널”의 값을 덮어씁니다.

import random
from IPython.display import Image, display
from langgraph.graph import StateGraph, START, END
 
 
def node_1(state):
    print("---Node 1---")
    return {"name": state["name"] + " is ... "}
 
 
def node_2(state):
    print("---Node 2---")
    return {"mood": "happy"}
 
 
def node_3(state):
    print("---Node 3---")
    return {"mood": "sad"}
 
 
def decide_mood(state) -> Literal["node_2", "node_3"]:
    # Here, let's just do a 50 / 50 split between nodes 2, 3
    if random.random() < 0.5:
        # 50% of the time, we return Node 2
        return "node_2"
 
    # 50% of the time, we return Node 3
    return "node_3"
 
 
# Build graph
builder = StateGraph(TypedDictState)
builder.add_node("node_1", node_1)
builder.add_node("node_2", node_2)
builder.add_node("node_3", node_3)
 
# Logic
builder.add_edge(START, "node_1")
builder.add_conditional_edges("node_1", decide_mood)
builder.add_edge("node_2", END)
builder.add_edge("node_3", END)
 
# Add
graph = builder.compile()
 
# View
display(Image(graph.get_graph().draw_mermaid_png()))

jpeg

우리 상태가 딕셔너리이므로, 단순히 딕셔너리로 그래프를 호출하여 상태 내 name 키의 초기값을 설정합니다.

graph.invoke({"name": "Lance"})

---Node 1---
---Node 2---





{'name': 'Lance is ... ', 'mood': 'happy'}

Dataclass

파이썬의 dataclasses는 구조화된 데이터를 정의하는 또 다른 방법을 제공합니다.

데이터 클래스는 주로 데이터를 저장하는 데 사용되는 클래스를 생성하기 위한 간결한 구문을 제공합니다.

from dataclasses import dataclass
 
 
@dataclass
class DataclassState:
    name: str
    mood: Literal["happy", "sad"]

dataclass의 키에 접근하려면 node_1에서 사용된 인덱싱 방식을 수정하기만 하면 됩니다:

위의 TypedDict에서 state["name"] 대신 dataclass 상태에 대해 state.name을 사용합니다

약간 이상한 점이 눈에 띌 것입니다: 각 노드에서 상태 업데이트를 수행하기 위해 여전히 사전(dictionary)을 반환합니다.

LangGraph가 상태 객체의 각 키를 별도로 저장하기 때문에 가능합니다.

노드가 반환하는 객체는 상태 객체와 일치하는 키(속성)만 있으면 됩니다!

이 경우 dataclass에는 name 키가 있으므로, 상태가 TypedDict였을 때와 마찬가지로 노드에서 딕셔너리를 전달하여 업데이트할 수 있습니다.

def node_1(state):
    print("---Node 1---")
    return {"name": state.name + " is ... "}
 
 
# Build graph
builder = StateGraph(DataclassState)
builder.add_node("node_1", node_1)
builder.add_node("node_2", node_2)
builder.add_node("node_3", node_3)
 
# Logic
builder.add_edge(START, "node_1")
builder.add_conditional_edges("node_1", decide_mood)
builder.add_edge("node_2", END)
builder.add_edge("node_3", END)
 
# Add
graph = builder.compile()
 
# View
display(Image(graph.get_graph().draw_mermaid_png()))

jpeg

우리는 dataclass를 호출하여 상태의 각 키/채널에 대한 초기값을 설정합니다!

graph.invoke(DataclassState(name="Lance", mood="sad"))

---Node 1---
---Node 3---





{'name': 'Lance is ... ', 'mood': 'sad'}

Pydantic

앞서 언급했듯이 TypedDict와 dataclasses는 타입 힌트를 제공하지만 런타임에 타입을 강제하지 않습니다.

이는 오류 발생 없이 잠재적으로 잘못된 값을 할당할 수 있음을 의미합니다!

예를 들어, 타입 힌트가 mood: list[Literal["happy","sad"]]로 지정되어 있음에도 mood를 mad로 설정할 수 있습니다.

dataclass_instance = DataclassState(name="Lance", mood="mad")

Pydantic은 Python 타입 어노테이션을 사용하는 데이터 검증 및 설정 관리 라이브러리입니다.

검증 기능 덕분에 LangGraph에서 상태 스키마 정의에 특히 적합합니다.

Pydantic은 런타임 시 데이터가 지정된 유형 및 제약 조건을 준수하는지 검증할 수 있습니다.

from pydantic import BaseModel, field_validator, ValidationError
 
 
class PydanticState(BaseModel):
    name: str
    mood: str  # "happy" or "sad"
 
    @field_validator("mood")
    @classmethod
    def validate_mood(cls, value):
        # Ensure the mood is either "happy" or "sad"
        if value not in ["happy", "sad"]:
            raise ValueError("Each mood must be either 'happy' or 'sad'")
        return value
 
 
try:
    state = PydanticState(name="John Doe", mood="mad")
except ValidationError as e:
    print("Validation Error:", e)

Validation Error: 1 validation error for PydanticState
mood
  Input should be 'happy' or 'sad' [type=literal_error, input_value='mad', input_type=str]
    For further information visit https://errors.pydantic.dev/2.8/v/literal_error

그래프 내에서 PydanticState를 원활하게 사용할 수 있습니다.

# Build graph
builder = StateGraph(PydanticState)
builder.add_node("node_1", node_1)
builder.add_node("node_2", node_2)
builder.add_node("node_3", node_3)
 
# Logic
builder.add_edge(START, "node_1")
builder.add_conditional_edges("node_1", decide_mood)
builder.add_edge("node_2", END)
builder.add_edge("node_3", END)
 
# Add
graph = builder.compile()
 
# View
display(Image(graph.get_graph().draw_mermaid_png()))

jpeg

graph.invoke(PydanticState(name="Lance", mood="sad"))

---Node 1---
---Node 3---





{'name': 'Lance is ... ', 'mood': 'sad'}

Jeongsk

탐색기

1-state-schema.ipynb

State Schema(상태 스키마)

복습

목표

Schema(스키마)

TypedDict

Dataclass

Pydantic

그래프 뷰

목차

백링크