Deep Agents는 도구 사용과 스킬 기반 문맥 구성을 하나의 에이전트 실행 흐름으로 묶는 데 강점이 있다. LangChain의 모델·도구 인터페이스와 LangGraph의 상태 관리 기반을 함께 활용할 수 있다. 공식 개요
강점과 실제 활용
| 강점 | 어떻게 썼나 |
|---|---|
| 모델·도구 구성 | 모델 객체와 레지스트리의 도구 스키마를 createDeepAgent에 연결했다. |
| 스킬 기반 문맥 | 기능별 지침을 스킬 문서로 분리해 런타임에 제공했다. |
| 실행 상태 관리 | LangGraph의 MemorySaver를 연결하고 thread_id로 실행 상태를 구분했다. |
| 스트리밍 | 모델 출력을 연결 계층에서 서비스 이벤트로 변환해 HTTP SSE로 전달했다. |
- 스킬은 필요한 지침을 찾아 읽는 구조에 적합하다. 모든 기능의 상세 설명을 하나의 프롬프트로 관리하는 부담을 줄일 수 있다. Skills
- 상태 관리와 스트리밍은 기반 라이브러리의 기능을 함께 사용하는 것이다. Deep Agents에서는 이를 스킬·도구 구성과 조합했다.
그림 1. 라이브러리별 역할. 애플리케이션은 대화를 연결하고 실행 결과를 전달하며, 런타임에 모델·도구·스킬을 연결한다.
이렇게 연결했다
설정은 모델·도구·스킬·체크포인터를 조합하고, 실행할 때 메시지와 스킬 파일을 전달하는 형태다.
- 도구: 이름·설명·입력 스키마를 등록해 모델이 사용할 수 있게 했다.
- 스킬: 레지스트리에서 읽은 기능별 지침을 파일 형태로 실행 문맥에 넣었다.
- 연결 계층: 도메인 메시지를 런타임 메시지로 바꾸고, 출력을 텍스트·도구 호출·완료 정보로 변환했다.
그림 2. 외부 도구를 애플리케이션이 실행하는 구성 예시. 도구 이름·호출 ID·날씨 값은 설명용으로 새로 만들었다. 메시지는 주요 필드만 표시하고 모델 호출·상태 저장·중간 스트리밍은 단순화했다.
- 사용자 질문:
HumanMessage.content에 “서울 날씨 알려줘”를 담는다. - 호출 요청: 모델은
AIMessage.tool_calls에 사용할 도구와 입력값을 담는다. - 실행 결과:
ToolMessage.content에 도구 실행 결과를 담고,tool_call_id를 호출 요청의id와 맞춘다. 메시지 공식 문서 - 최종 답변: 모델이 결과를 읽고
AIMessage.content에 “서울은 맑고 22°C예요.”를 담는다.
애플리케이션에서 직접 처리한 부분
Deep Agents를 연결해도 대화를 어떻게 이어가고, 도구를 언제 실행할지는 애플리케이션에서 정해야 한다.
- 대화 이어가기: “서울 날씨 알려줘” 다음에 “내일은?”이라고 물으면 같은 대화로 연결한다. 요청마다 다른
thread_id를 쓰면 앞선 대화를 자동으로 이어 주지 못한다. - 상태 보관:
MemorySaver의 내용은 서버가 재시작되면 사라진다. 재시작 후에도 대화를 복원하려면 영속 체크포인터를 연결한다. Persistence - 도구 실행 처리: 호출 요청을 받으면 실행 허용 여부를 확인하고, 실제 결과를 모델에 전달한다. 예를 들어 일정 삭제처럼 확인이 필요한 작업은 사용자 동의를 받은 뒤 실행하도록 정한다.