아프니까 개발자다 아프니까 개발자다

LangChain이 해결한 문제는 명확했다. LLM을 쓸 수 있는 형태로 만들기 위한 반복 작업을 없애는 것이다. 그런데 에이전트를 실제로 만들다 보면 또 다른 벽에 부딪힌다."결과가 부족하면 다시 검색한다." 이 한 문장을 코드로 표현하는 순간, 선형 체인(Chain)은 한계를 드러낸다. 루프가 없기 때문이다. 체인은 A → B → C로 흘러갈 수는 있어도, "C가 충분하지 않으면 B로 돌아가라"는 구조를 표현할 방법이 없다.LangGraph는 그 한계를 해결하기 위해 2024년에 등장했다. LangChain의 연장선이지만, 패러다임이 다르다. 선형(linear)에서 그래프(graph)로 달라졌다.1. 배경 — LangChain의 체인(Chain)이 충분하지 않았던 이유LangChain의 초기 핵심 개..

2022년 말 ChatGPT가 공개된 이후, 개발자들 사이에서 한 가지 공통된 질문이 등장했다."LLM을 내 서비스에 어떻게 집어넣지?"답은 간단해 보였다. API를 호출하면 된다. 그런데 실제로 해보면 달랐다. 대화 이력을 직접 관리해야 하고, 외부 검색 기능을 붙이려면 연결 코드를 따로 짜야 하고, LLM이 여러 번 판단을 반복하도록 루프를 구현해야 했다. 강력한 언어 모델을 손에 쥐었는데, 정작 그것을 "쓸 수 있는 형태"로 만드는 데 시간의 대부분을 써야 했다.LangChain은 그 반복을 없애려는 시도로 2022년 10월에 등장했다.1. 배경 — GPT 등장 이후 개발자들이 맞닥뜨린 문제LLM(Large Language Model, 거대 언어 모델) API는 사실 단순하다. 텍스트를 보내면 텍스..

GitHub MCP와 Playwright MCP는 도구 목록만 제공한다. 시스템 프롬프트와 트리거는 사용자가 별도로 만들어야 한다. 반면 debug-pack 플러그인은 다르다. 서브에이전트의 3가지 핵심 구성요소(시스템 프롬프트·도구 목록·트리거)가 모두 패키지 안에 들어 있다. 게다가 슬래시 커맨드(/debug-here)까지 묶여 있어, 설치하는 순간 Python 디버깅 전용 에이전트 생태계가 한 번에 세팅된다.이 플러그인이 흥미로운 이유는 두 가지다. 첫째, 실제 서브에이전트 패키지가 어떻게 구성되는지 가장 완전한 형태로 보여주는 예시다. 둘째, Python 디버깅이라는 구체적인 문제를 풀기 위해 두 개의 MCP 서버(sequential-thinking, fetch)가 함께 포함되어 있어, 단순 역할..