LangChain & LangGraph 1.0 — 드디어 프로덕션에서 믿고 쓸 수 있다

LangChain이 드디어 1.0을 찍었다. "v2.0까지 절대 안 깨뜨리겠다"는 약속과 함께.

 

LangChain을 써본 개발자라면 한 번쯤 이런 경험이 있을 겁니다. 어제 돌아가던 코드가 오늘 import 에러를 뱉고, 버전을 올리면 API가 통째로 바뀌어 있고, 공식 문서를 따라 해도 deprecated 경고가 쏟아지는 상황. 프로토타입 단계에서는 빠른 반복이 장점이었지만, 프로덕션에 올리려고 하면 "이걸 믿어도 되나?" 하는 불안감이 늘 따라다녔습니다.

2025년 10월, LangChain과 LangGraph가 동시에 1.0 GA(Generally Available)를 선언했습니다. 단순한 버전 숫자가 아닙니다. "v2.0까지 브레이킹 체인지 없음"이라는 공식 약속이 붙었습니다. Uber, LinkedIn, Klarna 같은 기업에서 1년 넘게 실전 검증을 거친 뒤 나온 안정화 마일스톤입니다. 이 글에서는 두 프레임워크의 1.0에서 무엇이 바뀌었고, 어떤 상황에서 뭘 써야 하는지 정리합니다.

 

LangChain 1.0 — create_agent와 미들웨어

LangChain 1.0의 가장 큰 변화는 create_agent 추상화입니다. 기존의 create_react_agent는 deprecated되고, 모델·도구·프롬프트를 하나의 인터페이스로 설정하는 새로운 방식이 도입되었습니다. 내부적으로는 LangGraph 런타임 위에서 동작하기 때문에, LangChain으로 빠르게 만들고 복잡해지면 LangGraph로 내려가는 자연스러운 경로가 생깁니다.

두 번째 핵심은 미들웨어 시스템입니다. 에이전트 루프의 각 단계에 끼어들어 휴먼-인-더-루프(사람 검토), 대화 요약, 민감정보 제거(PII redaction) 같은 로직을 주입할 수 있습니다. 기존에는 이런 기능을 구현하려면 콜백이나 커스텀 체인을 복잡하게 엮어야 했는데, 이제 미들웨어 하나로 깔끔하게 처리됩니다. 또한 표준 콘텐츠 블록이 도입되어, 모델 프로바이더를 바꿔도(OpenAI → Anthropic → Google) 코드 수정 없이 호환됩니다.

 

LangGraph 1.0 — 상태가 죽지 않는 에이전트

LangGraph 1.0의 핵심 키워드는 Durable State(영속적 상태)입니다. 에이전트 실행 중 서버가 재시작되거나, 장시간 워크플로우가 중단되어도, 정확히 멈춘 지점에서 다시 시작합니다. 별도의 데이터베이스 로직을 작성할 필요가 없습니다. 이게 왜 중요하냐면, 실무에서 AI 에이전트는 한 번에 끝나는 작업만 하지 않기 때문입니다. 며칠에 걸친 승인 프로세스, 여러 세션에 걸친 백그라운드 작업, 외부 API 응답을 기다리는 장기 실행 — 이런 시나리오에서 상태가 날아가면 처음부터 다시 해야 합니다.

휴먼-인-더-루프도 1급 시민으로 지원됩니다. 에이전트가 중요한 결정 포인트에 도달하면 실행을 일시 중지하고, 사람이 검토·수정·승인한 뒤 재개할 수 있습니다. 기존에는 이런 패턴을 직접 구현해야 했는데, LangGraph 1.0에서는 API 레벨에서 지원합니다. 하위 호환성도 잘 유지되어, langgraph.prebuilt 모듈이 deprecated되고 langchain.agents로 이동한 것 외에는 기존 코드가 그대로 동작합니다.

 

LangChain vs LangGraph — 언제 뭘 쓸까

두 프레임워크는 경쟁이 아니라 계층 관계입니다. LangChain 1.0은 "빠르게 에이전트를 만들고 싶을 때" 쓰고, LangGraph 1.0은 "세밀하게 제어하고 싶을 때" 씁니다. 구체적으로, 표준적인 도구 호출 에이전트, 간단한 RAG 파이프라인, 프로토타입 단계라면 LangChain의 create_agent가 빠릅니다. 반면 결정론적 단계와 에이전트 단계를 혼합해야 하거나, 복잡한 분기/병합 로직이 필요하거나, 장기 실행 워크플로우에 상태 영속이 필수라면 LangGraph가 답입니다.

흥미로운 건 LangChain 1.0 자체가 내부적으로 LangGraph 런타임을 사용한다는 점입니다. 즉 LangChain으로 시작해서 한계에 부딪히면, 같은 코드베이스에서 LangGraph로 자연스럽게 내려갈 수 있습니다. "처음부터 LangGraph로 짜야 하나" 고민할 필요 없이, 복잡도가 올라갈 때 전환하면 됩니다. 2026년 1월에는 StateSchema도 도입되어, Pydantic 외에 어떤 Standard Schema 호환 라이브러리로도 그래프 상태를 정의할 수 있게 되었습니다.

 

마이그레이션 체크리스트

기존 LangChain 코드를 1.0으로 올릴 때 주의할 점이 몇 가지 있습니다. 첫째, Python 3.10 이상이 필수입니다. 3.9 지원이 중단되었으므로, 런타임 버전부터 확인해야 합니다. 둘째, create_react_agent → create_agent 전환이 필요합니다. 기능은 동일하되 인터페이스가 간결해졌습니다. 셋째, 레거시 기능들은 langchain-classic 패키지로 분리되었으므로, 당장 마이그레이션이 어려운 코드는 이 패키지를 설치하면 됩니다.

LangGraph 쪽은 더 단순합니다. langgraph.prebuilt에서 import하던 것을 langchain.agents로 바꾸면 끝입니다. 나머지는 그대로 동작합니다. 공식 문서 사이트(docs.langchain.com)에서 Python과 JavaScript 병렬로 상세 마이그레이션 가이드를 제공하고 있으니, 대규모 코드베이스도 단계별로 전환할 수 있습니다.

 

핵심 정리

• LangChain 1.0: create_agent + 미들웨어 시스템 + 표준 콘텐츠 블록으로 에이전트 개발 간소화
• LangGraph 1.0: Durable State + 자동 영속성 + 휴먼-인-더-루프로 프로덕션 에이전트 지원
• v2.0까지 브레이킹 체인지 없음 약속 — 드디어 프로덕션에서 믿고 쓸 수 있는 안정성 확보

 

LangChain 생태계가 1.0을 찍었다는 건, AI 에이전트 프레임워크가 "실험 도구"에서 "프로덕션 인프라"로 넘어가는 전환점을 의미합니다. 더 이상 매주 바뀌는 API에 쫓겨다닐 필요가 없습니다. 지금 프로젝트에 에이전트를 도입하려고 했다면, 이번 1.0이 시작하기 가장 좋은 타이밍입니다.