LangGraph 실전 — Reflection Agent와 Planning 패턴
Self-Critique로 에이전트 출력을 자동 검증하고, Planning 패턴으로 복잡한 태스크를 체계적으로 분해합니다. Generator-Reflector 아키텍처와 Plan-and-Execute 패턴 구현.
LangGraph 실전 — Reflection Agent와 Planning 패턴
Part 1에서 만든 ReAct Agent는 한 가지 치명적 약점이 있습니다: 자기가 틀렸는지 모릅니다. "서울 인구가 5천만"이라고 답해도, 본인은 확신에 차 있죠. Reflection 패턴은 에이전트에게 "자기 검증" 능력을 부여합니다. 그리고 Planning 패턴은 복잡한 태스크를 체계적으로 분해하는 능력을 줍니다.
시리즈: Part 1: ReAct 패턴 | Part 2 (이 글) | Part 3: MCP + Multi-Agent | Part 4: 프로덕션 배포
Self-Critique: 에이전트가 자기 출력을 검증하는 법
사람도 글을 쓰고 나면 퇴고를 합니다. 첫 번째 초안이 완벽한 경우는 거의 없죠. LLM Agent도 마찬가지입니다. 한 번에 완벽한 답을 기대하는 건 비현실적이고, 스스로 검증하고 개선하는 루프를 만들어주면 품질이 확연히 달라집니다.
관련 포스트
AI Tools & Agents
나만의 autoresearch 만들기 — 다른 도메인에 자율 실험 적용하기
autoresearch 패턴을 텍스트 분류, 이미지 분류, RAG 파이프라인에 적용합니다. 범용 실험 러너와 program.md 템플릿 제공.
AI Tools & Agents
autoresearch 실전 — GPU 하나로 밤새 실험 돌리기
환경 설정부터 에이전트 실행, 밤새 100개 실험 결과 분석까지. 작은 GPU에서도 돌리는 튜닝 가이드와 실전 팁.
AI Tools & Agents
Karpathy의 autoresearch 해부 — 630줄로 AI 연구실 만들기
Andrej Karpathy의 autoresearch를 코드 레벨까지 분석합니다. 630줄 train.py, BPE 토크나이저, MuonAdamW 옵티마이저, 에이전트 프로토콜의 설계 원리를 파헤칩니다.