LangChain, 능동형 에이전트 운영 경험 공유
- •LangChain, 관리형 딥 에이전트 실행의 70% 이상이 일정 기반이라고 밝혀
- •GTM Agent와 Robin, 세 종류의 트리거로 영업 및 개발 업무 수행
- •LangChain, 메모리와 Slack 검토를 능동형 에이전트 설계의 핵심으로 제시
LangChain은 자사 영업·엔지니어링 에이전트가 이벤트와 일정에 따라 업무를 처리하며, Managed Deep Agents 실행의 70% 이상이 일회성 사용자 요청이 아닌 일정에서 시작된다고 밝혔습니다. 2026년 11월 17일 게시물에서 회사는 에이전트를 유용하게 만들고 사용자 방해를 줄이려면 메모리와 사용자 경험이 중요하다고 설명했습니다.
에이전트의 작동 계기는 세 가지입니다. 새 이메일이나 풀 리퀘스트 같은 실제 이벤트, 야간 메모리 업데이트와 같은 개발자 설정 일정, 알림이나 요청받은 일일 브리핑처럼 에이전트가 설정한 일정입니다. GTM Agent는 잠재 고객과 회신을 살피고 일일 브리핑과 영업 이메일 초안을 작성합니다. 과거 Open SWE였던 Robin은 풀 리퀘스트 초안을 작성하고 새 요청을 검토합니다. 두 에이전트 모두 Managed Deep Agents 기반이며 세 종류의 계기를 모두 사용합니다.
메모리는 매번 프롬프트에 입력되지 않아도 되는 선호 사항처럼 에이전트가 시간에 걸쳐 학습한 정보를 담습니다. LangChain은 메모리의 출처를 과거에 보낸 이메일 같은 초기 정보, 사용자가 초안을 고치거나 거부하는 현재의 피드백, 작성한 이메일에 답장이 오는지와 같은 미래 결과로 나눕니다. 회사는 쓸모 있는 메모리를 유지하려면 무엇을 저장할지 판단하고, 이미 지난 출시일 같은 오래된 정보를 삭제하며, 상충하는 내용을 중복 저장하지 말고 새 정보와 합쳐야 한다고 밝혔습니다.
LangChain에 따르면 많은 에이전트는 최근 활동을 검토하고 메모리를 갱신하는 ‘드리밍’이라는 예약 백그라운드 프로세스를 사용합니다. 메모리의 효과를 확인하기 위해 개발자는 초안 승인까지 걸리는 시간, 발송한 이메일의 회신 비율, 에이전트의 확인 메시지에 사용자가 행동하는 비율 등을 추적할 수 있습니다. 회사는 피드백을 기억하면 같은 실수를 줄이고 자율성을 높일 수 있다고 설명했습니다. 예를 들어 사용자가 에이전트가 제안한 회의 시간을 더는 수정하지 않으면 에이전트가 회의를 예약하도록 허용할 수 있습니다.
LangChain은 능동형 에이전트의 사용자 경험에서 신호가 분명한 알림, 빠른 검토, 사용자가 이미 일하는 공간에서의 작동을 세 가지 우선순위로 꼽았습니다. GTM Agent는 대화를 사용자 대기, 답변 초안 필요, 답변 불필요로 분류합니다. Robin은 Jev라는 의사결정 모델을 이용해 Slack 대화에 참여할 시점을 판단합니다. LangChain은 검토 과정이 사용자의 피드백을 메모리에 반영하는 통로라며, 사람들이 쉽게 검토할 수 있는 업무에 에이전트의 목표를 맞추라고 권했습니다.
LangChain의 에이전트는 Slack에서 작동하며, 사용자는 에이전트에 직접 메시지를 보내거나 채널에서 태그할 수 있습니다. 에이전트는 같은 대화 스레드에서 후속 작업을 예약하고 보고서를 게시하며, GTM Agent는 기존 대화 옆에 일일 브리핑을 놓습니다. Robin은 스레드 답글에 한두 문장으로 핵심을 먼저 제시한 뒤 세부 정보를 덧붙입니다. 풀 리퀘스트 검토 요청에는 한 줄 요약, 변경 규모, 작업을 맡겠다는 버튼이 포함됩니다. LangChain은 에이전트 개발자들이 지난 3년간 모델을 위한 컨텍스트 엔지니어링에 힘써 왔으며, 이제는 사람에게 적절한 형식과 시점으로 유용한 맥락을 제공하는 방법도 고려해야 한다고 말했습니다. Managed Deep Agents는 일정, 메모리, 비동기 하위 에이전트를 지원합니다. 회사는 오픈소스 Deep Agents 하네스와 그 자바스크립트 구현에서도 메모리와 비동기 하위 에이전트를 활용할 수 있다고 안내했습니다.
가장 빠르고 정확한 AI 소식, 이메일로 받아보세요