LangGraph vs LlamaIndex
하나는 에이전트 제어 흐름, 하나는 에이전트와 데이터 연결을 위해 만들어졌습니다. 이름만큼 겹치지 않습니다.
사람들은 LangGraph와 LlamaIndex를 라이벌처럼 비교하지만 출발점이 다릅니다. LangGraph는 에이전트의 제어 흐름 오케스트레이션, LlamaIndex는 검색, 즉 에이전트를 문서·데이터베이스·지식베이스에 연결하는 것입니다. 많은 팀이 둘 다 씁니다.
각자의 강점
LangGraph의 강점은 루프입니다. 상태, 분기, 체크포인트, 사람 승인. 에이전트의 어려운 부분이 다음 행동 결정과 단계 간 생존이면 LangGraph가 적격입니다. LlamaIndex의 강점은 데이터입니다. 문서 파싱, 청킹, 임베딩, 인덱싱, 적절한 컨텍스트 검색. 어려운 부분이 자체 데이터를 잘 읽는 것이면 LlamaIndex가 앞섭니다.
겹치는 지점
둘 다 이제 에이전트 계층을 제공합니다. LlamaIndex에는 에이전트를 조율하는 이벤트 기반 Workflows API가 있고, LangGraph는 검색 도구를 호출할 수 있습니다. 검색 에이전트는 어느 쪽으로도 만들 수 있습니다. 관건은 어느 어려움이 프로젝트를 지배하느냐입니다.
함께 쓰기
흔한 프로덕션 패턴은 검색 파이프라인에 LlamaIndex, 그 위 에이전트 오케스트레이션에 LangGraph입니다. LlamaIndex가 적절한 컨텍스트를 가져와 순위 매기고, LangGraph가 그것으로 무엇을 할지, 언제 사람에게 물을지, 실행을 어떻게 영속화할지 정합니다. 경쟁보다 보완입니다.
선택 방법
대부분 자체 문서에 대한 질의응답이면 LlamaIndex부터, 행동을 취하고 제어·영속성이 필요한 다단계 에이전트면 LangGraph부터 시작하세요. 둘 다면 둘 다 쓰게 될 것이고, 검색 요구와 제어 흐름 요구가 각자 도구를 고르게 두세요.