Amazon Bedrock Custom LangChain Agent는 AWS Bedrock 기반 모델과 LangChain을 결합하여 AI 에이전트를 구축하는 방법을 보여주는 참조 아키텍처 및 코드 예제입니다. API, 데이터베이스, RAG 검색기와 같은 도구 세트를 정의하고, 에이전트 정책과 메모리를 구성하며, 다단계 추론 흐름을 호출합니다. 낮은 지연 시간의 사용자 경험을 위해 스트리밍 출력 지원, 모니터링을 위한 콜백 핸들러 통합, IAM 역할을 통한 보안 보장 기능도 포함되어 있습니다. 이 접근 방식을 통해 고객 지원, 데이터 분석, 워크플로 자동화용 지능형 에이전트 배포를 신속하게 할 수 있습니다.

Functionary는 사용자 정의 도구(API 호출, 데이터베이스 쿼리 또는 비즈니스 논리를 캡슐화하는 JavaScript 함수)를 등록하는 선언적 방법을 제공합니다. 사용자 입력을 분석하고 호출할 도구를 결정하며, 도구의 출력을 대화 응답으로 다시 파싱하는 LLM 상호작용을 래핑합니다. 프레임워크는 메모리, 오류 처리, 액션 연결을 지원하며, 사전 및 사후 처리에 대한 훅을 제공합니다. 개발자는 보일러플레이트 없이 역동적인 함수 오케스트레이션이 가능한 에이전트를 신속하게 구축하여 AI 워크플로우에 대한 제어력을 높일 수 있습니다.

LangGraph 에이전트는 그래프 구조의 메모리와 결합된 LLM을 통해 사실을 기억하고 관계를 추론하며 필요 시 외부 함수 또는 도구를 호출할 수 있는 자율형 에이전트를 구축합니다. 개발자는 메모리 스키마를 그래프 노드와 엣지로 정의하고, 맞춤형 도구 또는 API를 연결하며, 설정 가능한 플래너와 실행자를 통해 에이전트 워크플로우를 조율합니다. 이 접근법은 맥락 유지력을 높이고 지식 기반의 의사 결정을 가능하게 하며 다양한 어플리케이션에서 동적 도구 호출을 지원합니다.