위키독스 분석 보드 — 2026-06-23

랭체인(LangChain)의 핵심 추상화(PromptTemplate·OutputParser·Memory·DocumentLoader·VectorStore)를 코드 예제 중심으로 따라 하는 한국어 입문 튜토리얼이다.

이 책은 LangChain 입문자에게 유용한 한국어 튜토리얼이지만, Claude Code + 130 agents + MCP로 무장한 형님 시스템에는 직접 이식할 가치가 낮다. adopt 1개(Document 추상화), improve 3개(partial_variables·Pydantic 파싱 표준화·YAML 프롬프트 관리), skip 4개(모델 추상화·ConversationBuffer·벡터DB·텍스트 분할기). 핵심 가치는 '표준화된 LLM 파이프라인 패턴의 아이디어 소스'로서, LangChain 자체를 도입하는 것이 아니라 패턴만 추출해 Claude Code 생태계에 맞게 녹이는 게 올바른 방향이다.

1. IMPROVE partial_variables + 함수 주입 패턴 (동적 컨텍스트 프롬프트)
   형님 시스템에 prompt_template.py 모듈을 만들고, {변수명: callable} 매핑을 받아 매 실행 시 callable을 평가해 템플릿을 채우는 DynamicPrompt 클래스 구현. 예: blog_pipeline.py의 프롬프트 조립부에서 from prompt_template import DynamicPrompt → DynamicPrompt(template, {today: get_today, market: fetch_market_index}).render(). HARNESS_DOMAIN_REGISTRY.md에 'prompt_template' 도메인 등록.
2. IMPROVE Pydantic Structured Output (with_structured_output + format_instructions)
   harness_integration.py 또는 별도 output_parser.py에 parse_structured_output(llm_response, pydantic_model) 함수 추가. 내부적으로 (1) model.model_json_schema()로 스키마 추출, (2) format_instructions 생성, (3) json.loads + model.model_validate() 체인. 기존 agent 중 3~5개에 먼저 적용해 일관성 확보. agent_registry.py에 output_parser 의존성 등록.
3. ADOPT Document Loader 추상화 (lazy_load·aload·load_and_split)
   datatypes.py에 LangChain 호환 Document dataclass 정의 (page_content: str, metadata: dict). wikidocs_crawler.py가 Document yield하도록 수정, pdf_converter.py도 Document 반환. obsidian_blog_saver.py는 Document 리스트를 받아 노트 생성. 파이프라인 간 계약을 Document로 통일. HARNESS_DOMAIN_REGISTRY.md에 'datatypes' 도메인 등록.
4. IMPROVE 파일 시스템 기반 YAML 프롬프트 템플릿 관리
   prompts/ 디렉토리 생성 후 도메인별 YAML 템플릿 파일 분리 (예: prompts/blog_analysis.yaml, prompts/thesis_analysis.yaml). prompt_loader.py가 YAML→str 변환 + 변수 치환. agent_registry.py의 agent별 프롬프트 참조를 파일 경로로 변경. PreToolUse hook에 '프롬프트 YAML 유효성 검증' 규칙 추가.