LangGraph 멀티에이전트 GraphRAG

Hook: 단일 Agent의 한계

Text2Cypher Agent는 훌륭하지만, 한 번에 하나의 동작만 합니다.

복잡한 질문: "삼성전자에 투자한 기관 중, AI 분야에도 투자한 기관은?"

이 질문은:

1. 삼성전자 투자 기관 조회 (스키마 확인 → Cypher 생성)
2. 각 기관의 AI 투자 여부 확인 (추가 쿼리)
3. 교차 분석 → 답변 생성

단일 Agent: 1단계에서 실패하면 끝 멀티 Agent: 실패 감지 → 수정 → 재시도 → 검증

---

왜 배우는가?

단일 vs 멀티 Agent 정확도 비교

질문 유형	단일 Agent	멀티 Agent	개선도
단순 1-hop	85%	87%	+2%p
2-hop	60%	78%	+18%p
3-hop 이상	35%	65%	+30%p
Hallucination 감지	❌	✅ KG 검증	필수

도입 기준: 복잡한 질문(2-hop+)이 전체의 20% 이상이면 가치 있음.

비용 트레이드오프

항목	단일	멀티	배수
LLM 호출	1회	3-5회	3-5배
응답 시간	1-2초	3-6초	~3배
비용/질문	$0.01	$0.03-0.05	3-5배

---

구현 방법

LangGraph 멀티에이전트 아키텍처

구현 코드

Supervisor vs Peer 패턴

패턴	구조	장점	GraphRAG 적합도
Supervisor	중앙 조율자가 작업 분배	명확한 흐름	✅ (추천)
Peer	동등한 에이전트가 토론	창의적 해결	⚠️ (수렴 느림)

GraphRAG에서는 Supervisor 패턴 추천: Explorer → Reasoner → Validator 순서가 명확하기 때문.

---

자주 하는 실수

자주 하는 실수

1. 재시도 제한 없음

2. Hallucination 검증 누락

3. State 초기화 누락