LangChain4j

NanoBanana. 즉 외부AI API를 활용한 서비스를 완성하고 배포한 후에 이 이상 내가 어떤방향으로 성장할 수 있을지 고민을 했고 분기점이 2개로 나뉘었다.

1. Kubernetes를 활용하여 MSA와 AWS, GCP 등 Native Cloud환경에 대한 역량강화. 즉 DevOps의 길로 나아간다.

2. 요즘 HOT한 LLM을 활용한 AI서비스 개발자가 된다.

결과부터 말하면, 뭐.. 이 페이지를 보면 알겠지만 AI서비스 개발자를 선택했다.
그 이유로는 LangChain4j개발을 마이크로소프트에서 지원하고 있다는 점, 2025년 출시되었기에 불안정하지만 기술의 선점이 가능하다는 점, 내가 현재 가지고있는 Spring Boot기반의 Kafka Redis에 바로 LangChain4j를 탑재하여 서비스 확장이 가능하고,
LangChain4j 자체의 수요가 부족하더라도 LLM, RAG, Embedding, VectorDB 등의 여러 AI기반 기술을 체험할 수 있다는 점이 매력으로 다가왔다.

아무튼 LangChain4j.. 선택한건 좋은데 역시 기술관련 정보가 워낙 없었다.
AI Agent역시 버전, 지원 AI모델 혼동 등 여러가지 시행착오가 있었고 결국엔 그 트러블 슈팅들이 다 내 뼈가되고 살이된 기분이다.

상세 개발로그에선 LangChain4j의 기본적인 기능에대한 기록과, 실제로 개발한 서비스를 설명한다.