Mastering LangGraph Agent Skill MCP — 사용 사례, 설치 & 라이브 데모

왜 쓰나요

핵심 기능

9가지 심층 참조 가이드(핵심 API, ReAct, 분기, 지속성, HITL, 다중 에이전트, 배포, 디버그, 소개)
단일 에이전트부터 다중 에이전트, 프로덕션까지 포괄하는 8가지 표준 패턴
권위 있는 심층 분석을 위한 공식 LangGraph 문서에 대한 150개 이상의 링크
글로벌 또는 프로젝트별 범위의 skilz를 통해 설치 가능
상담원 기술 표준 — Claude뿐만 아니라 14개 이상의 코딩 상담원과도 작동

라이브 데모

실제 사용 모습

mastering-langgraph-skill.replay ▶ 준비됨

0/0

설치

클라이언트 선택

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config 열기. 저장 후 앱 재시작.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Cursor는 Claude Desktop과 동일한 mcpServers 스키마 사용. 프로젝트 설정이 전역보다 우선.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Cline 사이드바의 MCP Servers 아이콘 클릭 후 "Edit Configuration" 선택.

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "mastering-langgraph-skill": {
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ],
      "_inferred": false
    }
  }
}

Claude Desktop과 같은 형식. Windsurf 재시작 후 적용.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "mastering-langgraph-skill",
      "command": "pip",
      "args": [
        "install",
        "skilz",
        "&&",
        "skilz",
        "install",
        "-g",
        "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
      ]
    }
  ]
}

Continue는 맵이 아닌 서버 오브젝트 배열 사용.

~/.config/zed/settings.json

{
  "context_servers": {
    "mastering-langgraph-skill": {
      "command": {
        "path": "pip",
        "args": [
          "install",
          "skilz",
          "&&",
          "skilz",
          "install",
          "-g",
          "https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill"
        ]
      }
    }
  }
}

context_servers에 추가. 저장 시 Zed가 핫 리로드.

claude mcp add mastering-langgraph-skill -- pip install skilz && skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill

한 줄 명령. claude mcp list로 확인, claude mcp remove로 제거.

사용 사례

실전 활용법: Mastering LangGraph Agent Skill

체크포인터가 있는 ReAct 에이전트를 사용하여 도구를 스캐폴드합니다.

👤 새로운 LangGraph 프로젝트를 시작하는 Python 개발자 ⏱ ~45 min intermediate

언제 쓸까: 또 다른 빈 노트북이 아닌 작동하는 도구 루프 에이전트를 시작점으로 원합니다.

사전 조건

Python 3.10+ 및 pip — pyenv 또는 시스템 Python
LangGraph + LangChain 코어 — pip 설치 langgraph langchain-core

흐름

스킬을 설치하세요

pip install skilz && skilz install -g https://github.com/SpillwaveSolutions/mastering-langgraph-agent-skill✓ 복사됨

→ 스킬은 ~/.claude/skills/에 나타납니다.
ReAct 스캐폴드를 요청하세요

두 가지 도구(검색 + 계산기)와 MemorySaver 체크포인터를 사용하여 ReAct 에이전트를 스캐폴드합니다.✓ 복사됨

→ 그래프, 도구, 체크포인터가 연결된 실행 가능한 코드
달리고 밟아보세요

thread_id='thread-1'로 실행하고 각 단계의 상태를 보여주세요.✓ 복사됨

→ 단계당 상태 스냅샷을 통해 루프가 작동 중인지 확인

결과: 0에서 시작하는 대신 확장할 수 있는 실행 중인 에이전트입니다.

함정

프로덕션에서 InMemorySaver 사용 — 배송하기 전에 Postgres 체크포인터로 교체하세요. 가이드는 스왑을 다룹니다

함께 쓰기: fastmcp

조건부 라우팅을 사용하여 다단계 파이프라인 구축

👤 임시 체인을 입력된 그래프로 대체하는 백엔드 엔지니어 ⏱ ~60 min intermediate

언제 쓸까: 워크플로에 분기(분류 → 라우팅 → 전문화 → 마무리)가 있고 명시적인 상태를 원합니다.

흐름

지점 설명

다음을 위한 LangGraph 초안 작성: 의도 분류 → 요약자 또는 Q&A로 전달 → 인용으로 마무리.✓ 복사됨

→ 그래프 다이어그램 및 코드; 명시적 조건부 가장자리
체크포인트 추가

흐름 중간에 작업을 재개하도록 체크포인터를 추가합니다.✓ 복사됨

→ 호출 간에 상태가 지속됨

결과: 테스트 및 재개가 가능한 형식화된 파이프라인입니다.

함정

모든 노드를 LLM 호출로 처리 — LLM이 아닌 순수 Python 노드는 종종 더 명확하고 저렴합니다.

함께 쓰기: langsmith-fetch-skill

위험한 행동을 하기 전에 사람의 승인을 위해 일시 중지

👤 프로덕션 시스템에 대해 에이전트를 실행하는 팀 ⏱ ~30 min intermediate

언제 쓸까: 에이전트가 곧 돈을 쓰거나, 누군가에게 이메일을 보내거나, 상태를 변경하려고 합니다. 인간 체크포인트가 필요합니다.

흐름

인터럽트 노드 추가

'send_email' 노드 앞에 인간 승인 인터럽트를 삽입하십시오. 재개하는 방법을 보여줍니다.✓ 복사됨

→ 인터럽트_배선 전 + 재개 API 지우기
테스트 승인 + 거부 경로

승인 및 거부 흐름을 모두 테스트하는 스크립트를 작성합니다.✓ 복사됨

→ 두 가지 경로가 깨끗하게 실행됨

결과: 인간은 위험한 단계에 문을 닫습니다. 승인된 작업이 완료될 때까지 실행됩니다.

함정

인터럽트 전반에 걸쳐 상태를 유지하는 것을 잊음 — 인터럽트에는 체크포인터가 필요합니다. 그게 없으면 잠시 멈춰도 소용없어

함께 쓰기: linear

감독자 또는 떼 다중 에이전트 설정 설계

👤 다중 에이전트 패턴을 평가하는 설계자 ⏱ ~90 min advanced

언제 쓸까: 단일 에이전트가 혼란스러워지거나 너무 커집니다. 오케스트레이션 패턴을 고려하고 있습니다.

흐름

장단점 살펴보기

연구원 + 코더 + 리뷰어 팀의 감독자와 떼를 비교하십시오.✓ 복사됨

→ 명확한 장단점; 각각 언제 골라야 할까?
픽 앤 비계

세 명의 에이전트를 사용하여 선택한 패턴을 발판으로 삼으세요.✓ 복사됨

→ 라우팅/핸드오프 로직이 포함된 실행 가능한 코드

결과: 코드를 실행하는 다중 에이전트 패턴의 원칙적인 선택입니다.

함정

단일 에이전트가 디버깅되기 전에 다중 에이전트 채택 — 단일 에이전트를 시작합니다. 구체적인 한계에 도달한 경우에만 분할

함께 쓰기: server-mas-sequential-thinking

노트북에서 생산까지 LangGraph를 활용하세요

👤 엔지니어 배송 대행사 기능 ⏱ ~60 min advanced

언제 쓸까: 작업 그래프가 있고 실제 배포 계획이 필요합니다.

흐름

배포 대상 선택

Docker + LangGraph 플랫폼과 자체 호스팅을 비교하세요. 소규모 팀에 추천합니다.✓ 복사됨

→ 비용/운영 균형을 고려한 구체적인 권장 사항
와이어 트레이싱

프로젝트 범위 지정과 함께 LangSmith 추적을 추가합니다.✓ 복사됨

→ 적절한 프로젝트 이름으로 LangSmith에 표시되는 추적

결과: 플랫폼 팀에 표시할 수 있는 배포 경로입니다.

함께 쓰기: cloud-run

조합

다른 MCP와 조합해 10배 효율

mastering-langgraph-skill + fastmcp

다른 에이전트가 사용할 수 있도록 LangGraph를 MCP 서버로 래핑하세요.

fastmcp를 통해 현재 그래프를 MCP 도구로 노출합니다.✓ 복사됨

mastering-langgraph-skill + langsmith-fetch-skill

디버깅을 위해 추적을 가져와 대화에 다시 제공합니다.

프로젝트 'prod-agent' 및 표면 오류 패턴에 대한 마지막 10개 추적을 가져옵니다.✓ 복사됨

mastering-langgraph-skill + server-mas-sequential-thinking

다중 에이전트 순차적 사고 패턴을 LangGraph 오케스트레이션과 결합

감독자 그래프를 순차적 사고 MAS 패턴에 매핑하세요.✓ 복사됨

도구

이 MCP가 노출하는 것

도구	입력	언제 호출	비용
skill: mastering-langgraph	natural-language LangGraph questions and tasks	LangGraph를 구축하거나 디버깅할 때마다	0

비용 및 제한

운영 비용

API 쿼터: 기술은 없습니다. LLM 제공업체는 기본 통화에 대해 비용을 청구합니다.
호출당 토큰: 기술이 로드되는 섹션에 따라 다름 - 좁은 질문은 작게 유지
금액: 자유 스킬; 공급자 비용(OpenAI/Anthropic 등) 적용
팁: 'LangGraph에서 어떻게 <X>합니까'라는 타겟 질문을 물어보세요. 광범위한 'Teach me LangGraph'는 거대한 참조 섹션을 가져옵니다.

보안

권한, 시크릿, 파급범위

자격 증명 저장: 기술이 없습니다. 자신의 LLM 및 도구 자격 증명은 환경/비밀 관리자에 유지됩니다.

데이터 외부 송신: 스킬 내용은 지역적입니다. 모든 송신은 실행하는 코드(도구 호출, LangSmith)에서 발생합니다.

LangGraph API는 빠르게 발전합니다. 배송하기 전에 현재 LangGraph 릴리스와 비교하여 스킬의 예를 교차 확인하십시오.

문제 해결

자주 발생하는 오류와 해결

skilz 설치가 'repo를 찾을 수 없음'으로 인해 실패합니다.

마켓플레이스가 구성되지 않은 경우 SkillzWave 단축 경로가 아닌 전체 GitHub URL과 함께 -g 플래그를 사용하세요.

확인: pip show skilz && skilz list -g

그래프 코드는 로컬에서 실행되지만 배포 시 중단됩니다.

일반적으로 검사점 선택 - InMemorySaver는 다시 시작해도 유지되지 않습니다. 배포 섹션에 따라 Postgres 또는 Redis로 전환하세요.

확인: Inspect the checkpointer type in your code

LangSmith 추적이 누락되었습니다.

그래프를 호출하기 전에 LANGSMITH_API_KEY 및 LANGCHAIN_PROJECT를 설정하세요.

확인: echo $LANGSMITH_API_KEY | head -c 5

대안

Mastering LangGraph Agent Skill 다른 것과 비교

대안	언제 쓰나	단점/장점
mcp-agent	LangGraph가 아닌 MCP 기본 에이전트 패턴을 원합니다.	다른 프레임워크, 다른 생태계
server-mas-sequential-thinking	준비된 다중 에이전트 순차 사고 서버를 원합니다.	LangGraph에서 구축하는 것보다 유연성이 떨어집니다.
agent-langchainjs	Python이 아닌 JS/TS를 사용하고 있습니다.	다른 언어 타겟

Mastering LangGraph Agent Skill