Notice
Recent Posts
Recent Comments
Link
반응형
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 |
Tags
- 밑바닥부터 시작하는 딥러닝
- add_subgraph
- REACT
- summarize_chat_history
- conditional_edges
- tool_calls
- 추천시스템
- chat_history
- adaptive_rag
- fastapi
- toolnode
- rl
- 강화학습
- Python
- Ai
- 밑바닥부터시작하는딥러닝 #딥러닝 #머신러닝 #신경망
- update_state
- subgraph
- rag
- tool_call_chunks
- agenticrag
- humannode
- 강화학습의 수학적 기초와 알고리듬의 이해
- removemessage
- 강화학습의 수학적 기초와 알고리듬 이해
- langgrpah
- RecSys
- pinecone
- LangChain
- langgraph
Archives
- Today
- Total
반응형
목록Docker (1)
반응형
타임트리
FastAPI와 Docker를 활용한 LangGraph 애플리케이션 배포
최근 LangGraph를 활용하여 멀티 에이전트를 구축하는 사례가 증가하고 있다. 이를 어떻게 배포하는 게 좋을까 구글링을 해보면 대부분 streamlit 등을 이용한 방법이 나온다. 그런데 이를 실제 서비스로 제공하기 위해서는 백엔드와 프론트엔드가 분리된 구조에서 배포하는 방법을 이해하는 것이 중요하다. 이번 글에서는 FastAPI를 활용하여 LangGraph 애플리케이션을 서빙하고, Docker를 이용해 손쉽게 배포하는 방법을 다룬다.1. 프로젝트 구조프로젝트의 디렉토리 구조는 아래와 같다../├── Dockerfile├── graph.png├── main.py├── requirements.txt├── graph│ ├── edges.py│ ├── graph.py│ └── nodes.py└..
Today I Learned/Docker
2025. 1. 30. 01:19