[Week 1] StateGraph를 활용하여 알고리즘 도메인 특화 ReAct Agent 설계 및 구현

[pykido]

도메인 / 목표

• 도메인 : 알고리즘 학습 / 코딩 테스트 준비
• create_agent 같은 helper 없이 StateGraph 로 직접 ReAct loop 구성하였습니다.
• 코테 준비의 3가지 use case (개념 / 추천 / 리뷰) 를 도구 3개에 1:1 매핑한 학습 코치 에이전트를 만들었습니다.

그래프 흐름 (노드/엣지)

flowchart TD
    START([START]) --> agent
    agent -->|tool_calls| tools[tools / ToolNode]
    agent -->|tools_condition: END→remap| format_answer[format_answer / with_structured_output]
    tools --> agent
    format_answer --> END([END])

Loading

• agent — bind_tools 된 LLM, 도구 호출 여부 결정
• tools — 강의 06번대로 langgraph.prebuilt.ToolNode
• 분기 — tools_condition 의 END 출구를 path_map 으로 format_answer 에 remap
• format_answer — with_structured_output(ReActAnswer) 로 Pydantic 정규화
• State — class AgentState(MessagesState): final_answer: Optional[ReActAnswer] (강의 04번 패턴)

도구

도구	용도
get_algorithm_pattern(name)	패턴 설명/시간복잡도/템플릿/실수
recommend_problems(topic, level, problem_id)	프로그래머스 문제 추천/조회
review_solution(problem_id, user_code)	풀이 리뷰용 reference rubric

• review_solution 은 코드를 직접 채점하지 않고 rubric 만 반환한 뒤, LLM 이 user_code vs rubric 비교 (RAG 의 retrieval+generation 분리 결)

• 응답 스키마: Pydantic ReActAnswer(answer, used_tools, sources, confidence)

테스트 4개 (노트북에 출력 박혀 있음)

#	질문	호출 도구	결과
1	이분 탐색 패턴 정리	get_algorithm_pattern	템플릿 + 실수 정리, confidence 0.9
2	Lv.3 binary-search 추천	recommend_problems(topic, level)	pgs-43238 입국심사
3	TLE 나는 brute-force 코드 리뷰	review_solution	O(max_t × M) 원인 진단 → 이분 탐색 O(M log(...)) 정답 코드 제시
4	패턴 + 추천 다단계	get_algorithm_pattern + recommend_problems 병렬	슬라이딩 윈도우 설명 + pgs-67258 보석 쇼핑 통합

[myeolinmalchi]

태윤님 너무 잘 봤습니다!

ipynb로 작성해주신건 좋은데, 나중에 고도화를 하기 위해선
파이썬 모듈로 작성을 해주시면 좋을 것 같아요

공식 문서 참고하셔서 폴더 구조 러프하게 세팅해서 커밋해주시면 감사하겠습니다!