LangGraph
Send
조건부 엣지에서 노드를 개별 입력으로 여러 번 실행하는 동적 팬아웃(map-reduce)
Send는 "이 노드를 이 입력으로 실행하라"는 메시지입니다. 조건부 엣지 함수(또는 Command(goto=...))가 Send 리스트를 반환하면, 각 Send가 다음 슈퍼스텝에서 병렬로 실행됩니다. 실행 개수를 런타임에 정할 수 있어 맵-리듀스(map-reduce) 패턴에 씁니다.
Send로 실행된 노드는 그래프 상태가 아니라 arg를 입력으로 받습니다. 결과는 일반 노드처럼 그래프 상태에 병합되므로, 수집 키에는 리듀서가 필요합니다.
Import
python
from langgraph.types import Send
시그니처
python
class Send:
def __init__(
self,
node: str,
arg: Any,
*,
timeout: float | timedelta | TimeoutPolicy | None = None,
) -> None: ...
파라미터
| 파라미터 | 타입 | 기본값 | 설명 |
|---|---|---|---|
node | str | (필수) | 실행할 노드 이름 |
arg | Any | (필수) | 그 노드에 넘길 입력(그래프 상태와 다른 스키마도 가능) |
timeout | float | timedelta | TimeoutPolicy | None | None | 이 Send 실행에만 적용할 타임아웃. 노드의 timeout보다 우선. async 노드 전용 |
메서드와 반환값
속성 node, arg, timeout을 가진 값 객체입니다. 반환 위치:
| 위치 | 형태 |
|---|---|
| 조건부 엣지 함수 | return [Send("worker", x) for x in items] |
| 노드의 Command | return Command(goto=[Send("worker", x) for x in items]) |
예제
맵-리듀스
python
import operator
from typing import Annotated, TypedDict
from langgraph.graph import StateGraph, START, END
from langgraph.types import Send
class State(TypedDict):
topics: list[str]
summaries: Annotated[list[str], operator.add] # 병렬 결과 수집용 리듀서
class WorkerInput(TypedDict):
topic: str
def fan_out(state: State) -> list[Send]:
return [Send("summarize", {"topic": t}) for t in state["topics"]]
def summarize(item: WorkerInput) -> dict:
return {"summaries": [f"{item['topic']} 요약"]}
def reduce(state: State) -> dict:
print("수집 개수:", len(state["summaries"]))
return {}
builder = StateGraph(State)
builder.add_node("summarize", summarize)
builder.add_node("reduce", reduce)
builder.add_conditional_edges(START, fan_out, ["summarize"])
builder.add_edge("summarize", "reduce")
builder.add_edge("reduce", END)
print(builder.compile().invoke({"topics": ["RAG", "Agent", "MCP"], "summaries": []}))
주의사항
주의
수집 키(summaries)에 리듀서가 없으면 여러 Send 결과가 같은 스텝에 쓰여 InvalidUpdateError가 납니다.
주의
Send 대상 노드는 arg만 받습니다. 그래프 상태의 다른 키가 필요하면 arg에 직접 넣어 보내세요.
팁
add_conditional_edges의 세 번째 인자로 ["summarize"]처럼 목적지를 알려 주면 get_graph() 시각화가 정확해집니다.
팁
팬아웃 개수에 상한을 두세요. 입력 리스트가 크면 LLM 호출이 동시에 폭증합니다. 동시성은 config={"max_concurrency": N}으로 제한할 수 있습니다.
관련 문서
- 엣지와 조건부 엣지
- Command
- 상태와 리듀서
- 함수형 API:
task병렬 호출로 같은 패턴 구현