LangGraph

Send

조건부 엣지에서 노드를 개별 입력으로 여러 번 실행하는 동적 팬아웃(map-reduce)

#send#map-reduce#fan-out#parallel공식 문서

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

파라미터타입기본값설명
nodestr(필수)실행할 노드 이름
argAny(필수)그 노드에 넘길 입력(그래프 상태와 다른 스키마도 가능)
timeoutfloat | timedelta | TimeoutPolicy | NoneNone이 Send 실행에만 적용할 타임아웃. 노드의 timeout보다 우선. async 노드 전용

메서드와 반환값

속성 node, arg, timeout을 가진 값 객체입니다. 반환 위치:

위치형태
조건부 엣지 함수return [Send("worker", x) for x in items]
노드의 Commandreturn 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