LangChain Content Studio, 3,000개 이상 에셋 생성 및 80% 코드 절감 달성

• LangChain의 Content Studio는 마케팅 부서 외에서 75%의 요청을 받아 3,000개 이상의 에셋(슬라이드 덱 80개 포함)을 제공함
• Managed Deep Agents로 마이그레이션하면서 커스텀 코드가 약 80% 감소하고, 요청당 모델 비용 중앙값은 약 50센트로 하락함
• 'Designer's Computer'(LangSmith Sandbox)를 사용해 모든 에셋을 코드로 작성하며, 비동기 서브 에이전트 간 컨텍스트 공유와 효율적인 재렌더링을 가능하게 함
• 모델 성능 향상에 따라 하드코딩된 규칙 의존도를 줄이기 위해, 빠른 피드백 루프와 느린 백그라운드 학습을 결합한 자가 개선 하네스를 적용함

Architecture and Workflow

• 각 Slack 스레드에 파일시스템과 셸이 포함된 격리된 Linux 샌드박스를 할당하여, 에이전트가 프로젝트 상태를 유지하고 비디오 엔진 및 공유 캔버스 등 도구를 사용함
• 스펙 기반 디자인 프로세스(스토리보드, 애니메이션, 프로덕션)를 따르며, 코드 기반 파이프라인 체크를 통해 모든 액트가 검토를 통과한 후 조립되도록 함
• 52슬라이드 리스타일링(6시간 이상 소요) 같은 장기 작업은 메인 에이전트를 차단하지 않고 비동기 서브 에이전트가 처리하며, 메인 에이전트는 'Chief of Staff' 역할을 수행하여 병렬 작업을 조정함

Knowledge and Learning

• 'Designer's Brain'은 48개의 스킬(약 1,000개 파일), 브랜드 컨텍스트를 위한 Wiki, 코드 체크를 위한 결정론적 Gates, 그리고 영속적 학습을 위한 Memory로 구성됨
• 빠른 루프는 즉각적인 피드백을 메모리 파일에 저장하고, 느린 루프는 경량 서브 에이전트를 사용해 증거 기반 교훈을 추출하여 매주 스킬에 통합함
• 하네스는 langchain-ai/design-agent 저장소에서 오픈소스로 공개되어, 팀이 포크하여 브랜드 토큰, 폰트, 커스텀 스킬을 추가할 수 있음