한 줄 요약

LangChain은 라이브러리입니다. 청크 분할, 임베딩, 벡터 스토어, retriever, prompt template, chain composition, agent loop, tool registry — 다 import 해서 직접 wire-up 합니다. 그 결과를 실제 prod에서 돌리는 일(스케일링, 관측, 평가, 비용 추적, 멀티테넌트, 감사 로그)은 별도 문제로 남습니다.

Schift는 그 wire-up + prod 운영을 한 contract으로 묶은 인프라입니다. 라이브러리 vs runtime의 비교라고 보면 정확합니다.

성능 · 정확도

Schift는 한국어 RAG에 대해 재현 가능한 벤치마크를 운영합니다 (/benchmark).

벤치마크	Schift 측정값
Korean Legal multi-hop · recall@10 (hybrid + rerank)	79.2%
Korean Legal · 4-hop recall@20	59.3%
Korean Legal QA	54.7% (Qwen3-8B SOTA 대비 +13.2pp)

LangChain 자체는 라이브러리이므로 “LangChain의 정확도” 같은 측정값은 존재하지 않습니다. 위 정확도는 어떤 vector store · 임베딩 · rerank · LLM · 청크 전략을 wire-up 했는지에 100% 의존합니다. Schift는 그 조합 자체를 default로 검증해 동봉합니다 — 벤치를 통과한 default를 받고, 회귀가 일어나면 책임 라인이 한 군데입니다.

지원하는 것 / 안 하는 것

항목	LangChain	Schift
검증된 RAG default	없음 (조합은 운영자 책임)	벤치 통과한 hybrid+rerank default
실행 / 호스팅	자체 (LangServe 또는 직접)	호스팅형 서비스 / Compose / Terraform
관측 / 트레이싱	LangSmith (별도 SaaS / 별도 과금)	인용·LLM·비용 단위 audit 내장
평가 / 회귀	코드로 직접 (langchain.evaluation 또는 LangSmith)	재현 가능한 벤치마크 harness
한국어 BM25 / OCR / 표	community loader (품질 편차)	내장 OCR + Korean tokenizer
멀티테넌트	없음 (애플리케이션 레이어 직접)	org · tenant · project · RLS
SLA / 운영 책임	운영자	호스팅형 서비스 또는 Compose 번들
컴플라이언스	없음 (운영자 책임)	SOC 2 / SSO / SCIM / CMEK / DPA / 온프레

이럴 땐 LangChain을 그대로 쓰세요

다단계 agent / tool 오케스트레이션이 핵심. RAG가 보조이고, 메인은 ReAct + 커스텀 tool 그래프인 경우. LangGraph 추상화가 아직은 더 표현력 있음.
풀 코드 컨트롤이 deal-breaker. 모든 chain을 자기 코드로 바꿀 수 있어야 하는 연구/실험 단계.
20+ vector store / 50+ loader 중 비표준을 써야 하는 경우. Schift는 검증된 default을 제공하지만 “모든 곳에 connector”는 아닙니다.
이미 LangChain + LangSmith로 prod 운영 중이고 마이그레이션 ROI가 안 나오는 경우. shadow mode로 일부 라우트만 옮기는 점진 이동을 권합니다.

이럴 땐 Schift가 낫습니다

“우리 회사 문서에 대고 답하는 AI”가 핵심 요구사항. RAG가 메인이고 agent는 그 위 얇은 레이어.
인용 / 감사 / 멀티테넌트가 요구되는 B2B SaaS. LangChain 위에 RLS · audit · eval · 청구를 직접 구현하면 6개월짜리 프로젝트가 됩니다.
한국어 문서 비중이 높다. 관리형 1024d 임베딩 모델 · Korean BM25 · 내장 OCR이 기본 동봉.
LangSmith 비용이 부담된다. 관측·트레이싱이 인프라에 포함됩니다.
온프레/BYOK가 deal-breaker인 Enterprise. Compose · Terraform 번들로 고객 인프라 안에 들어갑니다.

마이그레이션은 어떻게 하나

Python schift-cli로 기존 문서 코퍼스를 Schift bucket에 ingest.
기존 RetrievalQA / ConversationalRetrievalChain 라우트를 schift.ask() 호출로 교체.
shadow mode — LangChain 라우트와 Schift 라우트에 같은 쿼리를 동시 보내 품질·지연·비용 비교.
특정 use case (CS 챗봇 / 법률 QA 등) 부터 cutover. 나머지는 LangChain에 남겨도 됩니다.

다음 단계

Schift 5분 quickstart — 직접 ingest → 검색 → 답변까지.
RAG 벤치마크 — 한국어 코퍼스 기준 정확도.
vs. Pinecone · vs. LlamaIndex 도 같이.
팀과 직접 이야기 — shadow mode / 부분 마이그레이션 견적.