고르는 방법
- 단순한 RAG나 도구 호출 하나: 평범한 SDK 코드로 충분할 수 있습니다.
- 사람의 승인이 필요한, 오래 실 행되는 상태 기반 에이전트: 그래프 기반 프레임워크.
- 비개발자를 위한 시각적 구축: 로우코드 플랫폼.
확인할 점
선택지를 가르는 질문을 중요한 순서대로 정리했습니다.
01
언어와 팀 적합성
대부분의 프레임워크는 Python 우선입니다. TypeScript 팀은 Mastra나 LangGraph, OpenAI Agents SDK, Google ADK의 TypeScript 포트를 살펴보고, 포트가 기능 면에서 동등한지 확인해야 합니다. .NET 조직에는 Microsoft Agent Framework라는 진지한 선택지 하나가 있습니다. 아무도 이해하지 못하는 더 유능한 프레임워크보다 팀이 읽고 디버깅할 수 있는 프레임워크가 낫습니다.
02
추상화 수준: 그래프, 에이전트 루프, 캔버스
그래프나 상태 기계 프레임워크(LangGraph, Microsoft Agent Framework 워크플로, ADK 2.0, LlamaIndex Workflows)는 모든 단계와 분기를 명시하므로 규제를 받거나 오래 실행되는 프로세스에 맞습니다. 에이전트 루프 SDK(OpenAI Agents SDK, Pydantic AI, smolagents, Agno)는 모델이 다음 도구를 고르게 하므로 만들기는 빠르지만 예측하기는 어렵습니다. 로우코드 캔버스(Dify, n8n)는 비개발자도 흐름을 만들 수 있지만, 코드처럼 테스트하고 검토하고 버전 관리하기가 불편합니다. 많은 팀이 루프로 시작해 자주 쓰는 경로를 그래프로 옮깁니다.
03
상태와 지속 실행
몇 분이나 며칠 동안 실행되는 에이전트는 충돌이나 배포가 있어도 처음부터 다시 시작하지 않아야 합니다. 실제 데이터베이스에 체크포인트를 저장하는 기능(LangGraph 체크포인터, Microsoft의 체크포인트 저장소, CrewAI의 @persist, ADK의 DatabaseSessionService)이나, Pydantic AI가 제공하는 것처럼 Temporal이나 DBOS 같은 지속 실행 엔진과의 통합을 찾으십시오. 재개는 대개 정확히 한 번이 아니라 최소 한 번 실행을 보장하므로, 도구를 다시 실행해도 안전한지 확인하십시오.
04
기다릴 수 있는 사람의 개입
위험한 도구 호출(송금, 데이터 삭제, 고객에게 이메일 발송) 전의 승인은 핵심 기능이어야 합니다. 실행이 멈추고, 사람이 승인하거나 수정하고, 실행이 재개되는데, 몇 시간 뒤 다른 서버에서일 수도 있습니다. 이제 대부분의 프레임워크가 이를 제공하지만, 지속 상태와 결합해야만 재시작을 견딥니다. 일시 정지와 재개 경로를 일찍 테스트하십시오. 버그가 몰리는 곳입니다.
05
관측성과 평가
프롬프트를 쓰는 것보다 트레이스를 읽는 데 더 많은 시간을 쓰게 됩니다. 업체 대시보드만이 아니라 OpenTelemetry를 내보내거나 Langfuse, Phoenix, LangSmith 같은 트레이싱 도구에 연결되는 프레임워크를 우선하십시오. 내장 트레이싱(OpenAI Agents SDK에서 기본 켜짐, Pydantic AI의 Logfire, Mastra의 트레이싱과 평가)은 데이터를 내보낼 수 있는 한 실제로 시간을 아껴 줍니다.
06
멀티 에이전트는 에이전트 하나가 실패할 때만
역할 기반 크루와 인계는 데모로는 좋지만 토큰 사용량을 몇 배로 늘리고 실패를 추적하기 어렵게 만들며, 리뷰어들은 특히 CrewAI에 대해 이 불만을 제기합니다. 에이전트 하나와 좋은 도구로 시작하고, 작업에 별도의 컨텍스트나 권한이 정말 필요할 때 여러 개로 나누십시오. 그렇게 한다면 자유로운 에이전트 간 대화보다 명시적인 인계나 그래프 간선을 우선하십시오.
07
라이선스, 업체 종속, 릴리스 속도
대부분의 코드 프레임워크는 MIT나 Apache 2.0이지만, 오픈 코어의 경계(Mastra의 ee/ 폴더)와 플랫폼의 페어 코드 또는 수정 라이선스(n8n의 Sustainable Use License, 멀티테넌트 호스팅에 대한 Dify의 추가 조건)를 확인하십시오. 업체 SDK는 자사 모델과 클라우드에서 가장 잘 작동합니다. 릴리스 이력도 확인하십시오. 2026년의 smolagents처럼 몇 달 동안 릴리스가 없는 프레임워크는 새 모델 기능에서 뒤처집니다.
선택지별 차이
세 계열이 경쟁합니다. 코드 우선 그래프 프레임워크(LangGraph, Microsoft Agent Framework, Google ADK 2.0, LlamaIndex Workflows)는 더 많은 코드를 대가로 각 단계, 상태, 일시 정지 지점을 명시적으로 제어하게 해 줍니다. 가벼운 에이전트 SDK(OpenAI Agents SDK, Pydantic AI, CrewAI, Agno, smolagents, Mastra)는 모델이 도구를 호출하는 루프를 인계, 메모리, 트레이싱으로 감싸 작동하는 에이전트를 가장 빨리 띄우며, 대부분은 이후 예측 가능한 경로를 위한 워크플로 계층을 추가했습니다.
로우코드 플랫폼(Dify, n8n)은 호스팅 런타임과 수백 개의 통합을 갖춘 시각적 캔버스에 에이전트를 올립니다. 운영팀과 사내 자동화에 맞지만, 라이선스가 서비스로 재판매하는 것을 제한하고, 흐름은 코드보다 테스트하고 검토하기 어렵습니다.
도구 18개 비교
저희 평점 순입니다. 각 리뷰에서 출처, 가격, 전체 평가를 확인할 수 있습니다.
| 도구 | 평점 | 저희 평가 | 추천 대상 | 가격 |
|---|---|---|---|---|
| LangGraph저장소 | 4.6/5 | 에이전트가 밟는 모든 단계를 명시적으로 통제하는 대가로 코드와 학습 시간을 치르며, 에이전트가 재시작을 견디고 사람을 기다려야 하는 순간부터는 그만한 가치가 있습니다. | 신뢰할 수 있고 감사 가능해야 하는 장기 실행 또는 다단계 에이전트를 만드는 엔지니어링 팀. | MIT 라이선스의 무료 오픈소스입니다. LangSmith(트레이싱과 배포)는 별도이며 Developer는 1석 무료, Plus는 좌석당 월 $39에 컴퓨팅 비용 별도, Enterprise는 별도 견적입니다. |
| Pydantic AI저장소 | 4.5/5 | Pydantic AI는 타입 지정 Python의 규율을 에이전트에 가져옵니다. 그 대가는 버전을 고정해야 하는 릴리스 행렬입니다. | 강한 타입, 테스트 용이성, 모델을 바꿀 자유를 원하며 프로덕션 에이전트를 만드는 Python 엔지니어. | MIT 라이선스의 무료 오픈소스입니다. Logfire 관측: Personal은 월 10M 레코드까지 무료, Team은 월 $49에 추가 100만 레코드당 $2입니다. Pydantic AI Gateway는 내장 제공사에 5%를 더합니다. |
| Dify저장소 | 4.5/5 | Dify는 비즈니스 팀이 직접 고칠 수 있는 완전한 LLM 앱 빌더이며, 라이선스는 호스팅 서비스로 재판매할 때만 문제가 됩니다. | 엔지니어가 아닌 사람이 유지 관리할 사내 챗봇과 RAG 앱을 만드는 팀. | 자체 호스팅 Community Edition은 무료(수정된 Apache 2.0, 워크스페이스 1개). Dify Cloud: Sandbox 무료(일회성 메시지 크레딧 200), Professional 워크스페이스당 연 $590, Team 워크스페이스당 연 $1,590(연간 결제, Dify에 따르면 17% 절약), Enterprise는 별도 견적입니다. |
| OpenAI Agents SDK저장소 | 4.4/5 | 작고 읽기 쉬운 에이전트 SDK이지만 기본값은 조용히 OpenAI를 전제합니다. 트레이싱은 실행 기록을 OpenAI 대시보드로 보내고, 로컬 샌드박스는 사용자의 기기를 신뢰합니다. | 주로 OpenAI 모델로 에이전트를 만들며 최소한이고 문서화가 잘된 SDK를 원하는 개발자. | MIT 라이선스의 무료 오픈소스입니다. 모델 사용료를 냅니다. |
| Mastra저장소 | 4.4/5 | TypeScript에서 가장 완성도 높은 에이전트 툴킷입니다. 릴리스 속도가 빨라서 버전을 고정하고 변경 기록을 읽는 팀에게 유리합니다. | 에이전트와 AI 워크플로를 만드는 TypeScript와 Next.js 팀. | 핵심은 Apache 2.0으로 무료이며, ee/ 폴더의 코드는 프로덕션에서 Mastra Enterprise 라이선스가 필요합니다. Mastra 호스팅 플랫폼: Starter $0, Teams 월 $250, Enterprise 별도 견적. 자체 호스팅 Enterprise는 연간 정액입니다. |
| n8n저장소 | 4.4/5 | 정액 자체 호스팅 비용으로 AI 단계를 업무 시스템에 폭넓게 연결할 수 있습니다. 다만 자체 호스팅 사용자라면 누구도 무시할 수 없는 보안 패치 주기가 이를 상쇄합니다. | AI 단계가 포함된 업무 프로세스를 자동화하는 운영팀과 엔지니어링팀. | 페어코드: Community Edition은 Sustainable Use License로 자체 호스팅 무료입니다. 연간 청구 기준 Cloud Starter 월 €20(2,500회 실행), Pro 월 €50(10,000회), 자체 호스팅 Business 월 €667(40,000회), Enterprise는 별도 견적입니다. |
| LlamaIndex저장소 | 4.3/5 | 문서 중심 RAG를 위한 깊이 있는 툴킷이지만, 만든 회사는 이제 프레임워크가 더 이상 우선순위가 아니라고 분명히 말합니다. | 크고 다양한 데이터 소스 위에 RAG나 문서 에이전트를 만드는 Python 개발자. | 프레임워크는 MIT로 무료입니다. LlamaParse(유료 클라우드): Free는 10k 크레딧, Starter 월 $50(40k 크레딧), Pro 월 $500(400k 크레딧), Enterprise는 별도 견적이며, 1,000 크레딧 = $1.25입니다. |
| Hermes Agent저장소 | 4.3/5 | 나를 기억하는 에이전트를 원한다면 $5짜리 서버에 올릴 오픈소스 에이전트는 Hermes입니다. 다만 YOLO 모드를 켜기 전에 보안 모델을 읽어야 합니다. | 예약 작업을 돌리고 채팅 앱에서 답하는 자체 호스팅 비서를 원하는 개발자와 소규모 팀. | MIT 라이선스로 무료이며, 모델과 호스팅 비용은 직접 냅니다. 선택 사항인 Nous Portal: Free, Plus 월 $20, Super 월 $100, Ultra 월 $200. |
| Google Agent Development Kit (ADK)저장소 | 4.2/5 | 진지하고 빠르게 발전하는 에이전트 프레임워크이지만, 가장 짧은 길은 언제나 Gemini와 Google Cloud로 이어집니다. 그것이 핵심일 수도, 함정일 수도 있습니다. | Gemini로 에이전트를 만들거나 Google Cloud에 배포하는 팀. | Apache 2.0 라이선스의 무료 오픈소스입니다. 사용하는 모델과 Google Cloud 서비스 비용을 냅니다. |
| Microsoft Agent Framework저장소 | 4.2/5 | 에이전트를 만드는 .NET과 Azure 팀에게는 당연한 선택지이고, 그 밖의 Python 팀에게는 유능하지만 덜 검증된 선택입니다. | .NET과 Azure 팀, 그리고 AutoGen이나 Semantic Kernel에서 옮겨 오는 모든 사람. | MIT 라이선스의 무료 오픈소스입니다. 사용하는 모델과 Azure 서비스 비용만 냅니다. |
| CrewAI저장소 | 4.1/5 | 작동하는 멀티 에이전트 데모까지는 빠르지만 데모에서 멀어질수록 다루기 어려워져, 운영 팀은 결국 Crews 대신 Flows를 쓰게 됩니다. | 멀티 에이전트 워크플로를 빠르게 돌리고 싶고, 저수준 제어가 줄어드는 것을 감수할 수 있는 Python 개발자. | MIT 라이선스의 무료 오픈소스입니다. CrewAI AMP는 Basic이 월 50회 워크플로 실행으로 무료이고, Enterprise(더 많은 실행, SSO, RBAC, VPC 또는 온프레미스 배포)는 견적 기반입니다. |
| Agno저장소 | 4.1/5 | Agno는 아주 적은 연결 코드로 Python 에이전트를 API로 제공하게 해 주지만, 그 API는 인증이 꺼진 채로 나옵니다. | 최소한의 배관 작업으로 자체 인프라에서 운영 에이전트를 돌리려는 Python 팀. | 프레임워크와 AgentOS는 Apache 2.0으로 무료입니다. 컨트롤 플레인은 로컬 AgentOS에 연결하면 무료이고, Pro는 월 $150(운영 연결 1개, 좌석 3개, 추가 좌석 $30, SAML SSO $300), Enterprise는 별도 견적입니다. |
| Activepieces저장소 | 4.1/5 | Activepieces는 개발자가 아닌 사람에게 맡기기 가장 쉬운 자체 호스팅 Zapier 대체재이며, 커넥터를 MCP 도구로 바꾸는 가장 저렴한 방법입니다. | 통합 기능이 MCP로 AI 에이전트에도 쓰이는, 자체 호스팅 노코드 자동화 빌더를 원하는 운영팀. | Free: 월 1,000 크레딧. Plus는 월 $20에 10,000 크레딧, Team은 월 $200에 50,000 크레딧입니다. 추가 크레딧은 $0.007이며 Ultimate는 별도 견적, Embed는 연 $36k부터입니다. |
| TreeQuest저장소 | 3.8/5 | 존중받는 탐색 방법을 깔끔하고 최소한으로 구현해 한 가지 일만 정확히 합니다. 어려운 부분인 채점과 최종 답 고르기는 사용자에게 맡깁니다. | 이미 모델 출력의 검증기를 가지고 있으며 더 큰 호출 예산을 더 나은 답으로 바꿀 검증된 탐색 알고리 즘을 원하는 엔지니어. | Apache 2.0으로 무료입니다. 비용은 생성과 채점 함수가 하는 LLM 호출입니다. |
| MaxKB저장소 | 3.7/5 | MaxKB는 중국 기업 환경에 맞는 유능한 Dify 대안입니다. 단, 보안 이력을 상시 운영 비용으로 받아들일 수 있어야 합니다. | WeCom, DingTalk, Feishu를 쓰는 조직에서 자체 호스팅 문서 도우미를 원하고 보안 패치를 따라갈 수 있는 IT팀. | Community Edition은 무료(GPL-3.0)이며 단일 테넌트, 커뮤니티 지원입니다. Professional은 배포당 ¥48,000의 영구 라이선스로 1년 유지보수를 포함하며, 이후 연 ¥9,600입니다. Enterprise는 견적 문의입니다. |
| Letta저장소 | 3.7/5 | Letta는 여전히 에이전트 메모리에 대해 가장 깊이 고민한 아이디어를 갖고 있지만, 운행 중에 제품을 다시 만드는 바람에 기존 사용자는 마이그레이션을 떠안았고 새 사용자는 빠르게 움직이는 표적을 상대해야 합니다. | 들여다볼 수 있고 버전 관리되는 메모리를 갖춘 장기 실행 개인 또는 팀 에이전트를 원하고, 하네스 전체를 채택할 의향이 있는 개발자. | Apache 2.0이며 자신의 모델 키로 로컬에서 무료로 실행할 수 있습니다. Letta Cloud: Free(에이전트 3개, 메모리 저장소당 5 MiB), Pro 월 $20(에이전트 20개, 50 MiB, 모델 할당량), API 요금제 월 $20에 활성 에이전트당 월 $0.10과 도구 실행 초당 $0.00015, 토큰은 별도, Teams Pro 좌석당 월 $20, Enterprise는 별도 견적입니다. |
| smolagents저장소 | 3.5/5 | 에이전트가 코드로 행동할 수 있다는 명료한 시연이지만, 이제 풀 리퀘스트 590개를 쌓아 둔 채 유지보수 모드로 흘러가고 있습니다. | 특히 오픈 모델로 코드를 쓰는 에이전트를 탐구하는 연구자와 학습자. | Apache 2.0 라이선스의 무료 오픈소스입니다. |
| Coze Studio저장소 | 3.5/5 | Coze Studio는 대형 시각적 에이전트 빌더 가운데 라이선스가 가장 깔끔하지만, ByteDance는 더 이상 이 프로젝트를 밀고 나가지 않는 것으로 보입니다. | 직접 포크해 유지할 Apache 라이선스 시각적 에이전트 빌더를 원하고, 이를 공개 인터넷에서 떼어 둘 수 있는 팀. | Apache 2.0으로 무료입니다. 음성 톤 맞춤 설정 같은 일부 기능은 ByteDance의 호스팅 상용 Coze 플랫폼 전용입니다. |
사양 비교
이 단계에서 중요한 사양입니다. 2026년 10월 19일에 확인했습니다. 도입 전에 공급업체 사이트에서 확인하세요.
| 도구 | 언어 | 추상화 | 상태 / 지속성 | 사람의 개입 | 멀티 에이전트 | 라이선스 |
|---|---|---|---|---|---|---|
| LangGraph | Python, 별도 JS/TS 라이브러리 | 그래프 / 상태 기계 | 매 단계 체크포인트 | 핵심 기능인 인터럽트 | 예, 그래프 노드로 | MIT |
| Pydantic AI | Python | 타입이 있는 에이전트 루프 | Temporal, DBOS, Prefect | 예(도구 승인) | 미리 만든 패턴이 적음 | MIT |
| Dify | 로우코드(Python 백엔드) | 시각적 캔버스 | 워커를 통한 실행 일시 정지 | 예(Human Input 노드) | 워크플로로 | 수정된 Apache 2.0 |
| OpenAI Agents SDK | Python, 별도 TS 저장소 | 인계가 있는 에이전트 루프 | 세션, 지속되는 승인 | 예(승인) | 예, 인계 | MIT |
| Mastra | TypeScript | 에이전트와 타입이 있는 워크플로 | 메모리, 일시 정지와 재개 | 예(워크플로 일시 정지) | 예, 감독 에이전트 | Apache 2.0(ee/는 상업용) |
| n8n | 로우코드(TS 백엔드) | 시각적 워크플로 자동화 | 저장된 실행 | 예(도구 호출 검토) | 하위 워크플로로 | Sustainable Use (fair-code) |
| LlamaIndex | Python, TypeScript | 이벤트 기반 워크플로 | 직렬화 가능한 컨텍스트 | 예(입력 이벤트) | 예(AgentWorkflow) | MIT |
| Google Agent Development Kit (ADK) | Python, TS, Go, Java | 에이전트와 그래프(2.0) | 데이터베이스 세션, 재개 | 예(도구 확인) | 예 | Apache 2.0 |
| Microsoft Agent Framework | Python, .NET | 에이전트와 그래프 워크플로 | 체크포인트 저장소 | 예(요청/응답) | 예 | MIT |
| CrewAI | Python | 역할 크루와 Flows | @persist(기본 SQLite) | 예(@human_feedback) | 예, 핵심 설계 | MIT |
| Agno | Python | 에이전트 루 프와 AgentOS | 자체 데이터베이스의 세션 | 예(승인 일시 정지) | 예, 팀 | Apache 2.0 |
| smolagents | Python | 코드를 작성하는 에이전트 루프 | 프로세스 내 메모리만 | 단계 콜백으로 | 예(관리형 에이전트) | Apache 2.0 |
이 단계가 쓰이는 곳
- 문서와 대화하기: LlamaIndex부터 시작하겠습니다.
- 고객 지원 에이전트: LangGraph부터 시작하겠습니다.
- 리서치 및 지식 그래프: LlamaIndex부터 시작하겠습니다.
- 장기 메모리를 갖춘 어시스턴트: OpenAI Agents SDK부터 시작하겠습니다.
- 음성 에이전트: Pydantic AI부터 시작하겠습니다.
- 문서 처리: n8n부터 시작하겠습니다.
- 워크플로 자동화: n8n부터 시작하겠습니다.
이 가이드의 출처
- LangGraph.js repository
- Pydantic AI: deferred tools and approval
- CrewAI docs: Flows
- Google ADK: action confirmations
- Google ADK: resume stopped agents
- Microsoft Agent Framework: human-in-the-loop workflows
- LlamaIndex: human in the loop
- smolagents: human-in-the-loop plan customisation
- Dify: the Human Input node
- n8n docs: human-in-the-loop for tools
- smolagents: orchestrate a multi-agent system
- Mastra: multi-agent systems