에이전트 프레임워크 비교
검색하고, 언어로 필터링하고, 스타나 학습 곡선으로 정렬하세요. 또는 세 질문에 답하면 추천 도구가 골라드립니다.
내게 맞는 프레임워크 찾기
세 가지 질문에 답하면 프로젝트에 맞는 추천을 드립니다.
| 프레임워크 | 언어 | 구조 | 멀티 에이전트 | 상태 보존 | 사람 개입 | 학습 곡선 | GitHub ★ |
|---|---|---|---|---|---|---|---|
| LlamaIndex LlamaIndex | Python, TypeScript | 워크플로우 | 지원 | 지원 | 지원 | 보통 | 47k |
| AutoGen Microsoft | Python, C# | 대화형 | 지원 | 지원 | 지원 | 보통 | 45k |
| CrewAI CrewAI Inc. | Python | 역할 기반 | 지원 | 지원 | 지원 | 완만 | 44k |
| Semantic Kernel Microsoft | C#, Python, Java | 워크플로우 | 지원 | 지원 | 지원 | 보통 | 27k |
| Smolagents Hugging Face | Python | 코드 에이전트 | 제한적 | 없음 | 없음 | 완만 | 25k |
| LangGraph LangChain | Python, TypeScript | 그래프 | 지원 | 지원 | 지원 | 가파름 | 24k |
| OpenAI Agents SDK OpenAI | Python, TypeScript | 핸드오프 | 지원 | 없음 | 지원 | 완만 | 19k |
| Mastra Mastra | TypeScript | 워크플로우 | 지원 | 지원 | 지원 | 완만 | 19k |
| Google ADK Google | Python, Java | 워크플로우 | 지원 | 지원 | 지원 | 보통 | 17k |
| Pydantic AI Pydantic | Python | 그래프 | 제한적 | 지원 | 없음 | 완만 | 15k |
GitHub 스타 수는 2026년 5월 기준 근사치입니다. 정확한 수치는 각 저장소를 확인하세요.
프레임워크 한눈에
비교에서 스타가 가장 많은 프레임워크들. 카드를 누르면 언어·구조·강점·주의점이 나옵니다.
검색·인덱싱 중심으로 설계된 데이터 우선 에이전트와 워크플로우.
대화 기반 멀티 에이전트 프레임워크. 연구·실험에 강함.
역할 기반 에이전트 크루로 멀티 에이전트 앱을 빠르게 출시.
C#·Python·Java를 아우르는 엔터프라이즈 오케스트레이션 SDK.
수백 줄로 끝나는 미니멀 코드 작성 에이전트.
상태·영속성·롤백 지점을 갖춘 그래프 기반 오케스트레이션.
하나로 만들어 보기
도구 한두 개를 쓰고 실제 질문에 답하는 에이전트 하나를 원합니다. 좋은 습관까지 익히는 가장 단순한 경로입니다.
리서처가 모으고, 작가가 쓰고, 검수자가 점검합니다. 혼돈으로 번지지 않게 작은 크루를 세우는 법.
추측 대신 내 문서에서 답하는 에이전트. 모델보다 검색 품질이 중요합니다.
에이전트가 이메일을 보내거나 결제를 합니다. 되돌릴 수 없는 일을 하기 전에 멈추고 묻게 하는 법.
맞대결
2026년 가장 많이 비교되는 두 에이전트 프레임워크. 하나는 제어력, 하나는 속도를 줍니다. 고르는 법을 정리했습니다.
둘 다 에이전트 팀을 만들지만, 하나는 역할·작업으로, 하나는 대화로 사고합니다. 어느 쪽이 맞을까요?
하나는 에이전트 제어 흐름, 하나는 에이전트와 데이터 연결을 위해 만들어졌습니다. 이름만큼 겹치지 않습니다.
가장 단순한 진입로 vs 가장 제어 가능한 프레임워크. 락인 허용도와 에이전트 복잡도에 따라 답이 갈립니다.
최신 가이드
최고의 프레임워크는 없고 최적의 적합만 있습니다. 언어·복잡도·락인 허용도 기반의 짧은 결정 가이드.
멀티 에이전트는 2026년의 화제지만, 대부분 프로젝트는 잘 만든 에이전트 하나로 더 빠르고 싸게 출시됩니다. 구분하는 법.
Python이 가장 깊은 에이전트 생태계를 갖지만 TypeScript가 빠르게 따라잡습니다. 2026년 각 진영의 득과 실.
제공자 SDK 등장, AutoGen 1.0, LangGraph가 스타에서 CrewAI 추월, Python 전용 클럽 탈피. 빠른 정리.
간단 용어집
자주 묻는 질문
AI 에이전트 프레임워크가 뭔가요?
AI 에이전트 프레임워크는 에이전트를 만드는 배관 작업을 처리하는 라이브러리입니다. 모델을 루프로 호출하고, 도구를 쥐여주고, 상태·메모리를 추적하고, 여러 에이전트를 조율합니다. 그 오케스트레이션을 직접 짜는 대신 에이전트와 작업을 기술하면 프레임워크가 루프를 돌립니다. 2026년 기준 LangGraph, CrewAI, AutoGen, LlamaIndex가 대표적입니다.
2026년 최고의 AI 에이전트 프레임워크는?
단 하나의 최고는 없습니다. 언어와 목표에 따라 맞는 게 다릅니다. 상태·사람 승인이 필요한 복잡한 프로덕션 에이전트엔 LangGraph, 역할 기반 에이전트 팀을 빠르게 세우려면 CrewAI, 데이터·검색 중심이면 LlamaIndex, TypeScript 팀이면 Mastra, OpenAI 전용이면 OpenAI Agents SDK가 가장 마찰이 적습니다. 위 추천 도구로 상황에 맞춰 보세요.
LangGraph vs CrewAI, 뭘 써야 하나요?
동작하는 멀티 에이전트 크루를 빠르게 내고 역할·작업으로 사고하고 싶으면 CrewAI입니다. 상태·체크포인트·롤백·사람 승인을 명시적으로 제어해야 하고 감사 요구가 있는 프로덕션이면 LangGraph입니다. CrewAI가 배우기 쉽고, LangGraph는 더 가파른 곡선과 장황한 코드 대신 더 큰 제어력을 줍니다.
이 에이전트 프레임워크들은 무료·오픈소스인가요?
네. 여기 비교된 모든 프레임워크가 오픈소스입니다. LangGraph, CrewAI, LlamaIndex, AutoGen, OpenAI Agents SDK, Pydantic AI, Semantic Kernel은 MIT, Google ADK·Mastra·Smolagents는 Apache-2.0 라이선스입니다. 프레임워크는 무료지만 모델 제공자 API 호출 비용은 별도이고, 일부 벤더는 호스팅 플랫폼·관측성을 판매합니다.
에이전트 프레임워크가 어떤 언어를 지원해야 하나요?
기존 스택에 맞추세요. Python은 선택지가 가장 넓습니다. LangGraph, CrewAI, LlamaIndex, AutoGen, Pydantic AI, Google ADK, Semantic Kernel, Smolagents 전부 지원합니다. TypeScript·JavaScript 팀은 Mastra가 네이티브고 LangGraph·LlamaIndex·OpenAI Agents SDK도 TS 버전이 있습니다. C#·Java면 Semantic Kernel이 가장 강하고 Google ADK도 Java를 제공합니다.
멀티 에이전트가 필요한가요, 단일 에이전트면 되나요?
대부분의 실제 작업은 도구 몇 개를 가진 단일 에이전트로 시작합니다. 멀티 에이전트는 일이 별도 프롬프트·컨텍스트가 도움되는 역할로 진짜 나뉠 때만 꺼내세요. 리서처가 작가에게, 작가가 검수자에게 넘기는 식으로요. 멀티 구성은 토큰 비용과 조율 복잡성을 더하니 하나로 시작하고 나중에 나누세요. 필요하면 CrewAI, LangGraph, AutoGen, Semantic Kernel이 잘 처리합니다.
에이전트 프레임워크에서 사람 개입(human-in-the-loop)이란?
에이전트가 진행 전에 사람이 단계를 승인·수정·거부하도록 멈추고 기다리는 것입니다. 이메일 전송, 결제, DB 변경처럼 중대한 행동을 할 수 있을 때 필수입니다. LangGraph, CrewAI, AutoGen, Google ADK, Semantic Kernel, Mastra가 네이티브로 지원하고, Smolagents 같은 가벼운 라이브러리는 직접 붙여야 합니다.
상태 영속성(state persistence)은 왜 중요한가요?
프레임워크가 에이전트 실행 위치를 저장해 나중에, 크래시 후나 별도 요청에 걸쳐 재개할 수 있다는 뜻입니다. 장시간 에이전트가 재시작을 견디고 이전 체크포인트로 롤백하게 하는 기능입니다. LangGraph는 체크포인터로 이를 코어 기능으로 만듭니다. 몇 초 만에 끝나는 에이전트는 필요 없을 수 있고, 몇 분간 돌거나 여러 단계를 조율하면 매우 중요합니다.
AI 에이전트에 관측성을 어떻게 더하나요?
관측성은 에이전트의 모든 모델 호출·도구 호출·결정을 보는 것으로, 디버깅·개선의 방법입니다. 여러 프레임워크가 제공합니다. LangGraph는 LangSmith, Pydantic AI는 Logfire, AutoGen·Semantic Kernel은 OpenTelemetry, CrewAI·Mastra는 내장 대시보드입니다. 내장 추적이 없으면 보통 OpenTelemetry나 Langfuse 같은 도구를 붙일 수 있습니다.
이 프레임워크들로 모델 제공자를 바꿀 수 있나요?
대체로 가능합니다. LangGraph, CrewAI, LlamaIndex, AutoGen, Pydantic AI, Semantic Kernel, Mastra, Smolagents는 제공자 비종속이라 OpenAI·Anthropic·Google·오픈 모델을 바꿀 수 있습니다. 제공자 네이티브인 OpenAI Agents SDK와 Google ADK는 자체 모델에서 가장 좋고 LiteLLM 같은 호환 계층으로 다른 모델에 닿습니다. 락인 회피가 중요하면 비종속 프레임워크를 고르세요.
초보자에게 가장 쉬운 프레임워크는?
CrewAI, OpenAI Agents SDK, Pydantic AI, Mastra, Smolagents 모두 학습 곡선이 완만하고 API가 작습니다. 멀티 에이전트 결과가 빨리 필요하면 CrewAI·Mastra, Python을 알고 타입 안전 출력을 원하면 Pydantic AI, OpenAI에 정착했으면 OpenAI Agents SDK가 가장 단순합니다. LangGraph는 가장 강력하지만 가장 가팔라 첫 프레임워크로는 보통 권하지 않습니다.
LangChain과 LangGraph는 같은가요?
아니지만 관련이 있습니다. LangChain은 모델 래퍼·도구·통합의 더 넓은 라이브러리입니다. LangGraph는 같은 팀의 별도 라이브러리로, 상태가 있는 에이전트를 그래프로 오케스트레이션하는 데 특화돼 있습니다. LangGraph를 LangChain 통합과 함께 쓸 수 있지만, 제어 흐름·영속성·사람 개입이 필요할 때 꺼내는 건 LangGraph입니다.
이건 어느 프로젝트의 공식 순위인가요?
아닙니다. AI Agent Framework Comparison은 Choppy Toast가 만든 독립 도구입니다. LangChain, CrewAI, Microsoft, OpenAI, Google, Hugging Face, Pydantic 등 어떤 프레임워크 제작사와도 무관합니다. 비교는 2026년 5월 기준 공개 문서와 각 프로젝트에 대한 우리의 해석을 반영합니다. 정착 전에 각 프레임워크 페이지의 공식 문서를 확인하세요.