AI 에이전트 프레임워크, 당신에게 맞는 것은?

발표자는 CrewAI를 '에이전트 프레임워크의 입문용 마약'이라고 표현하며, 에이전트 개발의 진입 장벽을 낮춘다고 설명한다. CrewAI는 에이전트, 도구, 작업 등 필요한 모든 요소를 미리 제공하여, 사용자가 손쉽게 조합할 수 있도록 지원한다. 20분 이내에 실제 작동하는 에이전트 팀을 구축할 수 있다는 점을 강조하며, 빠른 프로토타입(Prototype) 제작에 적합함을 시사한다.

Autogen은 Microsoft에서 개발한 프레임워크로, .NET과 Python을 모두 지원하는 것이 특징이다. 발표자는 Autogen을 '그룹 채팅'에 비유하며, 에이전트들이 서로 대화하며 작업을 조정하는 방식을 설명한다. Autogen Studio를 통해 코딩 없이 프로토타입을 제작할 수 있으며, Agent Chat을 통해 Python 코드로 구현할 수 있다. .NET 환경에서 AI 에이전트 개발을 고려하는 개발자에게 유일한 선택지임을 강조한다.

OpenAI Agents SDK는 OpenAI 모델과의 완벽한 통합을 제공하며, 프로덕션 환경에 필요한 기능을 내장하고 있다. 발표자는 가드레일(Guardrails), 메모리 관리, 로깅, 관찰 가능성(Observability) 등 실제 배포에 필요한 기능들을 강조한다. Hosted Tools를 통해 웹 검색, 코드 실행 등 기능을 손쉽게 구현할 수 있으며, OpenAI 모델을 사용하는 경우 최고의 선택임을 강조한다.

Google ADK는 Google Cloud 환경 및 Gemini 모델 사용에 최적화되어 있으며, 다양한 기능을 제공한다. 발표자는 Built-in Web UI를 통해 에이전트와의 상호작용을 시각적으로 확인할 수 있으며, Evaluation & Testing 기능을 통해 에이전트의 성능을 체계적으로 평가할 수 있음을 강조한다. 또한, Agent Engine을 통해 손쉬운 배포를 지원하며, Google Cloud 생태계와의 높은 호환성을 제공한다.

LangGraph는 에이전트가 아닌, 그래프를 구축하는 프레임워크로, 유연한 아키텍처 설계를 가능하게 한다. 발표자는 LangGraph를 '수동 변속기'에 비유하며, 개발자가 에이전트의 모든 것을 직접 제어할 수 있음을 강조한다. Checkpoint System을 통해 에이전트 상태를 저장하고 복원할 수 있으며, Model-agnostic하여 다양한 모델과 도구를 사용할 수 있다. LangGraph는 AI 에이전트 개발에 대한 궁극적인 유연성(Ultimate Flexibility)을 제공한다.