요즘 AI 에이전트 구축을 위한 최고의 오픈소스 도구는 무엇인가요?

정말? 난 시각적 노코드 도구를 한 번도 안 써봤고, 최근 들어서야 LLM이 내 파이프라인을 시각적으로 렌더링하게 만들기 시작했어. 모든 자동화 코드의 흐름을 다 따라갈 수가 없어서 말이야. 난 항상 시각적 노코드가 1단계고, 코딩은... 네가 원하는 수준까지의 단계라고 생각했거든.

디자인, 문서, SDD, PRD 등을 읽고 코드를 작성하거나 테스트 케이스를 만들어서 수동 및 자동 실행까지 할 수 있는 걸 만들고 싶어.

처음 시작하는 거라면, 코드를 얼마나 건드리고 싶은지에 따라 선택해. 시각적이고 초보자 친화적인 걸 원하면 n8n(자체 호스팅, fair-code)의 AI Agent 노드가 오후 한나절이면 작동하는 도구 호출 에이전트를 만들어줘: 채팅 트리거, AI Agent 노드, 모델, 그리고 HTTP Request나 Google Sheets 같은 도구 노드 두세 개면 돼. 코드 중심이라면 Python의 LangGraph나 OpenAI Agents SDK가 문서랑 예제가 제일 많아. 뭘 선택하든, 범용 에이전트보다는 이메일 분류나 문서 하나에서 질문에 답하기 같은 좁은 작업부터 시작해. 로깅을 일찍 추가해(n8n의 실행 기록, 혹은 코드라면 LangSmith/Langfuse). 에이전트가 왜 엉뚱한 도구를 호출했는지 읽어보는 게 공부의 대부분이니까. 도구, 메모리, 프롬프트에 대한 개념은 다 통하니까 나중에 프레임워크를 바꾸는 건 쉬워.

도구 몇 개 써봤는데, 로컬 테스트에서 마찰이 제일 적은 게 최고였어. 이상한 설정 필요 없고, 그냥 실행해서 어떻게 되는지 보는 거. 그게 감이 잡히면 나머지는 그냥 조정하는 것뿐이야.

일주일 동안 도구 세 개 써봤는데, 그만두고 싶지 않게 만든 건 에러 메시지가 제일 단순한 거였어. 우아함보다는 디버깅하기 쉬운 게 최고야.

너무 복잡하지 않으면서 제어권은 주는 가벼운 프레임워크로 시작해.

난 pydantic ai를 고수할 것 같아 https://pydantic.dev/docs/ai/overview/

일반적인 워크플로우를 넘어설 수 있는 LangGraph를 추천해. 이해하기 더 쉬운 CrewAI도 시도해 볼 수 있고.

내 기준은 기능이 아니라 디버깅 가능성이야. 모델이 뭘 봤는지, 어떤 도구를 호출했는지, 뭐가 돌아왔는지, 왜 다음 단계로 그걸 선택했는지 전체 루프를 볼 수 있는 도구를 골라. 새벽 2시에 실행이 꼬였을 때 디버깅해야 하는 건 바로 그 추적 기록이니까. 명시적인 상태 객체와 모든 도구 호출 로그가 있는 단순한 루프가 어떤 프레임워크보다 내 프로젝트에서 오래 살아남았어. 도구 접근 방식은 가능한 MCP 서버로 표준화하고 있어. 모델이나 호스트를 바꿀 때마다 커스텀 통합을 다시 짜는 것보다 서버를 교체하는 게 훨씬 나으니까.

범용적인 최고의 프레임워크를 찾기보다 필요한 런타임에 맞춰서 선택해. 상태 유지형 다단계 워크플로우라면 LangGraph와 AutoGen을 비교해 봐. 더 가벼운 Python 추상화를 원하면 PydanticAI나 OpenAI Agents SDK를 봐. 단, 후자는 인프라가 완전히 오픈소스는 아니야. 두 가지 옵션으로 똑같은 작은 평가를 만들어 봐: 도구 호출 하나, 재시도 하나, 사람 승인 하나, 실패 복구 경로 하나. 관측 가능성, 테스트 가능성, 배포 마찰, 모델 이식성, 그리고 커밋 전에 상태를 얼마나 쉽게 검사할 수 있는지 점수를 매겨봐.