AI 기반 에이전트를 개발할 때, LangChain, LangGraph, DeepAgents와 같은 오픈소스 패키지를 접하게 됩니다. 하지만 각각이 프레임워크, 런타임, 하니스 중 어디에 속하는지, 그리고 어떤 차이가 있는지 명확히 이해하기는 쉽지 않습니다.
이번 글에서는 각 용어의 정의와 특징을 상세히 분석하고, 실제 개발 환경에서 언제, 어떻게 활용할 수 있는지 구체적으로 설명합니다. AI 에이전트 개발을 처음 접하는 개발자부터, 생산 환경에 적용하려는 엔지니어까지 모두에게 도움이 되는 내용을 다룹니다.
에이전트 프레임워크(Agent Framework) – LangChain
개념
에이전트 프레임워크는 대형 언어 모델(LLM)을 활용한 애플리케이션 개발을 돕는 추상화 도구입니다. 복잡한 내부 동작을 간소화하고, 개발자가 쉽게 시작할 수 있도록 구조화된 기능을 제공합니다.
특징
- 개발자 친화적 추상화 제공: 프로젝트 간 코드 재사용과 이해도를 높여 개발 속도를 향상
- 표준화된 개발 방식: 팀 협업과 신규 개발자 온보딩 용이
- 주의점: 잘못 설계된 추상화는 내부 동작 이해를 어렵게 하고, 고급 활용에서는 제한이 발생할 수 있음
대표 예시
LangChain 외에도 Vercel AI SDK, CrewAI, OpenAI Agents SDK, Google ADK, LlamaIndex 등이 있습니다. 이러한 프레임워크는 개발자가 다양한 프로젝트에서 공통적으로 활용할 수 있는 표준화된 구조를 제공합니다.
에이전트 런타임(Agent Runtime) – LangGraph
개념
에이전트를 생산 환경에서 안정적으로 실행하기 위한 인프라 수준의 도구입니다. 단순 개발을 넘어 운영 단계에서의 안정성과 내구성을 보장합니다.
특징
- 내구성 있는 실행(Durable Execution): 에이전트가 안정적으로 지속 실행될 수 있도록 지원
- 추가 지원 기능: 스트리밍, 사람 개입(Human-in-the-loop), 스레드 및 크로스 스레드 상태 유지
- 하위 수준 기능: 프레임워크보다 낮은 레벨에서 동작하며, 프레임워크를 구동시키는 기반 역할
대표 예시
LangGraph, Temporal, Inngest 등이 있으며, LangChain 1.0은 LangGraph 위에서 구동되어 생산 환경에서 안정적인 에이전트 실행을 가능하게 합니다.
에이전트 하니스(Agent Harness) – DeepAgents
개념
프레임워크 위에 구축된 고급 개발 툴로, 기본 프롬프트, 도구 호출 처리, 계획 도구, 파일 시스템 접근 등을 포함하여 바로 사용 가능한 완전한 개발 환경을 제공합니다.
특징
- 프레임워크 이상의 기능 제공: 즉시 활용 가능한 다양한 기능 포함
- ‘Claude Code’와 유사: 일반 목적 에이전트 하니스의 역할
- 시장 현황: 현재 일반 목적 하니스는 많지 않으며, 개발 초기 단계에서 큰 관심을 받고 있음
활용 예
복잡한 에이전트 구현을 빠르게 시작하고, 기본 기능을 포함한 환경에서 고급 기능을 테스트할 때 적합합니다.
언제 무엇을 선택해야 할까?
- 프레임워크(LangChain): 개발 초기, 빠른 프로토타입 제작과 팀 협업용
- 런타임(LangGraph): 생산 환경에서 안정적인 운영과 상태 유지가 필요할 때
- 하니스(DeepAgents): 복잡한 기능 통합, 즉시 사용 가능한 완전한 개발 환경 필요 시
주의: 경계가 모호한 경우가 많으며, LangGraph는 런타임이자 프레임워크로, DeepAgents는 하니스이자 프레임워크로 활용될 수 있습니다.
AI 에이전트 개발 생태계는 여전히 초기 단계이며, 프레임워크, 런타임, 하니스의 구분은 개발자가 이해를 높이고 도구를 적절히 선택할 수 있도록 돕는 모델입니다.
- 프레임워크는 빠른 개발과 추상화,
- 런타임은 운영 안정성과 내구성,
- 하니스는 즉시 사용 가능한 고급 기능을 제공합니다.
이 구분을 이해하면 프로젝트 목적과 환경에 맞춰 적합한 도구를 선택할 수 있으며, 개발 효율성과 생산성을 높일 수 있습니다. 앞으로 에이전트 도구들이 발전하면서 각 개념 간 경계는 더욱 명확해지고, 개발자에게 더 많은 선택권과 유연성을 제공할 것입니다.
Agent Frameworks, Runtimes, and Harnesses- oh my!
There are few different open source packages we maintain: LangChain and LangGraph being the biggest ones, but DeepAgents being an increasingly popular one. I’ve started using different terms to describe them: LangChain is an agent framework, LangGraph is
blog.langchain.com
'인공지능' 카테고리의 다른 글
| FLUX.2: 차세대 비주얼 생성과 편집을 위한 실제 제작 환경 중심의 이미지 생성 모델 (0) | 2025.11.27 |
|---|---|
| 왜 전통적인 부하 테스트는 AI 에이전트 성능을 속이는가 - AI 시대의 성능 테스트가 완전히 새로워져야 하는 이유 (0) | 2025.11.27 |
| 장기 실행 AI 에이전트를 안정적으로 운영하는 방법: Anthropic의 Long-running Agent Harness 분석 (0) | 2025.11.27 |
| Cursor 2.0, 개발 생산성을 다시 쓰다: 더 빠르고 똑똑해진 AI IDE의 등장 (0) | 2025.11.27 |
| 확장의 시대는 끝났는가: 일리야 수츠케버가 말한 ‘연구의 시대’의 진짜 의미 (0) | 2025.11.27 |
