LangGraph부터 CrewAI까지: 2026년 AI 에이전트 프레임워크 8종 비교

상태를 유지해야 하는 워크플로에는 LangGraph, 역할을 나눠 실제로 협업하는 에이전트 팀에는 CrewAI, TypeScript 앱 안에서 동작하는 에이전트에는 Mastra가 적합합니다. 애플리케이션이 직접 관리하는 간결한 에이전트 루프를 원한다면 OpenAI Agents SDK를 선택할 수 있습니다. 이 8종의 AI 에이전트 프레임워크를 가르는 기준은 상태, 승인, 복구를 누가 책임지는가입니다.

오픈소스 AI 에이전트 프레임워크를 쓰면 라이브러리 구독료는 들지 않습니다. 하지만 모델 호출, 호스팅, 스토리지, 운영 비용은 여전히 부담해야 합니다. 아래에 인용한 문서, 저장소 라이선스, 제작사의 요금 페이지는 2026년 10월 7일에 확인했습니다.

Claude Agent SDK는 별도로 판단해야 합니다. Claude Code의 툴 실행 런타임을 애플리케이션에 내장하기 때문입니다. Pydantic AI는 타입을 명시하는 Python 서비스에, Vercel AI SDK는 스트리밍 웹 인터페이스에, Google ADK는 Google 중심의 에이전트 시스템에 어울립니다. 이런 추가 기능이 현재의 문제를 해결해 주지 않는다면 모델 제공사의 기본 SDK로 루프를 직접 구성하는 것도 좋은 선택입니다.

LangGraph·CrewAI 등 AI 에이전트 프레임워크 한눈에 비교

호스팅 항목은 제작사에서 구매할 수 있는 서비스를 정리한 것입니다. 호스팅형 관측 서비스는 실행을 기록하고, 호스팅형 런타임은 실행을 수행합니다. 무료 라이브러리와 함께 제공되더라도 서로 다른 구매 항목입니다.

시작 요청이 끝난 뒤에도 미완료 작업을 이어가야 한다면 선택 기준이 달라집니다. 운영자가 내일 작업을 승인할 수도 있고, 외부 시스템에 쓰기를 수행한 직후 워커가 종료될 수도 있습니다. 이런 경우에는 채팅 화면보다 상태 저장과 실행 재개 경로부터 검토해야 합니다. 에이전트에 툴과 리소스를 노출하는 Model Context Protocol, 즉 MCP 자체가 이런 복구를 보장하지는 않습니다.

에이전트 프레임워크는 어떤 기준으로 골랐습니까?

이 글은 문서에 명시된 아키텍처, 라이선스 범위, 현재 요금을 비교해 추천합니다. 프레임워크를 직접 실행해 성능을 측정한 결과는 아닙니다.

후보를 추리는 기준은 다음 여섯 가지 질문입니다.

• 실행 방식: 코드가 순서를 정합니까, 모델이 다음 툴을 고릅니까, 아니면 전문 에이전트가 작업을 위임합니까?
• 상태 관리 책임: 메시지, 워크플로 진행 위치, 공유 메모리, 보류 중인 결정 중 무엇을 저장합니까? 모두 저장해야 합니까?
• 복구: 프로세스가 재시작되거나 툴이 시간 초과되거나 사용자가 나중에 돌아오면 어떻게 됩니까?
• 툴의 권한 범위: 기능 범위를 좁힌 애플리케이션 함수와 필요한 MCP 서버를 노출할 수 있습니까?
• 사람의 검토: 실행 전에 사람이 제안된 작업을 확인할 수 있습니까? 그 결정을 반영해 실행을 올바르게 재개할 수 있습니까?
• 운영 비용과 라이선스: 무료 코어에 포함된 기능은 무엇입니까? 상업 계약이 필요한 기능은 무엇이며, 호스팅 서비스는 무엇을 기준으로 과금합니까?

여덟 프레임워크는 실서비스에서 맡길 작업을 기준으로 배열했습니다. 이 글에서 다루는 상태 유지 워크플로의 기본 추천은 LangGraph입니다. 그렇다고 작은 루프보다 항상 우수하다는 뜻은 아닙니다. 주로 답변을 스트리밍하는 TypeScript 제품이라면 이 추천만을 이유로 그래프 런타임을 도입할 필요가 없습니다.

호스팅형 노코드 빌더와 관측 제품은 프레임워크 후보에서 제외했습니다. Logfire는 Pydantic AI와 함께 선택할 수 있는 서비스로 소개하며, 아홉 번째 프레임워크로 세지 않습니다. 목록 밖의 전문 생태계가 기존 스택에 더 잘 맞을 수도 있습니다. 다만 상태, 승인, 요금을 같은 기준으로 분석하지 않은 채 후보만 늘리면 결정이 더 어려워집니다.

AI 에이전트 오케스트레이션: 상태 저장과 사람의 검토

실무에서 상태란 다른 워커가 같은 업무를 올바르게 이어가기 위해 필요한 정보입니다. 오케스트레이션 프레임워크는 단계를 조율하지만, 안전하게 이어가기 위해 어떤 기록이 필요한지는 직접 정해야 합니다.

환불 어시스턴트를 예로 들겠습니다. 이력에는 대화와 정책 조회 내용이 남습니다. 진행 위치에는 환불 자격 확인이 끝났고 환불은 아직 대기 중이라는 사실이 남습니다. 검토 기록에는 관리자가 승인한 금액과 작업이 명시됩니다. 처리 확인 기록에는 결제 시스템이 해당 작업을 접수했는지가 남습니다.

이 기록들은 서로 다른 질문에 답합니다. 대화에 “환불 승인”이라고 적혀 있다고 해서 관리자가 현재 금액을 승인했다는 증거가 되지는 않습니다. 워크플로 체크포인트의 “호출 완료” 기록도 결제 시스템의 처리 확인을 대신하지 못합니다. 재시도할 때 같은 쓰기 작업임을 식별하려면 처리 확인 기록에도 유지되는 작업 식별자가 필요합니다.

읽기 전용 리서치 어시스턴트라면 저장된 이력만으로 충분할 수 있습니다. 문서를 기다리며 멈추는 온보딩에서는 실행 위치 저장이 유용해집니다. 환불이나 계정 변경이라면 출시 전에 승인과 외부 처리 확인 기록을 설계에 포함해야 합니다.

사람이 검토할 수 있다는 설명도 여기서 자세히 살펴봐야 합니다. 모델에게 신중하라고 요청하는 프롬프트는 지시입니다. 결정을 받을 때까지 실행을 막는 툴 게이트는 통제 장치입니다. 승인 화면이 운영에 도움이 되려면 정확한 인자를 보여 주고, 검토자의 신원을 확인하고, 결정을 저장하며, 재시작 후에도 복구할 수 있어야 합니다.

SDK는 실행 중단이나 승인 요청을 제공할 수 있습니다. 그래도 검토자의 권한과 작업의 유효성은 제품이 책임집니다. 승인 후 요청 금액이 달라졌다면 이전 결정으로 새 금액까지 자동 승인해서는 안 됩니다. 어떤 프레임워크를 선택하든 이 규칙은 애플리케이션이 지켜야 할 계약으로 다뤄야 합니다.

실서비스 업무별 AI 에이전트 프레임워크 추천

1. LangGraph: 상태를 유지하는 다단계 워크플로

LangGraph는 진행 위치가 중요한 워크플로형 에이전트를 만들 때 가장 먼저 검토할 만합니다. 노드, 각 노드의 작업, 노드 간 전이를 직접 정의하는 저수준 그래프 런타임입니다. 일부 노드는 일반 코드로 실행하고, 다른 노드는 모델에게 다음 동작을 선택하게 할 수 있습니다. LangChain 구성 요소는 선택 사항이므로 LangGraph를 쓴다고 모든 애플리케이션 작업에 또 다른 추상화 계층을 씌울 필요는 없습니다.

언어와 라이선스: Python 및 TypeScript/JavaScript. 코어는 MIT 라이선스입니다.
적합한 용도: 분기하고, 멈추고, 재개하는 개별 업무 건, 온보딩 절차, 리서치 워크플로.
주요 특징: 명시적인 워크플로 상태, 스레드 체크포인트, 스레드 간 정보를 위한 별도 스토어.
요금: 코어 라이브러리는 무료입니다. LangSmith Developer는 시트당 월 $0, Plus는 시트당 월 $39, Enterprise는 별도 견적입니다. 호스팅 요금제마다 사용량 규칙이 다릅니다.
무료 체험: Developer는 기간 제한 없는 무료 요금제입니다. 유료 배포 기능은 Plus부터 제공됩니다.

공급업체 온보딩을 만드는 기술 창업자에게 유용한 작업 단위는 공급업체별 온보딩 건입니다. 문서 추출 노드가 후보 필드를 만들고, 결정론적 코드가 이를 검증하며, 에이전트가 부족한 증빙을 요청하고, 검토자가 최종 기록을 승인할 수 있습니다. 그래프를 쓰면 운영자는 대화에서 진행 상황을 추측하는 대신 어느 전이가 대기 중인지 확인할 수 있습니다.

상태: 체크포인터는 스레드의 그래프 상태를 저장합니다. 스토어는 공급업체의 기본 프로필처럼 애플리케이션이 정의한 정보를 여러 스레드에 걸쳐 보관합니다. 메모리 체크포인터는 프로세스가 재시작되면 내용을 잃으므로 실서비스에는 영속 스토리지가 필요합니다. 큰 증빙 파일은 체크포인트 밖에 두고 참조만 저장하십시오. 그렇지 않으면 간결해야 할 제어 기록이 모든 산출물의 복사본을 계속 쌓게 됩니다. 이 구분은 LangGraph 영속성 문서에 설명되어 있습니다.

툴, MCP, 사람의 검토: 노드는 직접 작성한 애플리케이션 코드를 호출할 수 있습니다. LangChain MCP 어댑터는 로컬 stdio 또는 원격 Streamable HTTP 툴을 그래프에 노출합니다. LangGraph의 interrupt()는 실행을 멈추고, 호출자는 Command(resume=...)로 결정을 전달합니다. 주의할 점은 중단된 노드가 재개될 때 처음부터 다시 실행된다는 것입니다. 중단 지점 앞에 외부 쓰기를 두면 그 쓰기가 다시 실행될 수 있습니다. 실행 중단 가이드는 이 동작을 명시합니다.

도입의 부담은 저수준 런타임 주변을 직접 운영해야 한다는 데 있습니다. 상태 스키마, 체크포인트 보존, 워커 배포, 그래프 변경, 복구 동작을 책임져야 합니다. 장애 후에도 이어지는 실행은 설정하고 설계해야 하는 기능입니다. 툴 구현과 무관하게 결제나 이메일이 반드시 정확히 한 번만 실행된다는 보장은 아닙니다.

호스팅 비용, 2026년 10월 7일 확인: Developer에는 시트 하나와 월 기본 트레이스 5k가 포함됩니다. Plus에는 조직 전체 기준 월 기본 트레이스 10k와 무료 Serverless Small 배포 하나가 포함됩니다. 추가 서버리스 배포나 전용 배포는 리소스를 소비하며, 제작사는 고객이 직접 사용하는 에이전트에 전용 배포를 권장합니다. Enterprise는 별도 견적이며 자체 호스팅·하이브리드 옵션을 제공합니다. 현재 과금 단위는 LSU이며 $1.00/LSU입니다. 공개된 배포 요율은 런타임 컴퓨팅 0.0675 LSU/vCPU-hour, 런타임 메모리 0.0090 LSU/GiB-hour, 데이터베이스 컴퓨팅 0.177 LSU/vCPU-hour, 데이터베이스 메모리 0.025 LSU/GiB-hour입니다. 요금제와 요율의 출처는 LangSmith 요금 페이지입니다.

쓰기가 가능한 툴을 연결하기 전에 다음 짧은 튜토리얼로 설계부터 점검하십시오.

1. 1

   작업에 계속 유지할 식별자를 부여합니다

   공급업체 건, 고객 요청 등 결과 단위마다 스레드 식별자 하나를 사용합니다. 재개할 때도 같은 식별자를 쓰고, 워커가 바뀌었다고 새 스레드를 만들지 않습니다.

2. 2

   결정과 산출물을 분리합니다

   현재 단계, 증빙 참조, 제안된 작업, 승인 상태를 상태 계약에 담습니다. 문서와 큰 출력은 별도 스토리지에 보관합니다.

3. 3

   영속 체크포인트를 설정합니다

   파일럿에 재시작 복구가 필요해지기 전에 메모리 저장 방식을 교체합니다. 보존 정책을 정하고 대체 워커도 같은 스레드에 접근할 수 있게 합니다.

4. 4

   쓰기 전에 실행을 멈춥니다

   실행 중단 기능으로 제안된 작업을 보여 줍니다. 승인 후에는 유지되는 작업 식별자와 함께 범위가 좁은 애플리케이션 툴을 호출하고 결과를 저장합니다.

5. 5

   복구 경로를 시험합니다

   모델 호출 중, 승인 대기 중, 외부 쓰기 직후에 워커를 재시작합니다. 작업이 이어지고 의도한 동작이 중복 실행되지 않는지 확인합니다.

선택 기준: 워크플로 진행 위치 저장과 복구가 제품 요구사항이라면 LangGraph를 선택하십시오. 기존 애플리케이션에서 완료하고 재시도할 수 있는 짧은 요청이라면 도입하지 않아도 됩니다.

2. CrewAI: 역할을 나눠 실제로 협업하는 에이전트 팀

CrewAI는 전문 역할과 핸드오프가 구분되는 업무에 적합합니다. Python 추상화인 Crews는 역할, 목표, 과업을 가진 에이전트를 묶고, Flows는 그 바깥의 이벤트 기반 절차를 구성합니다. 실서비스에서는 Crew에 범위가 정해진 협업 작업을 맡기고 Flow가 전후 단계를 관리하게 하는 패턴이 유용합니다.

언어와 라이선스: Python. MIT입니다.
적합한 용도: 담당 업무나 툴 접근 권한이 다른 리서치, 분석, 초안 작성 작업.
주요 특징: 구조화된 Flows 안에서 이루어지는 역할 기반 협업.
요금: 오픈소스 라이브러리는 무료입니다. 호스팅형 Basic은 월 워크플로 실행 50회까지 무료이며, Enterprise는 별도 견적입니다.
무료 체험: Basic은 무료 요금제입니다. Enterprise는 체험 신청을 제공하지만 요금 페이지에 체험 기간을 공개하지 않습니다.

고객사 브리핑을 준비하는 창업자는 리서처에게 증빙 접근 권한을 주고, 분석가에게 구매 신호 파악을 맡기고, 작성자에게 최종 브리핑의 책임을 부여할 수 있습니다. 입력, 권한, 통과 기준이 다를 때 이런 역할 구분이 의미를 갖습니다. 같은 모델에 서로 다른 인물 설정 세 개와 같은 툴을 준다고 유용한 전문가 세 명이 만들어지지는 않습니다.

상태: Flow 상태는 딕셔너리 또는 예상 필드를 검증하는 Python 스키마인 Pydantic 모델로 정의할 수 있습니다. @persist는 상태 스냅샷을 저장합니다. 기본 영속성 백엔드는 SQLite이며 직접 구현한 백엔드도 지원합니다. 저장된 상태를 기존 식별자로 복원하거나 다른 실행으로 분기할 수 있습니다. Flow의 진행 상태와 에이전트가 기억하는 사실은 분리하십시오. “브리핑이 검토를 기다리고 있다”는 절차의 상태이고, “이 고객사는 병원에 판매한다”는 지식입니다. CrewAI Flows 문서는 이런 제어 기능과 사람의 피드백을 설명합니다.

툴과 MCP: 현재 MCP 기능은 mcps를 통한 에이전트 설정을 지원하며 로컬 stdio, HTTP, SSE 전송 방식과 어댑터 경로를 제공합니다. 연결한 통합의 수보다 툴 필터링이 중요합니다. 리서처에게는 조회 툴을 제공해야 합니다. 같은 MCP 서버가 조회와 변경을 모두 노출한다는 이유만으로 브리핑 작성 에이전트에 고객 계정 변경 권한까지 넘겨서는 안 됩니다.

사람의 검토: Flow의 사람 피드백 기능은 승인이나 수정 요청을 받기 위해 작업을 멈출 수 있습니다. 비동기 피드백 제공자를 직접 구현하면 최초의 대화형 프로세스 밖에서도 결정을 받을 수 있습니다. 제안된 산출물과 검토자를 기록하고, 검토 결과를 명시적인 업무 결정으로 설계하십시오. Crew 안에서 “검토자”라는 역할을 맡은 에이전트도 모델입니다. 운영자가 의지할 사람의 승인 절차가 아닙니다.

협업 범위가 작업 계약보다 빠르게 커지면 문제가 생깁니다. 리서처가 증빙 형식을 바꾸면 분석가가 이를 다르게 해석할 수 있고, 작성자가 그 차이를 확신에 찬 최종 문서로 만들 수 있습니다. 경계마다 구조화된 증빙 전달 형식과 구체적인 통과 기준을 요구하십시오. 최종 쓰기 작업은 제약 없는 에이전트 간 논의 밖에 두어야 합니다.

호스팅 비용, 2026년 10월 7일 확인: 현재 CrewAI 요금 페이지의 Basic은 무료이며 시각적 편집기, AI 코파일럿, GitHub 통합, 월 워크플로 실행 50회를 포함합니다. Enterprise는 별도 견적이며 거버넌스와 함께 CrewAI Cloud, 자체 VPC 또는 자체 인프라 배포를 제공합니다. 인용할 수 있는 정액 중간 요금제나 실행당 초과 요금은 공개되어 있지 않습니다. 호스팅 실행이 51회 필요한 작업량은 Basic의 공개 제공량을 넘으므로 상업 조건을 협의하거나 다른 배포 방식을 선택해야 합니다. 오픈소스 라이브러리의 모델 및 인프라 비용은 여전히 별도입니다.

선택 기준: 전문가별 책임이 업무의 일부라면 CrewAI를 선택하십시오. 정해진 검증·승인 절차라면 Flow가 전체를 관리하게 하고, 모델 호출을 쓸 이유가 있는 에이전트 역할만 추가하십시오.

3. OpenAI Agents SDK: 애플리케이션이 직접 관리하는 에이전트 루프

OpenAI Agents SDK는 애플리케이션이 배포와 데이터를 책임지고 작은 실행기가 모델 호출, 툴, 핸드오프를 관리하도록 구성할 때 적합합니다. 에이전트 정의에는 지시와 사용할 수 있는 기능을 담습니다. 실행기는 에이전트가 최종 답변을 내거나, 작업을 넘기거나, 일시 중단할 때까지 동작합니다. 이미 백엔드, 인증, 스토리지가 있는 제품에 알맞은 범위의 프레임워크입니다.

언어와 라이선스: Python 및 TypeScript. MIT 라이선스의 오픈소스 SDK입니다.
적합한 용도: 툴 루프, 전문 에이전트 핸드오프, 검토 제어가 필요한 OpenAI 중심 애플리케이션.
주요 특징: SDK가 관리하는 툴과 내장 트레이싱을 갖춘 간결한 실행기.
요금: 유료 SDK 시트 요금제는 없습니다. 모델 호출과 해당 호스팅 툴은 사용량 기반이며 자체 런타임 비용은 별도입니다.
무료 체험: 체험할 SDK 구독 상품이 없습니다. API 사용도 무료라고 가정해서는 안 됩니다.

기존 SaaS 제품 안의 계정 지원 에이전트를 생각해 보겠습니다. 백엔드는 이미 로그인한 사용자의 계정과 이용 권한을 알고 있습니다. 에이전트는 계정 맥락을 조회하고, 부족한 정보를 질문하고, 범위가 좁은 해지 요청 툴을 호출할 수 있습니다. 여기서 유용한 추상화는 이런 동작을 둘러싼 제어된 루프입니다. 애플리케이션 데이터베이스까지 대체하려는 추가 플랫폼은 필요하지 않습니다.

상태: 공식 문서는 로컬에서 재생하는 이력, 자체 스토리지에 저장하는 SDK 세션, Conversations API 식별자, 이전 응답 ID를 통한 응답 간 이어가기 등의 방식을 제공합니다. 일관된 전략을 선택하십시오. 로컬 이력을 전부 불러오면서 API에도 같은 저장 대화를 이어가라고 요청하면 맥락이 중복될 수 있습니다. 대화 기록이 별도의 청구 작업 전체 과정을 자동으로 기록하지도 않습니다. 그런 기록은 애플리케이션에 남겨야 합니다.

툴, MCP, 사람의 검토: SDK는 함수 툴, 호스팅 툴, MCP를 지원합니다. SDK가 관리하는 로컬·비공개 서버는 stdio 또는 Streamable HTTP로 연결할 수 있습니다. 승인 때문에 실행이 중단되면 재개 가능한 상태를 반환합니다. 애플리케이션은 제안된 호출을 승인하거나 거부하고, 나중의 검토를 위해 상태를 직렬화한 뒤 같은 실행을 재개할 수 있습니다. 가드레일은 자동 검사이고 사람의 승인은 별도 결정입니다. 공식 사람 검토 가이드에서 입력 가드레일은 첫 에이전트에, 출력 가드레일은 최종 결과를 만드는 에이전트에 적용됩니다. 외부에 영향을 주는 동작을 수행하는 툴 바로 옆에 검사 로직을 두십시오.

남는 부담은 직접 운영해야 하는 오케스트레이션입니다. 스토리지 어댑터, 작업 수명주기, 검토 인터페이스, 다른 워커에서 재개하는 방식이 필요합니다. 재개 가능한 실행을 반환한다고 해서 SDK가 업무 트랜잭션 로그까지 맡는 것은 아닙니다. 이런 시스템이 이미 있다면 이 역할 분담이 매력적입니다. 완전한 호스팅형 에이전트 서비스를 기대했다면 오히려 할 일이 늘어납니다.

비용, 2026년 10월 7일 확인: 모델 비용의 예로 OpenAI 요금 페이지는 gpt-6.1-sol의 Standard 짧은 컨텍스트 입력을 1M 토큰당 $2.00, 출력을 1M 토큰당 $10.00로 안내합니다. 한 작업을 완료하는 모든 호출에서 캐시되지 않은 입력 토큰 20,000개와 출력 토큰 2,000개를 쓴다고 가정하면 모델 사용료는 $0.06입니다. 월 5,000건이면 툴, 호스팅, 스토리지, 관측 비용을 제외하고 $300입니다. 이는 실제 에이전트 작업량을 측정한 결과가 아닌 계산 예시이며, 다른 컨텍스트, 모드, 캐싱에는 다른 요율이 적용됩니다.

OpenAI는 관리형 Codex 실행 환경을 구동하는 별도 Agents API도 제공합니다. 임의의 Agents SDK 코드를 호스팅하는 요금제가 아닙니다. 존재하지 않는 월 정액 상품으로 계산하지 말고 관리형 방식의 모델, 툴, 샌드박스, 외부 서비스 비용을 반영해야 합니다. 이 차이는 OpenAI Agents API와 Agents SDK 비교에서 더 자세히 다룹니다.

선택 기준: 백엔드가 시스템을 직접 관리해야 하고, 실행기가 직접 유지할 루프 연결 로직을 줄여 준다면 선택하십시오. 책임 범위를 정한 다음 AI 에이전트 만들기 가이드를 시작점으로 삼을 수 있습니다.

4. Claude Agent SDK: 파일과 명령을 다루는 에이전트 런타임

Claude Agent SDK는 Claude Code의 기반 런타임으로 파일, 명령, 코드를 다뤄야 할 때 선택할 만합니다. 직접 운영하는 Python 또는 TypeScript 프로세스에 그 런타임을 내장합니다. Claude에 프롬프트를 보내기 위해 클라이언트 라이브러리를 설치하는 것보다 훨씬 큰 결정입니다.

언어와 라이선스: Python 및 TypeScript. Python 래퍼의 LICENSE는 MIT입니다. Anthropic SDK 문서는 별도 라이선스가 있는 구성 요소를 제외하면 Commercial Terms가 이용에 적용된다고 명시합니다.
적합한 용도: 툴을 실행하는 런타임이 바로 필요한 저장소 어시스턴트, 파일 처리 워커, 코딩 에이전트.
주요 특징: 내장 파일·명령 툴, 컨텍스트 관리, 세션, 훅, 서브에이전트.
요금: 별도 SDK 구독 요금제는 없으며 API 사용량을 과금합니다. 별도 서비스인 Claude Managed Agents는 모델 토큰 요금에 실행 중인 세션 시간당 $0.08을 추가합니다.
무료 체험: SDK 구독 체험은 필요하지 않습니다. 모델 접근과 호스팅형 런타임 사용에는 각각의 과금이 적용됩니다.

저장소 유지보수 서비스를 만드는 개발자라면 내장 런타임으로 디렉터리 트리를 읽고, 관련 파일을 살펴보고, 명령을 실행할 수 있습니다. 계정을 조회한 뒤 답변 초안을 반환하는 지원 챗봇에는 이 실행 범위가 필요 이상으로 클 수 있습니다. 두 제품 모두 Claude를 쓴다는 이유가 아니라 작업에 해당 환경이 도움이 되기 때문에 선택해야 합니다.

상태: SDK는 대화 세션을 디스크에 자동 저장하며 이어가기, 명시적 재개, 분기를 지원합니다. 문서는 대화의 영속 저장과 파일시스템의 영속 저장을 구분합니다. 대화 기록을 재개해도 에이전트가 수정한 파일을 되돌리거나 복원하지는 않습니다. 다른 호스트로 작업을 옮기려면 식별자뿐 아니라 필요한 세션 파일도 있어야 합니다. 증빙과 작업 파일이 서로 어긋나지 않도록 스토리지와 작업공간 정책을 정해야 합니다. Claude SDK 세션 문서는 이 경계를 설명합니다.

툴, MCP, 사람의 검토: 내장 기능에는 파일 읽기·쓰기·편집, 명령 실행, MCP 툴 연결이 포함됩니다. 권한 규칙과 모드는 자동 실행을 제어하고, canUseTool은 런타임 승인 콜백까지 도달한 호출을 처리합니다. 앞선 자동 승인으로 이 콜백을 건너뛸 수 있습니다. 모든 툴 호출에 적용해야 하는 검사는 PreToolUse 훅에 두고, 실제 실행 환경의 접근 경계는 애플리케이션이 통제하십시오. 이 기능들은 런타임 제어 장치이며 고객 작업공간 격리를 대신하지 않습니다.

부담은 실행 환경과 Claude 런타임에 결합된다는 점입니다. SDK가 대화는 관리할 수 있어도 작업공간 준비, 산출물 보관, 자격 증명, 검토 요청 전달은 제품이 책임져야 합니다. 테넌트의 파일이 하나도 없는 새 컨테이너에서 작업을 재개한다면 대화 기록만으로 파일시스템을 다시 만들 수 없습니다.

비용과 이용 조건, 2026년 10월 7일 확인: SDK 개요는 내장형 Agent SDK, 직접 호출하는 Claude 클라이언트 SDK, Claude Managed Agents를 명확히 구분합니다. 상용 제품에는 API 키 인증을 안내합니다. 사용자의 claude.ai 구독을 고객용 호스팅 에이전트 제공량으로 간주해서는 안 됩니다. Python 래퍼가 MIT라고 해서 함께 실행되는 런타임 전체가 제공사에 종속되지 않는 MIT 프레임워크가 되는 것은 아닙니다.

Claude 요금 페이지의 Claude Sonnet 5.5 기본 입력 요금은 $2/MTok, 출력 요금은 $10/MTok이며 캐시 및 기타 조정 항목은 별도입니다. Managed Agents는 상태가 running일 때 표준 모델 토큰 요금에 세션 시간당 $0.08을 더합니다. 유휴, 재스케줄링, 종료 상태의 시간은 제외합니다. 실행 중인 세션 시간이 100시간이라고 가정하면 모델과 툴 요금에 앞서 런타임 비용 $8이 추가됩니다. 이는 별도의 호스팅형 실행 환경이며 Agent SDK를 직접 구동하는 배포 방식과 다릅니다.

선택 기준: Claude Code 런타임의 기능이 필요한 작업에 선택하십시오. 간단한 Claude 툴 루프라면 제공사의 클라이언트 SDK를 쓰고, 애플리케이션 자체의 툴과 상태를 유지하는 편이 적합합니다.

5. Mastra: TypeScript 앱에 내장하는 에이전트

Mastra는 TypeScript 제품에 모델 응답 스트리밍보다 더 많은 기능이 필요할 때 적합합니다. 에이전트, 저장된 메모리, 툴, 재개 가능한 워크플로를 하나의 애플리케이션 프레임워크로 제공합니다. 개발 인터페이스인 Mastra Studio도 함께 제공합니다. 작은 웹 인터페이스용 루프와 의도적으로 저수준에 머무는 워크플로 런타임 사이에서 유용한 선택입니다.

언어와 라이선스: TypeScript. 코어와 저장소 대부분은 Apache 2.0이며, ee/ 디렉터리의 코드는 Mastra Enterprise License를 사용합니다.
적합한 용도: 애플리케이션 메모리와 백그라운드 워크플로 단계가 필요한 TypeScript SaaS 에이전트.
주요 특징: 에이전트, 메모리, 워크플로 스냅샷, MCP 클라이언트·서버 지원을 하나의 스택에 제공합니다.
요금: Platform Starter는 월 $0에 사용량 요금, Teams는 월 $250에 사용량 요금이 추가되며 Enterprise는 별도 견적입니다. 자체 호스팅 Free는 월 $0, 자체 호스팅 Enterprise는 별도 견적입니다.
무료 체험: Starter는 기간 제한 없는 $0 요금제이지만 초과 사용량을 과금합니다. 무제한 무료 운영을 뜻하지 않습니다.

갱신에 필요한 증빙을 모으고, 권고안을 작성한 뒤, 고객 담당자의 검토를 기다리는 고객 성공 관리 애플리케이션을 생각해 보겠습니다. 프런트엔드와 백엔드가 이미 TypeScript라면 Mastra로 에이전트와 주변 워크플로를 표현할 수 있습니다. 이 절차를 만들기 위해 다른 언어를 도입할 필요가 없습니다.

상태: 에이전트 메모리는 스토리지 제공자를 설정해야 사용할 수 있습니다. 메시지 이력, 작업 메모리, 장기 컨텍스트 관리는 워크플로 진행 위치와 다른 요구를 해결합니다. 워크플로의 suspend()는 실행 스냅샷을 만들고, resume()는 필요한 데이터를 받아 중단된 작업을 이어갑니다. 설정한 스토리지 제공자를 통해 저장하면 배포나 재시작 후에도 스냅샷이 유지됩니다. 승인 워크플로를 설계할 때 중요한 문서는 단순한 채팅 메모리 데모보다 중단과 재개 가이드입니다.

툴, MCP, 사람의 검토: MCPClient는 외부 툴을 사용하고, MCPServer는 Mastra 에이전트, 툴, 워크플로를 다른 클라이언트에 노출할 수 있습니다. 둘 다 stdio와 Streamable HTTP를 지원합니다. 툴 승인 및 실행 중단 이벤트를 제품에 전달할 수 있으며, 워크플로는 검토를 위해 멈춘 뒤 재개 데이터를 검증할 수 있습니다. 중단 전후로 제안의 식별자를 유지하십시오. 담당자가 갱신 작업 초안을 승인했다면 기록된 제안을 재개해야 합니다. 모델이 새로 생성한 대체 제안으로 바꿔서는 안 됩니다.

부담은 제공되는 구성 요소와 설정을 마친 실서비스 애플리케이션 사이의 간극입니다. 스토리지, 테넌트 격리, 보존 정책, 인증, 재실행해도 안전한 툴은 여전히 직접 설계해야 합니다. 엔터프라이즈 제어 기능을 중심으로 구축하기 전에는 라이선스 경계도 확인하십시오. Apache 코어 라이선스가 모든 ee/ 기능에 같은 조건으로 적용되는 것은 아닙니다.

호스팅 비용, 2026년 10월 7일 확인: 현재 Mastra 요금 페이지의 Starter에는 관측 이벤트 100K가 포함되며 이후 $10/100K, CPU 24시간이 포함되며 이후 시간당 $0.35가 적용됩니다. 보존 기간은 15일입니다. Teams는 월 $250이며 이벤트 1M 포함 후 $8/100K, CPU 250시간 포함 후 시간당 $0.25가 적용되고 보존 기간은 여섯 달입니다. 두 요금제 모두 사용자, 배포, 프로젝트 수가 무제한입니다. Enterprise는 사용량, 보존 기간, 지원을 협의하는 별도 견적 상품입니다.

24/7 가동을 위한 Persistent Server는 Starter와 Teams에서 프로젝트당 $100로 안내합니다. 모델 게이트웨이는 시장 요금에 5.5%를 더하며, 메모리, 검색, 데이터베이스, 외부 전송에도 추가 과금 항목이 있습니다. 자체 호스팅 Free의 프레임워크 요금은 $0입니다. 라이선스가 필요한 자체 호스팅 Enterprise는 연간 정액 방식의 별도 견적입니다. 직접 호스팅할 때도 모델과 인프라 사용료는 따로 발생합니다.

한 달에 CPU 100시간과 이벤트 300K를 쓴다고 가정하면 Starter의 컴퓨팅·이벤트 초과 요금은 $26.60와 $20, 합계 $46.60입니다. 다른 과금 항목은 제외한 값입니다. 이 작업량에서 기본료 $250의 Teams가 자동으로 더 저렴해지는 것은 아닙니다. Teams가 실제로 바꾸는 기능과 사용량 구조를 보고 선택하십시오. 에이전트가 실서비스에 들어갔다는 이유만으로 업그레이드할 필요는 없습니다.

선택 기준: 앱에 에이전트 동작과 워크플로 구조가 함께 필요하면 Mastra를 선택하십시오. 더 작은 루프를 감싸는 웹 인터페이스가 주된 작업이라면 Vercel AI SDK가 적합합니다.

6. Google ADK: Google 중심의 에이전트 시스템

Agent Development Kit인 Google ADK는 에이전트와 워크플로를 코드로 정의하면서 Google의 에이전트 툴과 배포 경로를 활용하는 시스템에 적합합니다. Python, TypeScript, Go, Java, Kotlin을 지원합니다. 자체 인프라에서도 실행할 수 있으며, 프레임워크를 쓴다는 이유만으로 호스팅형 런타임을 구매할 필요는 없습니다.

언어와 라이선스: Python, TypeScript, Go, Java, Kotlin. 코어는 Apache 2.0이며 Python 저장소에서 확인했습니다.
적합한 용도: 기존 운영 스택이 Google Cloud에 있는 에이전트 시스템.
주요 특징: 세션 서비스, 범위를 구분하는 상태, 워크플로 구성, 관리형 배포 경로.
요금: 프레임워크는 무료입니다. Agent Runtime은 사용량 기반이며 무료 제공량 이후 표준 온디맨드 컴퓨팅은 $0.085/vCPU-hour, RAM은 $0.009/GiB-hour입니다.
무료 체험: 매월 호스팅 리소스 무료 제공량이 있습니다. 모델 토큰과 다른 리소스 과금 항목은 별도입니다.

Google Cloud 애플리케이션의 운영 어시스턴트라면 운영자가 이미 익숙한 환경과 일관되게 구성할 수 있다는 점이 실용적입니다. 사용자 신원과 접근 경계는 기존 백엔드에 유지하고, ADK가 툴과 전문 에이전트를 조율하게 할 수 있습니다. 이 에이전트만을 위해 다른 프레임워크의 클라우드 콘솔을 도입하는 것보다 가치가 클 수 있습니다.

상태: 세션에는 이벤트, 대화 이력, 상태가 포함됩니다. 상태 접두사는 애플리케이션 전체 값, 사용자별 값, 임시 값을 구분합니다. 접두사가 없는 키는 세션 범위에 속합니다. 메모리 세션 서비스는 재시작 후 상태를 유지하지 않습니다. Database 및 Vertex AI 세션 서비스는 영속 저장 대안을 제공합니다. 조회한 세션 객체를 수정하고 저장되었다고 가정하지 말고 추적되는 컨텍스트·이벤트를 통해 상태를 갱신하십시오. 클라우드 제품의 이름은 바뀌었지만 관리 책임의 질문은 같습니다. 대체 워커는 어디에서 작업을 불러옵니까?

툴과 MCP: ADK는 로컬·원격 서버용 사용자 정의 툴과 MCP 툴셋을 지원합니다. 모든 예제가 다섯 언어에 똑같이 적용된다고 가정하지 말고 선택한 언어의 구현을 확인하십시오. 현재 네이티브 Agent Runtime 배포 가이드는 Python과 Go를 명시합니다. 언어 SDK가 있다는 사실만으로 관리형 배포도 동일하게 지원된다고 판단할 수는 없습니다.

사람의 검토: 실험적 기능인 Tool Confirmation은 사용자나 감독 시스템의 결정을 기다리며 툴을 멈출 수 있습니다. 현재 알려진 제약에는 DatabaseSessionService와 VertexAiSessionService를 지원하지 않는다고 명시되어 있습니다. TypeScript도 툴 실행 내부에서 확인 로직을 직접 구현해야 합니다. 검토를 기다리면서 프로세스 재시작에도 견뎌야 하는 실서비스 작업에서는 결정적인 호환성 확인 항목입니다. 영속 세션 서비스와 Tool Confirmation을 각각 선택한 뒤 함께 지원된다고 가정해서는 안 됩니다. 이 조합이 설계의 핵심이라면 검증할 수 있는 다른 승인 방식을 쓰거나, 문서에 명시된 중단·저장 조합이 맞는 프레임워크를 선택하십시오.

부담은 기능별 지원 수준과 백엔드 호환성입니다. 지원 언어가 많아도 필요한 배포나 검토 기능의 선택지는 더 좁을 수 있습니다. 개별 항목에 체크 표시가 있다는 이유로 스택을 승인하지 말고 세션 서비스와 툴 유형을 포함한 전체 조합을 확인하십시오.

호스팅 비용, 2026년 10월 7일 확인: Google의 Agent Platform 요금 페이지는 공유 리소스 과금 기준을 사용합니다. 표준 온디맨드 Agent Compute는 계정당 월 50 vCPU-hours를 무료 제공하고 이후 $0.085/vCPU-hour를 과금합니다. Agent Memory는 계정당 월 100 GiB-hours를 무료 제공하고 이후 $0.009/GiB-hour를 과금합니다. Agent Storage의 무료 제공량은 1 GiB-month이며, Sessions와 Memory Bank의 스토리지 요금은 $0.30/GiB-month로 안내합니다. 모델 토큰은 별도입니다.

요금 페이지에는 적용 대상의 1년 약정 할인 요율로 $0.0765/vCPU-hour와 $0.0081/GiB-hour, 3년 약정 요율로 $0.068/vCPU-hour와 $0.0072/GiB-hour도 나와 있습니다. 이는 무료 프레임워크 요금제가 아닌 약정 옵션입니다. 세션과 메모리 작업도 Agent Compute를 소비합니다. $0.085의 vCPU-hour는 읽기 3백만 회 또는 쓰기 1백만 회에 해당합니다. 호스팅 견적에 이 사용량도 포함하십시오.

해당 런타임만 사용한다고 가정한 월 100 vCPU-hours, 200 GiB-hours의 작업량은 무료 제공량 적용 후 컴퓨팅·RAM 비용이 $5.15입니다. 모델 사용량, 스토리지, 세션 작업, 계정의 공유 무료 리소스를 쓰는 다른 사용량은 제외한 값입니다. 전체 호스팅 에이전트 비용이 아닌 일부 구성 요소의 견적입니다.

선택 기준: 필요한 언어, 배포, 검토 조합이 동작한다고 문서에 명시되어 있을 때 ADK를 선택하십시오. 재시작 후에도 유지되는 사람의 승인이 필요하다면 막연한 Google Cloud 선호보다 호환성 근거를 우선해야 합니다.

7. Pydantic AI: 타입을 명시하는 Python 애플리케이션 서비스

Pydantic AI는 에이전트가 검증된 데이터를 반환하고 애플리케이션 의존성을 명시적으로 사용해야 하는 Python 백엔드에 적합합니다. Pydantic 스키마는 시스템이 기대하는 필드와 타입을 정의합니다. 프레임워크는 그 규칙을 에이전트 출력과 툴 인터페이스에도 적용합니다. 다음 단계가 그럴듯한 문단 대신 구조화된 결정을 받아 처리할 때 특히 유용합니다.

언어와 라이선스: Python. MIT입니다.
적합한 용도: 엄격한 입출력 계약이 있는 Python 서비스에 내장하는 에이전트.
주요 특징: 타입을 명시한 의존성과 검증된 출력. 장애 후 실행을 이어가는 백엔드를 선택적으로 연동할 수 있습니다.
요금: 라이브러리는 무료입니다. 선택 사항인 Logfire는 Personal 무료, Team 월 $49, Growth 월 $249, Enterprise 별도 견적입니다.
무료 체험: Logfire Personal은 기간 제한 없이 무료입니다. 무료 모델 실행이 아니라 관측 기능 이용을 제공합니다.

접수 서비스가 기존 애플리케이션에 업무 분류, 증빙 참조, 다음 행동 권고를 반환한다고 생각해 보겠습니다. 출력을 검증하면 운영자가 결과를 보기 전에 누락되거나 형식이 잘못된 필드를 걸러내기 쉽습니다. 그렇다고 권고가 사실임을 증명하지는 않습니다. 여전히 업무 규칙, 증빙 확인, 작업 자체에 대한 검토가 필요합니다.

상태: 메시지 이력을 실행 간에 전달하고 원하는 스토어에 직렬화할 수 있습니다. 이 기능은 대화의 연속성을 제공합니다. 장애와 재시작 후에도 진행 상황을 이어가야 한다면 Pydantic AI 문서의 Temporal, DBOS, Prefect, Restate 등 외부 실행 시스템 연동을 살펴볼 수 있습니다. 이런 시스템이 실행 진행 상태를 유지합니다. 에이전트 라이브러리만 설치한다고 해당 런타임까지 제공되지는 않습니다. 이미 장애 후 재개 가능한 작업 시스템을 갖춘 Python 서비스라면 오케스트레이션을 바꾸기 전에 연동부터 평가해야 합니다.

툴과 MCP: 현재 문서는 stdio, Streamable HTTP, SSE 서버를 위한 FastMCP 클라이언트를 감싸는 MCPToolset을 사용합니다. 서버 신원과 사용자별 자격 증명은 애플리케이션이 관리해야 합니다. 하나의 신원으로 공유하는 서버 연결이 에이전트에 질문하는 사용자마다 별도의 권한 경계를 자동으로 만들어 주지는 않습니다.

사람의 검토: 지연 툴은 승인이나 외부 실행 결과를 기다릴 수 있습니다. 인라인 핸들러는 같은 실행 안에서 요청을 처리할 수 있습니다. 외부 검토자를 사용하는 경우 에이전트는 DeferredToolRequests를 반환할 수 있습니다. 애플리케이션은 이력과 미처리 호출을 저장하고, 결정을 받은 뒤 DeferredToolResults로 후속 실행을 시작합니다. 외부에서 이어가는 이 과정은 새로운 에이전트 실행입니다. 실행 식별자가 유지된다고 가정하지 말고 원래 대화와 연결해야 합니다. 지연 툴 가이드는 이 차이를 설명합니다.

부담은 엄격한 타입을 갖춘 에이전트 주변의 시스템입니다. 스키마는 인터페이스를 이해하기 쉽게 만들지만 검토자 UI, 영속 큐, 결정의 의미적 정확성을 제공하지는 않습니다. 문서가 유효한 문자열 필드에 잘못된 고객 식별자를 넣어도 타입 검증은 통과할 수 있습니다. 쓰기 전에 신원과 증빙을 별도로 확인하십시오.

호스팅 비용, 2026년 10월 7일 확인: Logfire 요금은 호스팅형 관측·평가 서비스의 가격입니다. Personal에는 월 텔레메트리 기록 10M, $0의 엄격한 비용 상한, 시트 하나, 읽기 전용 게스트 두 명, 프로젝트 세 개, 30일 보존이 포함됩니다. Team은 월 $49에 기록 10M을 포함하며 이후 백만 건당 $2입니다. 시트 다섯 개가 포함되고 최대 열두 개까지 허용하며, 추가 시트당 $25를 과금합니다. Growth는 월 $249에 시트, 게스트, 프로젝트 수가 무제한이고 최대 90일 보존을 제공합니다. 포함 기록 수와 백만 건당 $2의 초과 요금은 같습니다. Enterprise는 별도 견적이며 Cloud, Dedicated, Self-hosted 옵션이 있습니다.

Team 시트 여섯 개의 기본료는 월 $74이고, 열두 개는 월 $224입니다. 열세 번째 시트는 Team의 상한을 넘습니다. Growth는 월 $249로 열두 시트의 Team 기본료보다 $25 높으며 더 긴 보존 기간과 조직 기능을 제공합니다. 이 가격에는 Pydantic AI 에이전트 호스팅이나 모델 호출이 포함되지 않습니다. 텔레메트리 예산은 에이전트 런타임 비용과 별도 항목으로 잡으십시오.

선택 기준: 타입을 명시하는 Python 서비스가 제품의 중심이라면 Pydantic AI를 선택하십시오. 작업에 필요할 때만 장애 후 재개 가능한 실행 시스템을 추가하고, 해당 엔진의 운영 요구사항은 따로 비교해야 합니다.

8. Vercel AI SDK: 웹 앱 안의 스트리밍 에이전트

Vercel AI SDK는 사용자 인터페이스, 응답 스트리밍, 툴 루프가 제품의 핵심인 TypeScript 또는 JavaScript 애플리케이션에 적합합니다. Core는 모델·툴 호출을 표준화하고, UI는 이런 상호작용을 웹 인터페이스에 연결합니다. 애플리케이션을 Vercel에 배포하지 않고도 라이브러리를 사용할 수 있습니다.

언어와 라이선스: TypeScript/JavaScript. Apache 2.0입니다.
적합한 용도: 기존 웹 제품 안의 채팅 또는 에이전트 인터페이스.
주요 특징: 스트리밍 UI 구성 요소와 제공사에 걸쳐 재사용할 수 있는 툴 루프.
요금: 라이브러리는 무료입니다. 선택 사항인 Vercel 호스팅은 Hobby 월 $0, Pro 월 $20에 사용량 요금 추가, Enterprise 별도 견적입니다. AI Gateway 크레딧은 별도입니다.
무료 체험: Hobby는 개인용 무료 요금제이며 호스팅 요금 페이지는 Pro 체험을 제공합니다.

웹 애플리케이션에 계정 어시스턴트를 추가하는 창업자는 같은 인터페이스에서 답변을 스트리밍하고, 툴의 진행 상황을 보여 주고, 사용자에게 변경 승인을 요청할 수 있습니다. 대부분의 작업이 그 상호작용 안에서 끝난다면 적합한 범위입니다. 내일까지 다른 부서를 기다려야 하는 절차라면 브라우저 구성 요소를 넘어서는 작업 수명주기와 영속 저장이 필요합니다.

상태: 재사용 가능한 에이전트 루프가 채팅을 자동으로 장애 후에도 이어지는 업무 절차로 바꿔 주지는 않습니다. 문서의 메시지 저장 패턴은 애플리케이션이 관리하는 스토어에 UI 메시지를 저장하며, 실서비스에서는 데이터베이스나 클라우드 스토리지를 사용할 수 있습니다. 메시지 식별자를 유지하고 복원된 툴 메시지를 현재 스키마에 맞춰 검증하십시오. 백엔드가 동작하는 중에 브라우저를 닫으면 어떻게 할지도 별도로 정해야 합니다. 챗봇 메시지 저장 문서는 연동 방식을 설명하며 SDK가 데이터베이스를 제공한다고 주장하지 않습니다.

툴, MCP, 사람의 검토: MCP 클라이언트는 서버 툴을 모델 루프에 노출합니다. 현재 로컬 툴 승인 API는 toolApproval이며 이전 needsApproval 속성은 더 이상 사용을 권장하지 않습니다. 수동 승인은 요청 항목을 반환하고, UI가 결정을 받은 뒤 후속 호출이 승인 응답을 처리합니다. 특히 제공사가 실행하는 툴은 이 로컬 승인 설정의 통제를 받지 않습니다. 제공사 측 제어는 별도로 설정하십시오. 툴 호출 문서는 수명주기와 이 경계를 모두 설명합니다.

주의할 점은 잘 만들어진 대화 화면을 워크플로 엔진으로 간주하는 것입니다. SDK는 유용한 루프 제어를 제공하고, 정해진 순서는 일반 코드로 표현할 수 있습니다. 하지만 호스팅 함수를 검토자가 올 때까지 무기한 대기시키거나, 외부 트랜잭션 처리 확인 기록을 보존하거나, 승인 버튼을 누른 사람의 권한을 보장하지는 않습니다. UI는 작업의 유일한 관리 주체가 아니라 애플리케이션 상태를 보여 주는 창구로 두십시오.

호스팅 비용, 2026년 10월 7일 확인: Vercel 호스팅 요금은 Hobby 월 $0, Pro 월 $20, Enterprise 별도 견적입니다. Hobby는 비상업적 개인 용도로 제한됩니다. Pro 요금제 상세에 따르면 플랫폼 기본료에는 배포 권한이 있는 시트 하나와 월 $20의 사용량 크레딧이 포함됩니다. 추가 배포 시트는 월 $20이며 조회자는 무료입니다. 따라서 배포 시트 세 개는 온디맨드 사용량을 제외하고 월 $60부터 시작합니다. 사용량 크레딧은 요금제에 속하며 시트를 추가해도 배수로 늘어나지 않습니다.

선택 사항인 AI Gateway 요금은 대상 모델에 월 $5 크레딧을 제공하는 무료 등급과 사용한 만큼 지불하는 크레딧을 구매하는 유료 등급을 안내합니다. 토큰 요율은 제공사 정가를 따르며 추가 마진은 없습니다. 크레딧을 구매하면 계정이 유료 등급으로 전환되고 반복 제공되던 무료 제공량은 종료됩니다. 자체 키를 사용하는 접근은 유료 등급에서 제공됩니다. 게이트웨이 크레딧은 호스팅 요금제의 사용량 크레딧과 다르며 선택적 게이트웨이 기능에는 별도 요금이 붙을 수 있습니다.

선택 기준: 웹 인터페이스의 루프에는 Vercel AI SDK를 선택하십시오. 에이전트와 저장된 워크플로를 아우르는 더 큰 공통 프레임워크가 필요하면 Mastra가 적합합니다. 작업이 사용자 상호작용보다 오래 이어진다면 별도의 영속 작업 시스템을 추가할 수도 있습니다.

어떤 팀이 무엇을 선택해야 합니까?

상태를 유지하는 다단계 워크플로라면 LangGraph부터 검토하십시오. 기준은 프롬프트 개수가 아니라 진행 위치 저장, 분기, 나중의 검토가 결과에 필요한가입니다. 운영자가 업무 건의 위치와 다음에 안전하게 실행할 수 있는 동작을 알아야 한다면 명시적인 그래프를 사용하십시오.

역할 기반 에이전트 팀이라면 CrewAI를 선택하십시오. 역할마다 별도 업무, 증빙 계약, 툴 권한 범위를 부여해야 합니다. 모든 역할이 같은 입력으로 비슷한 답변을 만든다면 협업 프레임워크를 고르기 전에 설계를 단순화하십시오.

TypeScript 웹 앱 안의 에이전트라면 Mastra와 Vercel AI SDK를 후보로 두십시오. 저장된 메모리와 워크플로 중단이 제품의 일부일 때 Mastra의 넓은 범위가 의미를 갖습니다. 스트리밍과 툴 상호작용이 핵심이고 백엔드가 나머지를 이미 관리한다면 Vercel AI SDK가 적합합니다. 기존 애플리케이션 인프라에 따라 선택이 달라질 수 있습니다. 성숙한 작업 엔진이 있다면 워크플로 계층을 더 도입할 이유는 줄어듭니다.

제공사 중심의 간결한 루프라면 OpenAI Agents SDK나 제공사의 클라이언트 SDK를 선택하십시오. OpenAI 에이전트 실행기는 애플리케이션 안에 툴, 핸드오프, 승인 상태를 더합니다. Claude에서는 내장 파일·명령 기능이 중요할 때 Agent SDK를 선택하고, 더 작은 사용자 정의 루프라면 클라이언트 SDK를 선택하십시오.

Google 중심의 시스템이라면 전체 기능 조합을 확인한 뒤 ADK를 검토하십시오. 현재 Tool Confirmation 제약만으로도 영속 상태를 유지하는 검토 아키텍처를 바꿔야 할 수 있습니다. 언어 지원만으로 결정을 내리면 안 됩니다.

Python 팀은 어떤 AI 에이전트 프레임워크를 검토해야 합니까?

LangGraph는 명시적인 워크플로 진행 위치에, Pydantic AI는 타입을 명시하는 서비스와 검증된 출력에, CrewAI는 구분되는 협업 역할에 적합합니다. OpenAI Agents SDK는 애플리케이션이 직접 관리하는 더 작은 실행기에 어울립니다. Python 지원 여부는 출발점의 제약이고, 최종 선택은 상태와 승인 모델이 결정합니다.

순서가 이미 정해져 있다면 일반 코드나 결정론적 워크플로가 전체를 관리하게 하십시오. n8n 에이전트와 워크플로 비교도 같은 경계를 다룹니다. 모델은 판단이 도움이 되는 부분을 선택하고, 워크플로는 미리 선언할 수 있는 동작을 책임집니다.

프레임워크 없이 기본 SDK 루프를 쓰는 편이 나을 때

모델 제공사 하나, 적은 수의 툴, 범위가 정해진 과제로 업무를 처리할 수 있다면 기본 SDK로 루프를 구성하십시오. 읽기 전용 계정 조회, 문서 분류, 짧은 초안 요청은 이미 운영하는 백엔드 안에서 처리할 수 있는 경우가 많습니다.

기본 루프는 요청을 보내고, 툴 인자를 검증하고, 허용된 애플리케이션 함수를 호출한 뒤 툴 결과를 반환합니다. 모델이 완료하거나 정해 둔 중단 규칙에 도달할 때까지 이 과정을 이어갑니다. 순서가 고정되어 있다면 필요한 함수는 애플리케이션이 직접 호출하고 모델에는 판단이나 텍스트만 요청할 수 있습니다.

애플리케이션이 인증, 장애 후 재개 가능한 작업, 재시도 정책, 스토리지, 텔레메트리를 이미 관리한다면 이 선택이 매력적입니다. 기존 구성 요소를 감싸기만 하는 프레임워크는 유지해야 할 인터페이스를 하나 더 만듭니다. 재개 가능한 워크플로 진행 위치, 일관된 핸드오프, 승인 상태의 수명주기처럼 반복되는 구체적인 부담을 덜어 줄 때 가치가 생깁니다.

최대 작업량을 정하고, 필요한 이력을 보관하고, 결과를 기록하십시오. 프레임워크가 없어도 실패를 책임질 주체는 명확해야 합니다. 체크포인트 전이, 지연 승인 처리, 전문 에이전트 오케스트레이션을 계속 직접 구현하게 된다면 빠진 기능을 제공하는 라이브러리를 다시 검토하십시오. 이름을 붙일 수 있는 반복 문제를 해결하기 위해 도입해야 합니다.

오픈소스 AI 에이전트 프레임워크의 라이선스와 운영 비용

무료 라이브러리 선택과 호스팅 플랫폼 선택은 별도의 예산 승인으로 다뤄야 합니다. LangGraph, CrewAI, OpenAI Agents SDK, Pydantic AI의 코어는 MIT입니다. Vercel AI SDK, 라이선스를 확인한 Google ADK Python 코어, Mastra 코어는 Apache 2.0입니다. Mastra의 엔터프라이즈 디렉터리와 Claude 런타임에는 별도 조건이 있습니다. Claude의 MIT Python 래퍼는 하나의 구성 요소이며 실행되는 모든 요소의 라이선스를 대표하지 않습니다.

모델 사용량, 런타임 리소스, 영속 스토리지, 관측, 검토 운영을 각각 별도 견적 항목으로 두십시오. 무료 트레이스 제공량이 무료 에이전트 제공량은 아닙니다. 모델 게이트웨이 크레딧과 호스팅 크레딧도 다릅니다. 시트 가격만으로 전체 배포 비용을 계산할 수도 없습니다. 위의 프레임워크별 예시는 작업량이 정해지지 않은 상황에서 총액을 만들어 내지 않고 이런 차이가 비용에 미치는 영향을 보여 줍니다.

운영자에게 가장 비용이 큰 불확실성은 시간 초과 후 작업 결과를 알 수 없는 상황일 수 있습니다. 의도한 작업을 저장하고, 필요한 승인을 받고, 범위가 좁은 애플리케이션 툴로 실행한 뒤 외부 처리 확인 기록을 보관하십시오. 멱등성 키는 반복 요청이 새 작업을 조용히 만들지 않고 같은 작업을 식별하게 합니다. 실제 동작은 애플리케이션과 대상 서비스에 달려 있습니다.

체크포인트는 워크플로의 진행 위치를 복원할 수 있습니다. 하지만 네트워크 장애 직전에 외부 서비스가 쓰기를 확정했는지는 체크포인트만으로 증명할 수 없습니다. 모델이 마지막 메시지를 보고 추측하게 하지 말고, 툴과 함께 처리 확인 기록 조회를 설계하십시오.

이는 프레임워크를 옮길 때도 실무적인 경계가 됩니다. 업무 스키마, 툴 계약, 외부 작업 기록은 이해할 수 있는 애플리케이션 코드에 두십시오. 프레임워크를 바꿀 때 실행 상태와 저장된 메시지는 여전히 변경해야 할 수 있습니다. 그래도 핵심 업무 동작을 에이전트 대화 기록에서 다시 찾아낼 필요는 없어야 합니다.

이런 용도로는 선택하지 마십시오

백엔드가 모델을 호출하고 결과를 검증·저장하고 있다면 단순 분류기에 LangGraph를 도입하지 마십시오. 그래프의 도식이 길어진다고 그 작업이 개선되지는 않습니다.

겉모습만 다른 인물 설정을 위해 CrewAI를 쓰지 마십시오. 리서처, 전략가, 작성자는 책임이나 증빙 범위가 달라야 합니다. 그렇지 않으면 역할 이름만으로 같은 작업의 더 큰 루프를 포장하게 됩니다.

파일, 명령, 실행 환경 기반 런타임이 필요하지 않다면 기본 채팅에 Claude Agent SDK를 쓰지 마십시오. 제공사를 직접 호출하는 클라이언트 SDK가 사용자 정의 루프의 더 작은 시작점입니다.

Google ADK Tool Confirmation을 지원되지 않는 영속 세션 서비스와 결합하지 마십시오. 현재 문서의 제약은 DatabaseSessionService와 VertexAiSessionService에 적용됩니다. 실서비스의 핵심 승인 요구사항을 검증하지 않은 조합에 맡겨서는 안 됩니다.

Logfire나 AI Gateway를 에이전트 호스팅으로 간주하지 마십시오. 하나는 작업을 관측하고 다른 하나는 모델 접근을 라우팅합니다. 어느 쪽도 애플리케이션 작업을 누가 운영하고 실패 후 누가 재개하는지 답하지 않습니다.

AI 에이전트 개발: 이번 주에 프레임워크를 고르는 절차

실제로 필요한 복구·검토 계약을 충족하는 가장 작은 후보를 선택하십시오. 가능한 모든 에이전트 기능을 시연하지 않아도 대표 업무 하나로 결정을 내릴 수 있습니다.

1. 1

   완료 결과와 작업 경계를 적습니다

   완료된 결과, 필요한 증빙, 허용할 동작, 검토가 필요한 동작을 정의합니다. 실행이 중간에 멈추면 운영자가 무엇을 알아야 하는지도 정합니다.

2. 2

   언어와 실행 방식으로 후보를 추립니다

   만들려는 영속 워크플로, 협업 역할, 타입을 명시하는 서비스, 웹 인터페이스의 루프에 맞는 프레임워크를 고릅니다. 기본 SDK 루프가 계약을 충족한다면 비교 대상에 남겨 둡니다.

3. 3

   중단된 실행 경로를 시험합니다

   워커를 재시작하고, 툴 오류를 반환하고, 승인을 거부하고, 중복 이벤트를 전달합니다. 저장된 상태와 외부 처리 확인 기록을 확인합니다. 최종 답변이 성공했다는 사실만으로 복구 능력을 입증할 수는 없습니다.

4. 4

   작업 완료에 든 비용을 측정합니다

   재시도와 위임된 활동까지 모든 모델 호출과 툴 작업을 셉니다. 실제 사용한 호스팅 과금 항목을 정확히 더한 뒤 고정 플랫폼 요금과 작업량에 따라 달라지는 요금을 분리합니다.

5. 5

   운영 책임자를 정합니다

   스토리지, 배포, 실패한 작업, 보류 중인 승인, 비용 알림의 책임자를 정합니다. 부족한 부분을 이번 주에 운영할 수 있는 후보를 선택합니다.

자주 묻는 질문

AI 에이전트의 5가지 유형은 무엇입니까?

다섯 유형으로 나누는 목록은 교육용 분류이며 정의가 다양합니다. 어떤 프레임워크가 워크플로를 저장하거나 검토를 강제할 수 있는지 결정해 주지는 않습니다. 선택하려면 실행 방식, 상태, 툴 접근, 허용할 자율성 수준을 명시해야 합니다.

대표적인 4대 AI 에이전트는 무엇입니까?

보편적으로 인정받는 공식적인 네 가지 대표 에이전트는 없습니다. LangGraph, CrewAI, OpenAI Agents SDK, Google ADK는 서로 다른 개발 작업을 해결합니다. 고정된 품질 순위처럼 다루면 실제 선택을 결정해야 할 실서비스 요구사항이 가려집니다.

AI 에이전트 프레임워크에는 무엇이 있습니까?

이 글은 LangGraph, CrewAI, OpenAI Agents SDK, Claude Agent SDK, Mastra, Google ADK, Pydantic AI, Vercel AI SDK를 비교합니다. 워크플로 런타임부터 타입을 명시하는 에이전트 라이브러리, 웹 인터페이스용 툴 루프 SDK까지 범위가 다르므로 만들려는 작업부터 정해야 합니다.

AI 에이전트의 7가지 유형은 무엇입니까?

일곱 유형으로 나누는 목록도 출처마다 다르며 프레임워크 도입의 표준 기준은 아닙니다. 에이전트 범주를 나열한다고 재시작 복구, 툴 권한 경계, 승인·저장 기능의 호환성이 보장되지는 않습니다.

ChatGPT는 에이전트입니까, LLM입니까?

ChatGPT는 사용자가 이용하는 제품입니다. LLM은 그 기반의 언어 모델이며, 에이전트 애플리케이션은 모델에 툴, 상태, 과제를 향해 행동하는 루프를 결합합니다. 서로 다른 계층이므로 제품 이름이 애플리케이션 런타임을 결정해 주지는 않습니다.

추천할 만한 AI 에이전트 5개는 무엇입니까?

보편적인 상위 다섯 개보다 과제별 후보 목록이 더 유용합니다. 상태 유지 워크플로에는 LangGraph, 전문가 팀에는 CrewAI, TypeScript 워크플로에는 Mastra, 타입을 명시하는 Python 서비스에는 Pydantic AI, 애플리케이션이 직접 관리하는 간결한 루프에는 OpenAI Agents SDK부터 검토하십시오. 업무 형태가 달라지면 후보도 달라집니다.

가장 새로운 AI 에이전트는 무엇입니까?

모델, 호스팅 제품, 개발 프레임워크 전체를 통틀어 하나의 유용한 답을 내릴 수는 없습니다. 이번 주에 구현한다면 필요한 기능의 현재 문서를 읽고 배포·스토리지 호환성을 확인하십시오. 더 최근에 출시되었다고 더 잘 맞는 것은 아닙니다.

ChatGPT가 가장 좋은 AI 에이전트입니까?

사용자의 과제와 필요한 제어에 따라 달라집니다. 자체 제품에 내장할 코드를 고르는 문제와는 다른 질문입니다. 개발자에게 필요한 답은 상태 관리 책임, 툴 실행, 배포, 검토, 운영 비용에 관한 것입니다.

2026년에는 어떤 에이전트형 AI 프레임워크를 선택해야 합니까?

실용적인 선택은 과제에 따라 달라집니다. 명시적인 영속 워크플로에는 LangGraph, 역할 기반 협업에는 CrewAI가 적합합니다. TypeScript 애플리케이션의 서로 다른 요구에는 Mastra나 Vercel AI SDK, 타입을 명시하는 Python에는 Pydantic AI, 애플리케이션이 직접 관리하는 실행기에는 OpenAI Agents SDK가 어울립니다. 파일·명령 런타임이 필요하면 Claude Agent SDK를, 필요한 기능 조합이 지원되면 Google ADK를 검토하십시오.

프레임워크를 결정하기 전에 AI Business Workflow Audit Checklist로 첫 에이전트 업무의 범위, 검토 경계, 운영 책임자를 정하십시오.