한눈에 비교
| 프레임워크 | 철학 | 강점 | 주의점 | 이런 상황에 추천 |
|---|---|---|---|---|
| LangChain | 빠른 조립 | 빠른 MVP, 쉬운 API, create_agent | 복잡한 제어는 한계 | 빠른 PoC, 단일 에이전트 |
| LangGraph | 상태 기반 제어 | 분기/재시도/HITL/영속성 정밀 제어 | 설계 복잡도 상승 | 프로덕션 워크플로우, 고신뢰 시스템 |
| Deep Agents | 자율 실행 하네스 | 계획/서브에이전트/파일시스템 기본 제공 | 내부 동작 추상화 수준 높음 | 장시간 태스크, 코딩/리서치 자동화 |
선택 질문 5개
- 오늘 안에 동작하는 에이전트가 필요한가?
- 사람이 승인해야 하는 고위험 단계가 있는가?
- 상태 복구/재실행이 필수인가?
- 서브에이전트 분업이 필요한가?
- 장시간 실행(분~시간) 태스크인가?
추천 의사결정
실무에서는
LangChain -> LangGraph -> Deep Agents로 진화하는 경우가 많습니다.학습 완료 기준
- 이 문서의 핵심 개념을 3분 내로 설명할 수 있습니다.
- 현재 프로젝트 기준으로 적용할 범위와 제외 범위를 구분할 수 있습니다.
- 다음 학습 단계에서 필요한 입력(코드/정책/데이터)을 준비할 수 있습니다.
실무 적용 체크리스트
- 목표와 성공 기준을 먼저 정의했습니다.
- 예제를 현재 프로젝트 컨텍스트로 치환했습니다.
- 실패 시 복구 절차를 문서화했습니다.
- 다음 단계 문서로 연결해 학습 흐름을 유지합니다.
자주 나는 실수
- 학습 목표 없이 예제를 복사해 적용해 실패합니다.
- 성공/실패 기준이 없어 품질을 판단하지 못합니다.
- 다음 단계 연결 없이 문서를 단절적으로 소비합니다.
다음 문서
다음: 공통 컴포넌트 개요
학습 흐름을 이어서 진행합니다.