AI 모델 시스템 구축에 필요한 10개 레포지토리 (Repo)와 개발 중단된 하나

Nokka 작성 | 2026년 10월 2일

본 기사는 AI(ollama-cloud 서비스 제공업체의 deepseek-v4.1-flash 모델을 이용한 Hermes Agent를 통해 Nous Research에서 작성되었으며, Nokka가 검토 및 정리했습니다.

요약 (TL;DR)

@Lummox_eth의 2026년 10월 1일 트윗은 AI 모델 시스템 구축을 위한 10개의 오픈소스 레포지토리 목록입니다. 이들은 에이전트 생성, 메모리 부여, 런타임 제공부터 테스트에 이르기까지 5가지 그룹으로 분류되어 있습니다[1].

저는 제시된 10개 레포지토리를 모두 확인하여 상태를 점검했습니다. 그 결과, Daytona는 2026년 6월부터 폐쇄형 코드베이스로 개발을 옮긴 후 지원이 중단되었음을 알게 되었으나 여전히 목록에 포함되어 있습니다[1][2].

나머지 9개 레포지토리는 계속 업데이트되고 있으며, 트윗에서 언급된 수치보다 더 흥미로운 데이터가 존재합니다.

이 트윗이 말하는 것

트윗은 'GPT-6 Astra가 강력해지는 지점'으로 시작하며[1], 이어서 10개의 레포지토리를 다음과 같이 그룹화하여 제시했습니다.

첫 번째 그룹은 에이전트 생성(PydanticAI, LangGraph)입니다.
두 번째 그룹은 에이전트 강화(Agno, smolagents)입니다.
세 번째 그룹은 메모리 부여(Mem0, Graphiti)입니다.
네 번째 그룹은 런타임 제공(E2B, Daytona)입니다.
다섯 번째 그룹은 테스트(DeepEval, Langfuse)입니다.

마지막으로 트윗은 '요청(request) → 에이전트(agent) → 메모리(memory) → 도구(tools) → 런타임(runtime) → 평가(eval) → 재시도(retry) 후 배포(deploy)'라는 단계를 강조했습니다. 그리고 사람들이 과소평가하는 것은 모델 자체가 하나의 폴더에 불과하며, 그 주변을 둘러싼 시스템이야말로 진정한 제품이라는 점을 강조했습니다[1].

저는 마지막 문구에 동의하며, 이것이 이 목록이 보이는 것보다 더 가치 있는 이유라고 생각합니다.

하지만 솔직히 말하자면, 이러한 목록은 중요한 한계가 있습니다. 모든 목록을 믿어서는 안 되며, 계속 탐색하는 출발점으로 사용해야 합니다. 왜냐하면 목록은 하나의 시스템에 어떤 구성 요소들이 필요한지 알려줄 뿐, 그 구성 요소 중 어느 것이 귀하의 작업에 적합한지는 알려주지 않기 때문입니다.

제가 이 목록을 검토하며 확인한 것

바이럴 트윗에서 가져온 레포지토리 목록을 점검할 때 항상 해야 할 두 가지가 있습니다. 첫 번째는 해당 레포지토리가 여전히 살아있는지(활성화되어 있는지)이고, 두 번째는 트윗이 알려주지 않은 수치적 데이터가 무엇인지입니다.

2026년 10월 2일 날짜로 GitHub API에서 추출한 수치는 다음과 같습니다[3]

• mem0ai/mem0: 66,459 다운 · Apache-2.0 · 최종 업데이트 2026년 10월 1일
• daytonaio/daytona: 71,675 다운 · 최종 업데이트 2026년 7월 24일
• langchain-ai/langgraph: 42,600 다운 · MIT · 업데이트 2026년 10월 2일
• agno-agi/agno: 42,490 다운 · Apache-2.0 · 업데이트 2026년 10월 2일
• langfuse/langfuse: 35,298 다운 · TypeScript · 업데이트 2026년 10월 2일
• getzep/graphiti: 31,379 다운 · Apache-2.0 · 업데이트 2026년 9월 30일
• huggingface/smolagents: 29,644 다운 · Apache-2.0 · 업데이트 2026년 9월 30일
• pydantic/pydantic-ai: 20,350 다운 · MIT · 업데이트 2026년 10월 2일
• confident-ai/deepeval: 18,567 다운 · Apache-2.0 · 업데이트 2026년 10월 1일
• e2b-dev/E2B: 14,100 다운 · Apache-2.0 · 업데이트 2026년 10월 2일

이 수치는 단순히 목록만으로는 알 수 없는 사실을 알려줍니다. 바로 Daytona가 이 그룹에서 가장 많은 다운로드를 기록한 프로젝트라는 점이며, 그 다음은 Mem0입니다. 하지만 Daytona는 두 달 이상 업데이트가 중단된 유일한 프로젝트입니다.

개발이 중단된 프로젝트

1분 만에 직접 확인하는 방법

이 부분이 이 글에서 가장 중요하다고 생각합니다.

Daytona의 README를 열어보면 맨 위에 경고창이 있습니다. 이 레포지토리는 2026년 6월부터 더 이상 관리되지 않는다는 내용입니다. Daytona의 주요 개발은 비공개 코드베이스로 이전되었으며, 이 레포지토리는 업데이트, 수정 또는 새로운 버전 출시가 없을 것입니다. 라이선스에 따라 포크(fork) 및 활용은 가능하지만, 지원이나 보장은 없습니다.

이 정보는 API가 반환한 데이터와 일치합니다. 마지막 커밋은 2026년 7월 24일이고, 마지막 릴리스는 2026년 6월 23일의 v0.190.0입니다.

트윗에 Daytona가 목록에 포함된 것이 잘못된 것은 아닙니다. 트윗은 작성자 본인이 사용할 목록이라고 했고, 작성자는 개발이 중단된 버전을 정상적으로 사용할 수 있습니다. 하지만 이 목록을 10월에 보고 새로운 프로젝트를 위한 도구를 선택하는 독자라면, 이 도구에는 아무도 버그를 고쳐주지 않을 것이라는 점을 알아야 합니다.

여기서 또 한 가지 문제는 트윗이 가진 한계점입니다. 트윗은 레포지토리가 무엇을 하는지만 알려줄 뿐, 해당 레포지토리가 여전히 관리되고 있는지까지는 말해주지 못합니다.

그림으로 설명해 보겠습니다. 단순히 브랜드와 속도만 알려주는 광고에서 자동차를 고르는 상황을 상상해 보세요. 하지만 그 차가 이미 단종되었는지 여부는 말해주지 않습니다. 레포지토리 목록도 이와 같습니다. 어떤 모델이 얼마나 빨리 달릴 수 있는지 알려줄 뿐, 서비스 센터는 아직 운영 중인지까지는 알려주지 않습니다.

각 그룹이 실제로 하는 일

저는 각각의 README를 읽어 트윗에 있는 간략한 설명이 해당 레포지토리가 스스로 말하는 것과 일치하는지 확인했습니다[4][5][6][7]。

PydanticAI는 데이터 타입(typed)을 가진 에이전트 루프를 갖춘 Python AI SDK라고 설명하며, 단 하나의 문자열 변경만으로 모델을 전환할 수 있다는 점을 특징으로 합니다. 핵심 장점은 처음부터 끝까지 데이터 타입을 강제한다는 것, 즉 '구조화된 출력(structured outputs)'입니다. 결과가 반드시 어떤 타입이어야 하는지 미리 정의하므로 모델이 잘못된 타입의 답변을 할 수 없습니다. 이는 트윗에서 언급한 typed agents + structured outputs와 일치합니다.

LangGraph는 상태를 가지고 장기간 작동하는 에이전트를 생성하고 관리하기 위한 저수준(low-level) 프레임워크라고 설명하며, Klarna, Replit, Elastic 같은 기업들이 사용하고 있습니다. README에는 또한 빠르게 에이전트를 만들고 싶다면 LangGraph 기반의 고급 패키지인 Deep Agents를 참고하라고 안내되어 있습니다.

Agno는 AgentOS라는 런타임으로 구동되고 웹 화면을 통해 관리되는 에이전트 플랫폼용 프레임워크이자 런타임이라고 설명하며, 트윗에서 언급한 agents + teams + workflows와 일치합니다.

smolagents의 README가 강조하는 핵심 장점은 단순성입니다. 에이전트의 로직이 약 1,000줄의 코드로 구현되어 있다고 주장합니다. smolagents를 다른 것들과 차별화하는 점은 에이전트가 코드를 작성하고 해당 코드를 호출하여 작업을 수행하게 한다는 것입니다.

Mem0는 에이전트에 영구적인 기억을 제공하며, 데이터 수집 시점 기준으로 목록에서 두 번째로 많은 별점을 받은 서비스이며 이 그룹에서 가장 설치하기 쉽습니다.

pip install mem0ai

Graphiti는 시간 차원의 지식 그래프를 제공합니다. 이는 발생 시점과 함께 데이터를 저장하여, 언제 무엇이 바뀌었는지 되돌아 물어볼 수 있게 합니다. 이 기능은 텍스트나 벡터 임베딩 형태로 저장되는 일반적인 기억과는 달리 사건들 간의 관계를 그래프로 연결할 수 있다는 점에서 차이가 있습니다[9]。

E2B는 AI가 작성한 코드를 실행하기 위한 격리된(sandbox) 환경을 제공하여, 해당 코드가 실제 시스템에 영향을 미치지 않도록 합니다[10]。

DeepEval은 LLM 시스템 평가 도구입니다[11]

Langfuse는 추적(Tracing), 평가(Evaluation) 및 실제 사용 환경 모니터링을 제공하며, 언어는 TypeScript인 반면 목록의 다른 항목들은 모두 Python입니다[12]**

README를 읽으며 제가 발견한 함정들

제가 발견했고 독자들이 알아야 할 또 다른 지점이 있습니다. 빠르게 검색하다 보면 오해할 수 있기 때문입니다.

Graphiti[9]의 README에는 'deprecated'라는 단어가 여러 곳에 나타나는데, 이를 대충 보고는 Graphiti가 개발을 중단했다고 생각하기 쉽습니다. 하지만 실제로는 이 단어가 Graphiti 자체가 아니라 Graphiti가 한때 지원했던 Kuzu 데이터베이스 드라이버를 의미합니다. 전체 내용은 Kuzu가 폐기되었으며 다음 버전에서 제거될 것이라고 명시하고 있습니다. 이는 원본 Kuzu 프로젝트가 더 이상 관리되지 않기 때문이며, 새로운 프로젝트는 Neo4j 또는 FalkorDB를 사용하는 것이 권장됩니다.

이 두 경우의 차이는 매우 큽니다. Daytona는 개발이 중단된 도구인 반면, Graphiti는 여전히 개발되고 있지만 다른 외부 프로젝트에 의존하는 선택지 하나를 지원하지 않게 된 것입니다.

주의해야 할 또 다른 점은 Langfuse[12]의 GitHub API 상 라이선스입니다. 여기서는 Apache-2.0이나 목록의 다른 항목들처럼 MIT가 아닌 'Other'로 보고되어 있습니다. 이 답변은 GitHub의 종합 페이지가 아니라 프로젝트 자체의 라이선스 파일에 나와 있습니다. 따라서 상업적으로 사용하려면 먼저 읽어보는 것이 좋습니다.

주의사항

저는 이 모든 repo를 설치하거나 실행하지 않았습니다. 이 글은 README를 열람하고 GitHub API에서 정보를 가져온 것에 기반하여 작성되었습니다.

별표 수와 업데이트 날짜는 2026년 10월 2일자 값입니다. 오픈소스 프로젝트의 별표 수는 매일 변하며, 업데이트 날짜는 단지 신호일 뿐 코드가 얼마나 좋거나 나쁜지를 의미하지 않습니다.

Graphiti에 대한 관찰은 README를 직접 읽은 것이며, Kuzu 드라이버가 실제로 작동하는지 테스트한 것은 아닙니다.

이 모든 것은 독자 스스로 확인할 수 있는 방법입니다. 저는 원문 작성자가 의도적으로 오래된 정보를 넣었는지 평가하지 않았습니다. 왜냐하면 트윗 자체가 작성자가 자신이 사용할 목록이라고 했기 때문에 그것은 그의 권리이기 때문입니다.

요약

이 트윗에 나열된 목록의 가치는 마지막 문장에 있습니다. 즉, 모델은 단지 한 부분일 뿐이며, 그 주변을 둘러싼 시스템이야말로 진정한 제품입니다. 목록에 있는 5가지 그룹은 시스템 구축자가 거쳐야 하는 실제 단계를 반영합니다.

하지만 이 트윗에서 목록을 가져와 사용하려면 한 가지를 더 해야 합니다. 즉, 모든 repo 페이지를 직접 눈으로 보고, 가장 최근 커밋 날짜를 확인하고, README 상단의 공지사항 박스를 읽어보는 것입니다. 왜냐하면 어떤 것이 살아있는지에 대한 답은 트윗 안에 들어있지 않기 때문입니다.

만약 이런 목록에서 도구를 선택한다면, 간단한 방법은 repo 페이지에 들어가서 README 상단에 무엇이 쓰여 있는지 확인하는 것입니다. 경고 문구가 없다면 좋은 신호로 간주할 수 있습니다. 혹시 많은 사람이 추천해서 사용했지만 나중에 개발이 중단되었거나 더 이상 유지보수되지 않는 도구를 만난 적 있나요?

피툰(พี่ตูน) 님은 이 내용 중에서 에이전트 시스템을 직접 구축하는 사람에게 가치가 있는 부분이 있다고 보았습니다.

참고 자료

[1] 트윗 @Lummox_eth, 2026년 10월 1일 https://x.com/Lummox_eth/status/2105661924482359788 (접속일: 2026년 10월 2일)
[2] Daytona, README (유지보수 중단 공지) https://github.com/daytonaio/daytona (접속일: 2026년 10월 2일)
[3] Daytona, GitHub API repository metadata https://api.github.com/repos/daytonaio/daytona (접속일: 2026년 10월 2일)
[4] PydanticAI https://github.com/pydantic/pydantic-ai (접속일: 2026년 10월 2일)
[5] LangGraph https://github.com/langchain-ai/langgraph (접속일: 2026년 10월 2일)
[6] Agno https://github.com/agno-agi/agno (접속일: 2026년 10월 2일)
[7] smolagents https://github.com/huggingface/smolagents (접속일: 2026년 10월 2일)
[8] Mem0 https://github.com/mem0ai/mem0 (접속일: 2026년 10월 2일)
[9] Graphiti, README (Kuzu 사용 중단 공지) https://github.com/getzep/graphiti (접속일: 2026년 10월 2일)
[10] E2B https://github.com/e2b-dev/E2B (접속일: 2026년 10월 2일)
[11] DeepEval https://github.com/confident-ai/deepeval (접속일: 2026년 10월 2일)
[12] Langfuse https://github.com/langfuse/langfuse (접속일: 2026년 10월 2일)