Awesome AI Agents
요약
본 문서는 AI 에이전트의 생태계를 총망라한 큐레이션 목록입니다. LLM을 활용하여 추론, 계획, 행동을 수행하는 자율 시스템인 AI Agent에 대한 다양한 프레임워크와 도구들을 소개합니다. 특히 다중 에이전트 오케스트레이션 분야에서 AG2, Agent Swarm, AutoGen 등 최신 기술들이 주목받고 있습니다.
핵심 포인트
- AI 에이전트는 LLM 기반의 자율 추론 및 행동 시스템입니다.
- 다양한 프레임워크(AutoGen, AG2 등)가 다중 에이전트 협업을 지원합니다.
- AgentField는 마이크로서비스 형태로 에이전트를 호출하는 제어 평면을 제공합니다.
- 에이전트 생태계는 플랫폼, 인프라스트럭처, 평가까지 포괄적으로 진화하고 있습니다.
Awesome AI Agents
Awesome
AI 에이전트 프레임워크, 도구, 플랫폼, 연구 논문 및 리소스의 큐레이션된 목록입니다.
AI Agent는 LLM을 사용하여 추론(reason), 계획(plan)을 세우고 행동(action)을 취하는 자율 시스템입니다. 이 목록은 빠르게 진화하는 생태계를 추적합니다.
기여: 프로젝트를 추가하고 싶으신가요? 제안하기 또는 직접 PR 제출(submit a PR)하세요.
목차 (Contents)
프레임워크 및 라이브러리 (Frameworks & Libraries)
다중 에이전트 오케스트레이션 (Multi-Agent Orchestration)
-
AG2 — AutoGen의 후속작입니다. 개선된 API를 갖춘 다중 에이전트 프레임워크입니다.
-
Agent Swarm — AI 코딩 어시스턴트(Claude Code, Codex, Gemini CLI)를 위한 다중 에이전트 오케스트레이션입니다. Docker 격리, 복합 메모리, Slack/GitHub 통합을 통해 리드/워커 간의 협업을 지원합니다.
-
AgentField — AI 에이전트를 마이크로서비스(microservices)로 호출할 수 있게 만드는 오픈 소스 제어 평면입니다. 라우팅, 조정(coordination), 메모리, 비동기 실행(async execution), 암호화 감사 추적(cryptographic audit trails)을 지원합니다. Python, Go, TypeScript를 지원합니다.
-
AgentScope — 필수적인 추상화(abstractions), 내장 파인튜닝(fine-tuning) 지원 및 시각적 드래그 앤 드롭 인터페이스를 갖춘 Alibaba의 프로덕션 레디 에이전트 프레임워크입니다.
-
Agno — 에이전트 소프트웨어용 프로그래밍 언어입니다. 대규모로 다중 에이전트 시스템을 구축하고 관리할 수 있습니다.
-
AutoGen — Microsoft의 다중 에이전트 대화 프레임워크입니다. 복잡한 에이전트 토폴로지를 지원합니다.
-
CAMEL — 역할극 및 다중 에이전트 협업을 위한 커뮤니케이션 에이전트입니다. 최초의 LLM 기반 다중 에이전트 프레임워크입니다.
-
CopilotKit — 생성형 UI(Generative UI)를 사용하여 에이전트 기반 앱을 구축하기 위한 프론트엔드 스택입니다. React, Angular 및 모바일 지원; AG-UI 프로토콜의 개발사이며 (Google, LangChain, AWS, Microsoft, Mastra, PydanticAI가 채택했습니다). MIT.
-
CrewAI — 역할 기반 다중 에이전트 프레임워크입니다. 역할을 가진 에이전트들이 목표와 배경 스토리를 가집니다.
-
Cumora — AI 에이전트가 인간과 동등한 팀원인 크로스 플랫폼 팀 채팅 서비스입니다: 동일한 명단, DM, 그룹 채팅방, 칸반 보드 및 캘린더를 제공합니다. 에이전트는 페르소나와 메모리를 유지하고, 업무를 주장하며, 실제 이메일을 보내고 받고, 충돌 없이 협업할 수 있습니다 (서버 측 신선도 게이트가 에이전트가 더 새로운 메시지를 볼 때까지 오래된 답장을 보류합니다). Cumora의 클라우드에서 에이전트를 실행하거나 자체적으로 가져올 수 있습니다 (Claude Code, Codex, Grok Build, Cursor Agent, OpenCode, pi, Gemini CLI, Qwen Code)를 로컬 데몬을 통해 지원합니다. 데스크톱, 웹 및 iOS 베타 버전입니다. MIT.
-
DeerFlow — ByteDance의 오픈 소스 장기 호흡(long-horizon) 슈퍼 에이전트 하니스입니다. 분 단위에서 시간 단위까지 걸치는 작업을 위해 서브 에이전트, 샌드박스, 메모리, 도구 및 스킬을 오케스트레이션합니다. v2.0으로 #1 GitHub Trending에 올랐습니다 (2026년 2월).
-
dimos — 물리적 공간을 위한 에이전트 운영체제입니다. 자연어를 통해 휴머노이드, 사족 보행 동물, 드론 및 기타 하드웨어를 제어하는 다중 에이전트 시스템을 구축할 수 있습니다.
-
firstmate — 코딩 에이전트 팀을 실행하기 위한 에이전트 배포판입니다. 하나의
설치할 것이 없습니다: 클론된 레포지토리(AGENTS.md, skills, helper scripts)는 Claude Code, Codex, Pi, OpenCode, Grok 또는 Cursor Agent CLI 내부에서 실행되며, 모든 워커가 tmux, Herdr 또는 Zellij 패널에 표시됩니다. MIT.
-
Google Agent Development Kit (ADK) — A2A 지원을 통해 멀티 에이전트 시스템을 구축하기 위한 Google의 오픈 소스 코드 우선 Python 프레임워크.
-
Harmonist — 기계적 프로토콜 강제를 통한 휴대용 AI 에이전트 오케스트레이션. 186개 에이전트, 제로 런타임 의존성.
-
LangGraph — 그래프 형태의 상태 저장(Stateful) 에이전트 워크플로우. LangChain 생태계의 일부.
-
LightAgent — 툴, 메모리, MCP/SSE, Skills, 워크플로우 및 LightSwarm을 갖춘 경량 Python 에이전트 프레임워크.
-
Markus — AI 에이전트 팀을 구축하고 실행하기 위한 오픈 소스 AI 인력 플랫폼.
-
Mastra — 워크플로우, RAG 및 통합 기능을 갖춘 TypeScript 우선 AI 에이전트 프레임워크.
-
MetaGPT — 역할(PM, 아키텍트, 엔지니어)을 가진 소프트웨어 회사를 모방하는 멀티 에이전트 프레임워크.
-
Microsoft Agent Framework — 멀티 에이전트 워크플로우를 구축, 오케스트레이션 및 배포하기 위한 프레임워크 (Python + .NET).
-
MiroFish — 예측 및 포캐스팅을 위한 간결하고 범용적인 군집 지능 엔진. 시드 자료를 업로드하고 자연어로 목표를 설명하면, 상세한 예측 보고서와 인터랙티브 시뮬레이션을 얻을 수 있습니다.
-
Octochains — 고위험 의사결정을 위한 중앙 집중식 집계가 적용된 병렬 격리형 멀티 에이전트 추론.
-
Omnigent — Claude Code, Codex, Cursor, OpenCode, Hermes, Pi를 하나의 정책/샌드박싱 레이어에서 오케스트레이션하는 오픈 소스 메타-하네스(meta-harness). 클라우드 샌드박스(Modal, Daytona, E2B, Kubernetes, Databricks), 실시간 다중 장치 세션 공유, YAML로 정의된 서브 에이전트 기능을 제공합니다. Apache-2.0.
-
OpenAI Agents SDK — OpenAI의 멀티 에이전트 오케스트레이션을 위한 프로덕션 프레임워크로, 핸드오프(handoffs)와 가드레일(guardrails) 기능을 지원합니다.
-
Orkas — 전문 AI 에이전트를 병렬 또는 순차적으로 조정하기 위한 오픈 소스 데스크톱 워크스페이스입니다.
-
Paperclip — 회사처럼 AI 에이전트 팀을 실행하기 위한 오픈 소스, 자체 호스팅 제어 평면(control plane)입니다. Node.js 서버와 React UI를 갖추고 있으며, 혼합된 인간/에이전트 조직도, 목표 연계 작업, 심장 박동 스케줄링(heartbeat scheduling), 에이전트별 예산, 승인 게이트 등을 제공합니다. 자체 에이전트(OpenClaw, Claude Code, Codex, Cursor, Gemini CLI, OpenCode, Pi, Hermes)를 가져올 수 있습니다. 95K+ stars, MIT.
-
QM — Y Combinator가 개발한 기업용 오픈 소스 멀티플레이어 에이전트 하네스입니다. 개인 및 공유 스코프(scope), Slack + 웹 UI, 조직 수준의 정책/보안 태세(policy/security posture), 공유 기술, 크론 작업(crons), 영속적 샌드박스 등을 지원합니다. 플러그 가능한 코딩 루프(Pi, OpenCode, Codex, Claude Code)를 제공합니다. MIT.
-
Raven — 하네스의 하네스: 작업을 DAG로 계획하고 내장 및 타사 에이전트에 위임하는 시스템입니다.
-
Ruflo — Claude에 최적화된 에이전트 오케스트레이션 플랫폼입니다. 자체 학습 스웜(self-learning swarms), 분산 지능, RAG 통합, 네이티브 Claude Code/Codex 통합 기능을 특징으로 합니다. 이전 명칭은 claude-flow였습니다.
-
Semantic Kernel — AI 오케스트레이션을 위한 Microsoft의 SDK입니다. 플러그인(Plugins), 플래너(Planners), 메모리 기능이 포함되어 있습니다.
-
Strands Agents — AWS가 제공하는 모델 기반의 오픈 소스 SDK로, Python과 TypeScript를 사용하여 프로덕션 AI 에이전트를 구축할 수 있습니다. MCP 지원 및 월 23M+ PyPI 다운로드 기록을 보유하고 있습니다. Apache-2.0 라이선스입니다.
-
Swarm — OpenAI의 경량 다중 에이전트 프레임워크(교육용).
단일 에이전트 (Single Agent)
- Claude Agent SDK — Anthropic이 제공하는 Claude 기반 AI 에이전트 구축을 위한 프로덕션 SDK입니다. 상태 유지 세션(Stateful sessions), 도구 실행(tool execution), 샌드박싱(sandboxing), 스트리밍 기능을 지원합니다. Python과 TypeScript에서 사용할 수 있습니다.
- GenericAgent — 약 3K 라인의 시드 코드로 자체 스킬 트리를 성장시키는 자가 진화 에이전트입니다. 자동적인 스킬 결정화(skill crystallization)를 통해 브라우저, 터미널, 파일 시스템, 화면 비전 등 완전한 시스템 제어를 위한 9개의 원자적 도구(atomic tools)를 제공합니다.
- Haystack — 에이전트 파이프라인을 갖춘 엔드투엔드 NLP 프레임워크입니다.
- Instructor — LLM으로부터 구조화된 출력을 얻는 데 사용됩니다. 신뢰할 수 있는 도구 사용에 필수적입니다.
- LangChain — 가장 인기 있는 LLM 애플리케이션 프레임워크입니다. 에이전트, 체인(chains), 도구를 지원합니다.
- LangChain Deep Agents — LangGraph를 기반으로 구축된 LangChain의 배터리가 포함된(batteries-included), 의견이 담긴(opinionated) 에이전트 하네스입니다. 파일 시스템, 서브 에이전트 생성(sub-agent spawning), 할 일 추적(todo tracking), 스킬 등이 번들로 제공되며, 모든 부분을 확장하거나 대체할 수 있습니다. 모델에 구애받지 않으며(Model-agnostic), MIT 라이선스입니다. Deep Agents.js로도 사용할 수 있습니다.
- LlamaIndex — LLM 앱을 위한 데이터 프레임워크입니다. 강력한 RAG(검색 증강 생성) 및 데이터 에이전트 지원 기능을 제공합니다.
- PydanticAI — Pydantic 방식의 GenAI 에이전트 프레임워크로, 타입 안정성(Type-safe)과 프로덕션 준비 상태를 갖추고 있습니다.
- smolagents — Hugging Face가 제공하는 경량 에이전트 라이브러리입니다.
~1,000 라인의 집중적인 코드, 이해하고 확장하기 쉽습니다.
- TrueForge — 오픈소스 에이전트 하네스: 모든 LLM을 작동하는 에이전트로 변환하는 런타임 계층입니다. 모델에 구애받지 않는 루프, 도구 레지스트리(tool registry), 그리고 프로덕션 배포를 위한 세션 상태를 제공합니다. MIT.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Tools의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기