Deep Agents deploy: Claude Managed Agents의 오픈 소스 대안

오늘 저희는 Deep Agents deploy를 베타 버전으로 출시합니다. Deep Agents deploy는 모델에 구애받지 않는 (model agnostic) 오픈 소스 에이전트 하네스 (agent harness)를 프로덕션 환경에 즉시 배포할 수 있는 가장 빠른 방법입니다.

Deep Agents deploy는 개방형 세상을 위해 구축되었습니다. 이는 오픈 소스이자 모델에 구애받지 않는 에이전트 하네스인 Deep Agents를 기반으로 구축되었습니다. 하네스는 메모리 (memory)와 밀접하게 연결되어 있습니다. 즉, 오픈 하네스를 선택한다는 것은 여러분의 메모리를 직접 소유한다는 것을 의미하며, 특정 독점 하네스에 종속되거나 단일 모델에 묶이지 않음을 의미합니다.

하네스 엔지니어링 (Harness engineering) → 프로덕션 (production)

지난 몇 달 동안, LLM을 에이전트로 전환하기 위한 하네스를 구축하는 규율로서 **“하네스 엔지니어링 (harness engineering)”**이 부상했습니다. 이러한 하네스에는 에이전트의 기반 역할을 하는 오케스트레이션 로직 (orchestration logic), 도구 (tools), 기술 (skills)이 포함되어 있지만, 빌더가 자신의 사용 사례에 맞게 하네스를 커스터마이징할 수 있도록 사용자 정의 지침 (custom instructions), 도구, 기술을 제공할 수 있도록 합니다.

프로덕션 단계로 넘어가기 위해서는 몇 가지 단계가 필요합니다:

에이전트 오케스트레이션 로직과 메모리를 멀티 테넌트 (multi-tenant) 방식의 확장 가능한 형태로 배포
에이전트 세션마다 생성될 수 있도록 샌드박스 (sandboxes) 설정
MCP에서 A2A, 그리고 Human-in-the-loop, 메모리 등을 위한 기타 엔드포인트 (endpoints) 구축

오늘 저희는 이 모든 단계를 단 하나의 명령어로 통합합니다: deepagents deploy

무엇을 배포하게 되나요?

deepagents deploy를 통해 여러분은 커스텀 에이전트를 배포하게 됩니다. 지정해야 하는 몇 가지 파라미터 (parameters)가 있습니다:

model
: 사용할 거대 언어 모델 (Large Language Model). Deep Agents는 OpenAI, Google, Anthropic, Azure, Bedrock, Fireworks, Baseten, Open Router, Ollama를 포함한 모든 모델 또는 모델 제공업체와 함께 작동합니다. 자세한 내용은 저희의 Models 문서를 참조하세요.

AGENTS.md
: 이것은 에이전트를 위한 핵심 지침 세트로, 세션 시작 시 로드되는 지침을 지정합니다.

skills
: 이것은 전문 지식 (markdown 파일을 통해) 및 동작 (실행할 스크립트를 통해)을 가능하게 하는 **에이전트 기술 (Agent Skills)**입니다. 자세한 내용은 저희의 Skills docs를 참조하세요.

mcp.json

mcp.json:

이는 에이전트가 MCP 프로토콜 (HTTPS/SSE)을 사용하여 호출할 수 있는 도구들입니다.

sandbox:

필요한 경우, 에이전트가 작업을 수행하고 기술 (Skills)을 실행할 수 있도록 사용할 수 있는 **sandbox (샌드박스)**를 지정할 수 있습니다. 기본적으로 Deep Agents는 Daytona, Runloop, Modal 또는 LangSmith Sandbox와의 통합을 포함하고 있습니다. 어떤 샌드박스 제공업체라도 Deep Agents와 함께 사용할 수 있으며, 자세한 내용은 저희의 **implementation guide (구현 가이드)**를 참조하세요.

Deployment (배포)

내부적으로 deepagents deploy는 사용자의 Deep Agent를 자체적인 LangSmith Deployment (LangSmith 배포) 서버와 함께 번들링합니다. 이는 프로덕션 환경에 적합하며 수평적 확장 (Horizontally scalable)이 가능한 서버입니다.

이 명령은 다음과 같은 엔드포인트(endpoints)를 포함하여 30개 이상의 엔드포인트를 가진 서버를 구동합니다:

MCP: 배포된 에이전트를 도구로 호출할 수 있습니다.
A2A: 멀티 에이전트 설정에서 배포된 에이전트를 호출할 수 있습니다.
Agent Protocol (에이전트 프로토콜): 배포된 에이전트와 상호작용하기 위한 아름다운 UI를 쉽게 작성할 수 있습니다.
Human-in-the-loop (인간 참여형): 인간의 개입 없이 에이전트가 할 수 있는 일과 할 수 없는 일에 대한 가드레일 (Guardrails)을 추가할 수 있습니다.
Memory endpoints (메모리 엔드포인트): 에이전트를 위한 단기 또는 장기 메모리에 쉽게 접근할 수 있습니다.

Open Ecosystem (개방형 생태계)

deepagents deploy의 핵심 요소는 개방형 생태계로의 통합입니다. 구체적으로는 다음과 같습니다:

저희는 Python과 TypeScript 모두에서 사용할 수 있는 완전한 오픈 소스이자 MIT 라이선스 하네스(harness)인 deepagents를 사용합니다.
저희는 에이전트 지침을 지정하는 방법으로 **open standard (개방형 표준)**인 AGENTS.md를 사용합니다.
저희는 에이전트에 전문 지식을 제공하는 방법으로 **open standard (개방형 표준)**인 Agent Skills를 사용합니다.
저희는 모든 모델 제공업체와 통합하여 사용자가 이를 완전히 제어할 수 있도록 합니다. Anthropic 종속성 (Lock-in) 없이, 오픈 모델을 포함하여 작업에 가장 적합한 모델 조합을 직접 선택할 수 있습니다.
저희는 모든 샌드박스 제공업체와 통합하여 사용자가 이를 완전히 제어할 수 있도록 합니다.
저희는 에이전트를 MCP, A2A, 그리고 Agent Protocol이라는 개방형 표준을 통해 노출합니다.
사용자는 LangSmith Deployments를 셀프 호스팅할 수 있으며, 이를 통해 자체적인 메모리를 호스팅하고 소유할 수 있습니다.

Comparing to Claude Managed Agents (Claude Managed Agents와의 비교)

Claude Managed Agents는 최근 출시된 또 다른 경쟁력 있는 서비스입니다. 상위 수준의 아키텍처(harness, agent server, sandboxes)는 동일하지만, Claude Managed Agents는 엄청난 양의 락인 (lock-in)을 유발하는 폐쇄된 생태계 (walled garden)입니다.

Memory (메모리)

에이전트 하네스 (agent harness)와 에이전트 플랫폼에 있어 개방형 생태계가 중요한 핵심 이유는 바로 메모리 (memory) 때문입니다.

에이전트 하네스는 메모리와 밀접하게 연결되어 있습니다 (Sarah Wooders가 이에 대해 환상적인 글을 작성했습니다). 하네스의 핵심 역할 중 하나는 컨텍스트 (context)를 관리하는 것입니다 (메모리는 결국 컨텍스트일 뿐입니다). 하네스의 점점 더 많은 부분이 API 뒤에 갇혀 폐쇄적으로 변할수록, 여러분의 메모리 또한 그렇게 됩니다.

사실 한 모델에서 다른 모델로 전환하는 것은 꽤 쉽습니다 (물론 프롬프트 (prompt)를 약간 조정해야 할 수도 있지만, 그리 어려운 일은 아닙니다). 따라서 모델 API 자체만으로는 큰 락인 (lock-in)이 발생하지 않습니다 (최근 OpenAI에서 Anthropic으로의 대규모 마이그레이션 사례에서 보았듯이 말입니다).

하지만 단기적이든 장기적이든, 해당 API 뒤에 메모리를 묶기 시작하면 엄청난 양의 락인 (lock-in)이 발생합니다.

내부용 SDR 에이전트를 만든다고 가정해 봅시다. 처음에는 기본적인 기능으로 시작하지만, 사용자와 상호작용하면서 실시간으로 학습합니다. 이 메모리는 계속 축적되지만, 이 모든 것이 폐쇄된 API 뒤에 존재하게 됩니다. 만약 해당 하네스나 모델을 바꾸고 싶다면, 에이전트의 메모리를 초기화하고 처음부터 다시 시작해야 한다는 것을 의미합니다.

고객에게 노출되는 에이전트의 경우에는 상황이 훨씬 더 심각합니다. 고객을 대상으로 하는 영업 에이전트를 구축하면, 에이전트는 상호작용하는 고객들에 대한 메모리를 쌓아갑니다. 이 모든 메모리는 폐쇄된 API 뒤에 있습니다. 이러한 메모리는 시간이 지남에 따라 고객 경험을 개선하기 위해 구축해야 하는 데이터 플라이휠 (data flywheel)의 일부입니다. 하지만 이 메모리는 더 이상 여러분의 것이 아닙니다. 그 폐쇄된 API를 소유한 자의 것이 됩니다.

deepagents deploy는

메모리를 표준 형식 (AGENTS.md, 기술 (skills) 및 기타 파일)으로 저장하며, API를 통해 직접 쿼리할 수 있게 해줍니다. 또한 셀프 호스팅 (self-host)을 할 경우, 메모리가 항상 여러분의 데이터베이스에만 머물도록 보장합니다.

Try out an open harness (개방형 하네스를 사용해 보세요)

독점적인 하네스 (proprietary harness) 위에서 에이전트를 구축하는 것은 엄청난 양의 락인 (lock-in)을 생성합니다. 우리는 에이전트 구축과 배포가 쉬워야 하지만, 여전히 모델 선택의 권한을 가지고 여러분의 메모리를 직접 소유할 수 있는 세상을 믿습니다.

여러분도 이에 동의하신다면, 오늘 바로 deepagents deploy를 사용해 보세요.

주요 링크 (Key Links):