AI Agents · 강의

LangGraph 대 CrewAI 대 AutoGen

그래프 기반, 역할 기반, 대화 기반 오케스트레이션 — 다단계 에이전트를 구성하는 세 가지 철학입니다.

레슨 1/416개 단계

LangGraph 대 CrewAI 대 AutoGen은(는) CoddyKit의 무료 AI Agents 강의입니다. 이것은 4개 중 1번째 강의입니다. 아래에서 전체 강의를 무료로 읽을 수 있으며, 내장 코드 에디터와 24/7 AI 튜터와 함께 브라우저에서 직접 실습할 수 있습니다. 이 강의는 AI Agents 학습 경로의 일부이며, 진행 상황이 웹과 CoddyKit 앱에 동기화됩니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.

세 가지 주요 프레임워크

다단계·다중 에이전트 시스템에서는 세 가지 프레임워크가 주로 사용됩니다:

LangGraph — 노드와 엣지로 구성된 명시적 그래프
CrewAI — 역할 기반 에이전트 팀
AutoGen — 에이전트 간 자유로운 대화

LangGraph 방식

상태 머신입니다. 노드, 엣지, 타입이 지정된 상태 객체를 정의합니다. 제어 흐름이 명시적일 때 가장 적합합니다.

from langgraph.graph import StateGraph, END

g = StateGraph(State)
g.add_node('plan', plan_fn)
g.add_node('act', act_fn)
g.add_edge('plan', 'act')
g.add_conditional_edges('act', router, {'continue': 'plan', 'done': END})
app = g.compile()

CrewAI 방식

역할, 목표, 배경 이야기가 포함된 에이전트와 작업을 정의합니다. 작업을 에이전트에 할당하면 에이전트가 하나의 "팀"으로 실행됩니다:

from crewai import Agent, Task, Crew

researcher = Agent(role='Researcher', goal='Find facts', backstory='...', tools=[search_tool])
writer = Agent(role='Writer', goal='Compose answers', backstory='...')

tasks = [
    Task(description='Research X', agent=researcher),
    Task(description='Write summary', agent=writer)
]
crew = Crew(agents=[researcher, writer], tasks=tasks)
result = crew.kickoff()

AutoGen 방식

대화 중심 방식입니다. 에이전트가 서로 메시지를 보내고 관리자가 다음에 발언할 에이전트를 결정합니다:

from autogen import AssistantAgent, UserProxyAgent

assistant = AssistantAgent('coder', llm_config={'model': 'gpt-4o-mini'})
user = UserProxyAgent('user', code_execution_config={'work_dir': './work'})

user.initiate_chat(assistant, message='Write a fibonacci function')

LangGraph를 사용할 때

명시적인 상태 머신이 필요할 때
반복, 분기, 인간 개입이 필요할 때
지속성을 위한 체크포인트를 원할 때
운영 환경의 안정성을 우선시할 때

CrewAI를 사용할 때

역할 기반 사고방식이 팀에 잘 맞을 때
순차적 또는 계층적인 작업 목록이 필요할 때
높은 수준의 추상화를 원할 때
일반적인 사용 사례에 필요한 코드가 더 적을 때

AutoGen을 사용할 때

연구 중심의 대화형 작업
실행 에이전트를 사용하는 코드 생성
다중 에이전트 토론·비평

성숙도 비교

	LangGraph	CrewAI	AutoGen
관리 주체	LangChain	CrewAI사	Microsoft
안정성	높음	보통	보통
관측 가능성	LangSmith	기본 기능 제공	사용자 지정

성능

프레임워크는 오버헤드를 추가합니다. 지연 시간이 짧아야 하는 에이전트(채팅 화면)에서는 직접 작성한 최소한의 코드가 프레임워크보다 나은 경우가 많습니다. 복잡한 다단계 에이전트에서는 오버헤드 비용보다 개발 시간을 절약하는 효과가 더 큽니다.

LangGraph는 가장 강력한 운영 환경 지원을 제공합니다

체크포인터(Postgres, Sqlite), 인간 개입, 재시도, 스트리밍, 시간 여행 등 운영 환경의 기본 기능이 핵심 기능으로 제공됩니다. 다른 프레임워크는 사용자 코드에 더 많이 의존합니다.

CrewAI는 단순한 경우에 가장 뛰어난 DX를 제공합니다

에이전트와 몇 가지 작업을 정의하는 일은 에이전트 3~5개로 구성된 팀의 경우 LangGraph보다 실제로 더 짧고 선언적입니다.

AutoGen은 코드 에이전트에 뛰어납니다

Microsoft는 GitHub Copilot Workspace와 비슷한 코드 실행 에이전트에 내부적으로 AutoGen을 사용합니다. 코드 실행 순환 과정은 동급 최고입니다.

혼합해서 사용할 수 있습니다

모든 것을 하나로 선택할 필요는 없습니다. 예를 들어 바깥쪽 상태 머신에는 LangGraph를 사용하고 안쪽 코드 생성 하위 에이전트에는 AutoGen을 사용할 수 있습니다.

프레임워크 선택에만 매달리지 마십시오

에이전트가 100~200줄의 코드로 직접 작성할 수 있을 만큼 단순한데도 많은 팀이 프레임워크 선택에 과도하게 투자합니다. 가장 단순한 방법으로 시작하고, 정말 필요할 때 프레임워크를 도입하십시오.

프레임워크의 강점

가장 강력한 운영 환경 지원을 제공하는 프레임워크는 무엇입니까?

인터랙티브 레슨에서 답해보세요

복습

명시적인 상태 머신과 운영 환경에는 LangGraph를 사용하십시오. 선언적인 역할 기반 팀에는 CrewAI를 사용하십시오. 대화 중심 에이전트에는 AutoGen을 사용하십시오. 제어 흐름 방식에 따라 선택하십시오.

무료로 시작

AI 튜터와 함께 AI Agents을(를) 배우세요 — 무료

브라우저에서 실제 코드를 작성하고 실행하며, 24/7 AI 튜터로부터 즉각적인 도움을 받고, 웹이나 앱에서 중단한 부분부터 계속 학습하세요.

코스: 60
레슨: 239

무료로 학습 시작 전체 코스 보기

자주 묻는 질문

“LangGraph 대 CrewAI 대 AutoGen” 강의는 무료인가요?

네 — “LangGraph 대 CrewAI 대 AutoGen” 전체 내용을 이 웹사이트에서 무료로 읽을 수 있습니다. 인터랙티브하게 실습하려면(내장 코드 에디터와 24/7 AI 튜터), CoddyKit PRO로 업그레이드하면 AI Agents 강의 전체를 잠금 해제할 수 있습니다. AI Agents 강의에는 총 4개의 강의가 포함되어 있습니다.

“LangGraph 대 CrewAI 대 AutoGen”에서 뭘 배우나요?

그래프 기반, 역할 기반, 대화 기반 오케스트레이션 — 다단계 에이전트를 구성하는 세 가지 철학입니다. 브라우저에서 직접 실행하는 실습 코드로 AI Agents을(를) 배우며, 24/7 AI 튜터가 강의를 진행하면서 질문에 답변해줍니다.

AI Agents을(를) 시작하는 데 경험이 필요한가요?

사전 경험은 필요하지 않습니다. CoddyKit의 AI Agents은(는) 초급자부터 고급 학습자까지를 위해 구성되어 있으므로, 여기서 시작하거나 처음부터 시작할 수 있으며 자신의 속도대로 진행할 수 있습니다. 이것은 4개 중 1번째 강의입니다.

“LangGraph 대 CrewAI 대 AutoGen” 강의는 얼마나 걸리나요?

대부분의 CoddyKit 강의는 약 5~10분이 소요됩니다. 각 강의는 간결하고 인터랙티브하여 꾸준한 진행이 가능하며, 웹과 앱에서 중단한 부분부터 바로 시작할 수 있습니다.

이 AI Agents 강의에서 코드를 작성하고 실행할 수 있나요?

네. 모든 AI Agents 강의에는 내장 코드 에디터가 포함되어 있으므로, 브라우저에서 바로 실제 코드를 작성하고 실행한 후 즉시 AI 피드백을 받을 수 있습니다 — 로컬 설정이 필요 없습니다.

이 강의의 모든 강의

← AI Agents(으)로 돌아가기