2025년 10월 28일
두 달 전, 우리는 Deep Agents에 대해 소개했습니다. Deep Agents는 복잡하고 개방형 작업을 더 긴 시간 범위에 걸쳐 수행할 수 있는 에이전트를 지칭하기 위해 우리가 만든 용어입니다. 우리는 이러한 에이전트에 네 가지 핵심 요소가 있다고 가정했습니다: 계획 도구, 파일시스템 접근, 서브에이전트, 그리고 상세한 프롬프트입니다.
우리는 deepagents를 이러한 모든 요소를 기본적으로 갖춘 Python 패키지로 출시했습니다. 이를 통해 사용자는 커스텀 도구와 프롬프트만 준비하면 Deep Agent를 쉽게 구축할 수 있습니다.
우리는 강력한 관심과 채택을 확인했으며, 오늘 0.2 릴리스로 더욱 강화된 버전을 선보이게 되어 기쁩니다. 이 블로그에서는 출시 버전 대비 0.2 릴리스의 새로운 기능과 함께 deepagents를 언제 사용해야 하는지(langchain 또는 langgraph 대비)를 설명하고자 합니다.
플러그형 백엔드
0.2 릴리스의 주요 추가 기능은 플러그형 백엔드입니다. 이전에는 deepagents가 접근할 수 있는 “파일시스템”이 “가상 파일시스템”이었습니다. LangGraph 상태를 사용하여 파일을 저장했습니다.
0.2에서는 새로운 Backend 추상화를 도입하여 어떤 것이든 “파일시스템”으로 플러그인할 수 있습니다. 내장 구현에는 다음이 포함됩니다:
- LangGraph State
- LangGraph Store (스레드 간 영속성)
- 실제 로컬 파일시스템
또한 “복합 백엔드”라는 개념도 도입했습니다. 이를 통해 기본 백엔드(예: 로컬 파일시스템)를 가지면서 특정 하위 디렉토리에 다른 백엔드를 매핑할 수 있습니다. 이것의 활용 사례 중 하나는 장기 메모리 구현입니다. 로컬 파일시스템을 기본 백엔드로 사용하되, /memories/ 디렉토리의 모든 파일 작업을 S3 기반 “가상 파일시스템”에 매핑하여 에이전트가 컴퓨터를 넘어 영구적으로 데이터를 저장할 수 있도록 할 수 있습니다.
원하는 데이터베이스나 데이터 저장소 위에 “가상 파일시스템”을 만들기 위해 자체 백엔드를 작성할 수 있습니다.
또한 기존 백엔드를 서브클래싱하여 어떤 파일에 쓸 수 있는지, 이러한 파일의 형식 검사 등에 대한 가드레일을 추가할 수 있습니다.
0.2의 기타 기능
0.2 릴리스의 deepagents에는 다음과 같은 여러 개선 사항도 추가되었습니다:
- 대용량 도구 결과 제거: 도구 결과가 특정 토큰 한도를 초과할 때 자동으로 파일시스템에 덤프합니다.
- 대화 기록 요약: 토큰 사용량이 커지면 오래된 대화 기록을 자동으로 압축합니다.
- 미완료 도구 호출 복구: 도구 호출이 실행 전에 중단되거나 취소된 경우 메시지 기록을 수정합니다.
deepagents vs LangChain, LangGraph 사용 시점
현재 우리가 투자하고 있는 세 번째 오픈소스 라이브러리이지만, 세 라이브러리 모두 서로 다른 목적을 제공한다고 믿습니다. 이러한 목적을 구분하기 위해 deepagents는 “에이전트 하네스(agent harness)”, langchain은 “에이전트 프레임워크(agent framework)”, langgraph는 “에이전트 런타임(agent runtime)“으로 지칭할 것입니다.
LangGraph는 워크플로우와 에이전트의 조합으로 구성된 것을 구축하려는 경우에 적합합니다.
LangChain은 내장된 기능 없이 핵심 에이전트 루프를 사용하고 모든 프롬프트/도구를 처음부터 구축하려는 경우에 적합합니다.
DeepAgents는 계획 도구, 파일시스템 등과 같은 내장 기능을 활용하여 더 자율적이고 장시간 실행되는 에이전트를 구축하려는 경우에 적합합니다.
이들은 서로 위에 구축됩니다 - deepagents는 langchain의 에이전트 추상화 위에 구축되고, langchain은 다시 langgraph의 에이전트 런타임 위에 구축됩니다.
