같은 AI 에이전트를 5개 Framework로 다시 만들기 — 2025 현실 가이드 (CrewAI, Microsoft Autogen, OpenAI Agents SDK, Google ADK, LangGraph)
동일한 에이전트 로직·프롬프트·툴을 그대로 둔 채, CrewAI, Microsoft Autogen, OpenAI Agents SDK, Google ADK, LangGraph — 이렇게 다섯 개 framework에서 똑같이 구현해봤습니다. 어디서 전율했고, 어디서 벽을 만났고, 지금 당신에게 맞는 선택은 무엇인지 솔직하게 정리했습니다.
한 줄 요약: 한 프레임워크에 올인하지 마세요. Prototype은 빠르게, Production은 안정적으로, Architecture는 유연하게—세 박자를 나눠 잡으면 길이 보입니다.
초간단 결론 (바쁜 분들을 위한 TL;DR)
- 빨리 돌려보고 싶다? → CrewAI. “그냥 된다”는 느낌으로 demo 만들기 최강.
- .NET / C# 환경이다? → Microsoft Autogen. 사실상 유일한 현실적인 옵션.
- OpenAI 중심 스택이다? (models/voice/infra) → OpenAI Agents SDK. Hosted tools와 observability까지 깔끔하게.
- Google Cloud·Gemini·엔터프라이즈 Connector가 필요? → Google ADK. Web UI, evals, CLI→REST, managed deployment까지 “건전지 포함”.
- 커스텀 Architecture가 필요하거나 제약 없는 설계가 목표? → LangGraph. Lego가 아니라 clay—원하는 모양 그대로.
왜 같은 에이전트를 다섯 번이나 다시 만들었냐고요?
웹 개발은 이미 관성이 있습니다(React, Django, Spring, Rails…). 반면 agent framework는 지금도 전력질주 중. 오늘의 1등이 내일의 후보가 될 수 있어요. 그래서 한 군데에 묶이지 않도록, 각 framework를 배꼽 정도 깊이로 파고들었습니다. 진짜 에이전트를 만들 수 있을 만큼은 깊게, 하지만 언제든 갈아탈 수 있을 만큼은 가볍게.
(솔직히 고백하자면—evals 돌릴 때마다 노트북 팬 소리가 점점 커졌습니다. 그 소리, 약간 성취의 소리 같더군요.)
다섯 Framework 한눈 비교
| Framework | 핵심 아이디어 | 사용 감각 | 가장 큰 장점 | 주의할 점 |
| CrewAI | 여러 agent를 crew로 묶고 task·tool을 붙여 굴림 | Lego 조립 느낌 (코딩보다 prompt 작성) | prototype 속도 최강, 개념 적음 | 틀 벗어나면 customization이 고달픔, 내부 magic이 많아 원인 파악 어려움 |
| Microsoft Autogen | agent들을 group chat 참여자처럼 상호작용 | 대화방에서 일 나누기 | .NET + Python 지원, Studio→AgentChat→Core 3단계 | paradigm이 한정적, Studio 버그, Core API가 다소 올드/복잡 |
| OpenAI Agents SDK | hierarchical orchestrator (main→sub agents) | 미니멀한 API, production 지향 | hosted tools, guardrails, tracing/monitoring, Python/TS | OpenAI-first 최적화, beta인 non‑OpenAI 지원, 구조가 hierarchical 고정 |
| Google ADK | hierarchy + batteries‑included 플랫폼 | 크고 강력한 툴박스 | built‑in web UI, eval/testing, CLI→REST, Agent Engine 배포 | API 표면적 큼, GCP 세팅 필요, 작은 프로젝트엔 과함, 구조는 역시 hierarchy |
| LangGraph | agent가 아니라 **graph(runtime)**를 짬 | clay로 직접 빚기 | tiny API, model/tool agnostic, checkpointing/time‑travel, 어떤 pattern이든 구현 | 시작 속도는 느림, 설계 생각이 더 필요, 안전바 없음 |
그림으로 그리면 박스와 화살표의 세상입니다. LangGraph는 그 그림 자체를 코드로 만드는 쪽, 나머지는 “예쁘게 상자 표준화 완료” 쪽에 가깝습니다.
각 Framework 써보니 진짜 이렇더라
1) CrewAI — 입문자도 바로 손에 잡히는 “입구 프레임워크”
느낌: 미리 만들어진 agent·tool·task를 쫙 끼워 맞추면 바로 굴러갑니다. 코드를 덜 쓰고 prompt를 더 씁니다. 20분이면 작은 팀이 일을 합니다.
좋았던 점
- 개념이 적어 학습 부담이 낮고, demo 만들 때 속도가 미쳤습니다.
- POC, 아이디어 검증에 이상적.
아쉬운 점
- 틀 밖의 걸 하려면 타협하거나, framework와 한참 실랑이를 해야 합니다.
- 내부 magic이 많아 디버깅 포인트가 숨습니다.
어디에 썼나
- 제 stock‑picker 1차 버전이 여기서 성공적으로 굴렀습니다.
- 코스에서는 news summarizer, job‑hunter, social content writer를 만듭니다.
결론: 아이디어 타당성 확인까지는 CrewAI. 서비스화 단계에서 커스터마이징 욕구가 커지면 다른 선택을.
2) Microsoft Autogen — “group chat”을 아키텍처로 삼다
느낌: agent가 대화방에 모여 서로 맡기고 받는 구조. 데모로 보여주기 좋습니다.
좋았던 점
- 유일하게 **.NET(C#)**을 1급으로 다룹니다(물론 Python도). Microsoft 환경이면 강추.
- Studio → AgentChat → Core 3층 구조가 학습 단계별로 명확합니다.
아쉬운 점
- 2023 출시라 기초 체력은 탄탄하지만 지금 관점에선 살짝 old school.
- Studio 버그가 거슬리고, 강한 커스터마이징은 Core로 내려가야 하는데 API가 직관적이진 않습니다.
어디에 썼나
- 20분 만에 Deep‑Research 풍 미니 파이프라인으로 감 잡고, 다른 framework로 넘어갔습니다.
.NET이면 대안이 거의 없습니다—Autogen 가세요. Python only면 굳이 선택하진 않겠습니다.
3) OpenAI Agents SDK — 처음부터 “배포 가능한” 마인드셋
느낌: hierarchical orchestrator. main agent가 일을 쪼개고 sub agent들이 수행. 깔끔하고 예측 가능합니다.
좋았던 점
- API가 작고 우아합니다. 하루면 손에 익습니다.
- hosted tools(web search, image, code exec, file search)가 one‑liner. 잡다한 준비가 사라집니다.
- guardrails, memory, logging, tracing—프로덕션에서 필요한 뒷단을 기본 제공.
- Python + TypeScript 지원.
아쉬운 점
- 비‑OpenAI model도 technically 가능하지만 경험치는 OpenAI-first와 비교 불가.
- 구조적으로 hierarchical 고정.
어디에 썼나
- Chat 앱을 커스텀 UI로 빌드하고 MCP servers를 붙여 overpowered하게 구성.
- Voice 기반 고객 지원 agent를 만들어 guardrails/monitoring/context/agent transfer/logging까지 넣어 production 퀄로.
voice가 중요하면 일단 여기부터 보세요. 현재 기준, 실행 경험이 가장 매끈합니다.
4) Google ADK — “건전지 포함” 올인원
느낌: 다른 framework들의 좋은 점을 모아 한 판에 담아낸 인상. 늦게 왔지만 준비물은 가장 풍성합니다.
좋았던 점 (길게 갑니다)
- built‑in web UI: agent와 바로 채팅, tool 호출 실시간 모니터링, step‑by‑step, history—UI 없이도 프로토타입 가능.
- eval/testing 내장: test case 정의, 응답 품질 측정, execution path 추적. 이걸 기본 제공하는 곳은 여기가 유일.
- CLI → REST 한 방: 명령 한 번으로 API endpoint.
- hosted tools(Google Search, code exec) + CrewAI tools 호환.
- model‑agnostic하면서 Gemini 연동은 당연히 뛰어남.
- Python & Java 지원.
- Enterprise connectors (Salesforce, SAP, Workday 등 100+).
- Vertex AI의 Agent Engine으로 managed deployment.
아쉬운 점
- API surface가 큼. 배우는 데 시간이 필요.
- Google Cloud 설정(키, 서비스 활성화 등) 필수.
- 기본 구조는 역시 hierarchical.
- 작은 사이즈 프로젝트엔 과할 수 있음.
어디에 썼나
- Investment analysis 시스템: 시장 데이터·뉴스·재무·리포트·파일 작업까지 multi‑agent 구성.
- YouTube Shorts generator: script→image→voiceover full‑auto.
- Agent Engine으로 deployment 경험 포함.
Google Cloud에 데이터가 있거나 Gemini를 쓰면, 솔직히 답은 ADK에 가깝습니다. 개발자 경험, 정말 잘 정리돼 있어요.
5) LangGraph — “Lego가 아니라 진흙”
느낌: 전통적 의미의 “agent framework”가 아닙니다. **graph(runtime)**로 node/edge를 엮습니다. 그래서 뭐든 만듭니다.
좋았던 점
- tiny API라 학습 속도 빠름.
- 머릿속에 그리는 어떤 architecture든 구현 가능—hierarchy, group chat, workflow, loop, hybrid…
- model/tool agnostic. 붙이고 싶은 걸 마음껏.
- checkpointing으로 상태 저장·복구, time‑travel로 히스토리 탐색.
아쉬운 점
- 생각을 더 해야 합니다. 틀이 없으니 설계를 스스로 해야 하죠.
- “Hello, world!”까지는 다른 framework보다 한 박자 느릴 수 있음.
어디에 썼나
- stock‑picker를 옮겨서 완전 가시성 확보—무슨 일이 언제 왜 일어났는지 전부 보입니다.
- 코스에서는 YouTube thumbnail generator, AI tutor(quizzing/teaching/Feynman), HITL, agent↔agent protocol까지.
다른 곳이 automatic이라면, 여긴 manual transmission + “달리는 중 엔진을 뜯어고칠 자유”가 함께 옵니다.
이렇게 고르세요 (빠른 선택 가이드)
- 오늘 데모가 필요 → CrewAI
- 우린 .NET 팀 → Microsoft Autogen
- OpenAI-first(voice/tools/dashboard) → OpenAI Agents SDK
- Google Cloud / evals / managed deploy → Google ADK
- 커스텀 Architecture·lock‑in 최소화 → LangGraph
그리고 진짜 팁 하나—셋은 배우세요.
- CrewAI로 agent 감각을 익히고,
- OpenAI Agents SDK 또는 Google ADK로 production을 경험,
- 한계가 보이면 LangGraph로 졸업.
인용각: “에이전트의 품질은 결국 Architecture의 선택에서 갈립니다.”
자주 쓰는 패턴, 언제 고를까
- Hierarchical Orchestrator (OpenAI, Google ADK): 예측 가능, 확장 쉬움. 명확한 task 분해와 production에 강함.
- Group Chat (Autogen): 데모 맛집, emergent delegation. 엄격한 통제가 필요하면 피곤해질 수 있음.
- Workflow Agents (ADK): parallel/sequential/loop를 조합해 실제 business process에 맞춘 pipeline 구성.
- Graph Native (LangGraph): 제약 없이 다양한 패턴을 하나의 runtime으로 통합하거나 새 패턴을 발명할 때.
Hosted tools & Integration이 시간을 어떻게 절약하나
- OpenAI Agents SDK: web search, image generation, code execution, file search, tracing/monitoring가 out‑of‑the‑box. OpenAI models라면 백로그가 반으로 줄어듭니다.
- Google ADK: Google Search, code exec, CrewAI tool 호환, 100+ enterprise connectors, Agent Engine으로 deployment까지 버튼 몇 번.
- Autogen: .NET 친화 환경에서 group chat 패턴을 가장 쉽게.
- CrewAI: 커뮤니티 tool이 넓고, prototype 조립 속도가 장점.
- LangGraph: 뭐든 직접 붙여 쓰는 자유. 그게 컨셉.
코스에서 실제로 만든 것들 (손에 흙 묻힌 사례)
- CrewAI: News summarizer · Job‑hunter · Social content writer
- Autogen: Micro Deep‑Research style pipeline (20분 만에 구조 파악)
- OpenAI Agents SDK: Chat 앱(커스텀 UI, MCP servers) · Voice 고객지원 agent(guardrails/monitoring/transfers/logging)
- Google ADK: Investment analysis multi‑agent 시스템 · YouTube Shorts generator(script→image→voiceover) · Agent Engine deployment
- LangGraph: YouTube thumbnail generator(아이디어→선택→리파인 루프) · AI tutor(quizzing/teaching/Feynman, HITL, agent↔agent protocol)
피하면서 가세요 (실전에서 밟기 쉬운 지뢰)
- magic은 감탄을 부르지만, production clarity가 없으면 나중에 고생합니다.
- voice는 특수 케이스. 지금은 OpenAI Agents SDK 가중치↑.
- evals는 옵션이 아닙니다. ADK가 이를 문화로 만들어줌. 다른 곳도 따라가세요.
- logging/observability를 초반에 심어두세요. 이상 출력은 결국 모니터링으로 잡습니다.
- one mega‑agent의 유혹을 경계. 보통은 작게 쪼갠 specialized agents + 얇은 orchestrator가 현명합니다.
FAQ (2025 ver.)
Q1. 2025년에 “최고의” agent framework 하나만 꼽자면?
하나만 고르는 게 오히려 리스크입니다. 스택과 제약으로 고르세요: CrewAI(속도), Autogen(.NET), OpenAI SDK(OpenAI-first), Google ADK(Cloud+enterprise), LangGraph(커스텀).
Q2. 내일 POC가 필요합니다.
CrewAI로 prototype부터.
Q3. 우린 C# 팀, Azure 기반인데 괜찮나요?
네, Microsoft Autogen이 가장 자연스러운 선택.
Q4. OpenAI Agents SDK를 다른 model과 함께 써도 되나요?
가능은 하지만 경험 품질은 OpenAI-first가 확실히 좋습니다. 특히 hosted tools.
Q5. Google ADK 쓰면 Google model에 lock‑in될까요?
아니요. model‑agnostic합니다. 다만 Gemini와의 궁합이 탁월하죠.
Q6. built‑in UI랑 testing을 기본 제공하는 곳은?
Google ADK.
Q7. 우리 Workflow가 특이합니다.
LangGraph. 그래프‑우선이라 architecture를 원하는 대로 표현 가능합니다.
Q8. group chat agent도 여전히 유효합니까?
네. Autogen이 제일 손쉽습니다. 다만 강한 통제가 필요하면 hierarchical/graph가 더 깔끔할 때가 많아요.
Q9. 학습 로드맵 추천?
CrewAI → OpenAI SDK or Google ADK → LangGraph. 빠른 성공 → 실전 배포 → 궁극의 자유.
Q10. observability/guardrails는 어디가 편하죠?
OpenAI SDK는 tracing/guardrails 기본, ADK는 evals/testing까지. 나머지는 직접 스택을 짜셔야.
Q11. voice·real‑time이 중요합니다.
지금은 OpenAI Agents SDK 쪽이 우세.
Q12. vendor lock‑in 피하려면?
툴·model 경계에 interface를 두고, LangGraph로 architecture portability를 확보하세요.
기억하면 좋은 문장
- “Prototype은 CrewAI, 배포는 OpenAI SDK/Google ADK, 실험과 확장은 LangGraph.”
- “에이전트의 한계는 결국 당신이 고른 Architecture의 한계다.”
- “evals와 observability가 ‘감(感)’을 ‘사실’로 바꾼다.”
마무리 (부담은 낮추고, 속도는 올리고)
고민이 너무 길어지면 손이 굳습니다. 오늘 작은 것 하나 만드세요—summarizer든, job‑hunter든, thumbnail generator든. 그다음, 당장 막히는 부분을 가장 잘 지워주는 framework를 고르세요. 미래의 전부를 한 번에 해결하려 하지 않는 것, 그게 이 분야에서의 승리 공식입니다.
실전 예제 10+개를 묶은 AI Agents Masterclass에선 CrewAI, Autogen, OpenAI Agents SDK, Google ADK, LangGraph를 순차적으로 다루며 framework‑agnostic 역량을 키웁니다. 가볍게 시작해 실제 배포까지, 그리고 필요할 땐 최상급 커스터마이징까지—같이 가보죠.