안녕하세요. 수수입니다.
2026년, AI는 “대화”를 넘어 “행동”하는 시대로 진입했습니다. 이메일을 대신 보내고, 여행을 예약하고, 코드를 짜고, 메신저로 보고하는 AI 에이전트가 본격화되면서, 이를 구동하는 에이전트 엔진(프레임워크)의 선택이 그 어느 때보다 중요해졌습니다.
특히 GitHub Stars 35만을 돌파하며 바이럴을 일으킨 OpenClaw, 자가 학습이라는 독보적 컨셉의 Hermes Agent 등 새로운 플레이어들이 등장하면서 선택지가 크게 늘었습니다.
이번 포스팅에서는 2026년 4월 기준, 주목할 만한 AI 에이전트 엔진 10종을 비교 분석합니다.
30초 핵심 요약
| 용도 | 추천 엔진 |
|---|
| 자체 호스팅 + 메신저 통합 | OpenClaw |
| 자가 학습 + 저비용 운영 | Hermes Agent |
| 프로덕션 워크플로우 | LangGraph |
| 빠른 프로토타이핑 | CrewAI |
| TypeScript 개발팀 | Mastra |
| OpenAI 생태계 | OpenAI Agents SDK |
| Claude 생태계 | Claude Agent SDK |
| Google 생태계 | Google ADK |
| 노코드/로우코드 | Dify |
| 초경량/미니멀 | Smolagents (HuggingFace) |
한눈에 보는 비교표
| 엔진 | GitHub Stars | 라이선스 | 지원 LLM | 자체 호스팅 | 핵심 강점 |
|---|
| OpenClaw | 351K+ | MIT | 모든 LLM | O | 20+ 메신저 통합, 100+ 스킬 |
| Hermes Agent | 33K+ | MIT | 모든 LLM | O | 자가 학습, 3계층 메모리 |
| LangGraph | 25K+ | MIT | 모든 LLM | O | 그래프 기반, 프로덕션 최강 |
| CrewAI | 46K+ | 오픈코어 | 모든 LLM | O | 역할 기반 팀, 빠른 프로토타이핑 |
| Mastra | 22K+ | MIT | 모든 LLM | O | TS-first, Gatsby 팀 제작 |
| OpenAI Agents SDK | 19K+ | MIT | OpenAI 전용 | X | Responses API 연동 |
| Claude Agent SDK | - | MIT | Claude 전용 | X | MCP 네이티브 |
| Google ADK | 17K+ | Apache 2.0 | 모든 LLM | O | Google 내부 동일 기반 |
| AutoGen | 55K+ | MIT | 모든 LLM | O | MS 스택 통합, 멀티에이전트 대화 |
| Dify | 129K+ | 오픈코어 | 수백 개 LLM | O | 비주얼 UI, 노코드/로우코드 |
1. OpenClaw — 2026년 가장 핫한 AI 에이전트
“Your own personal AI assistant. Any OS. Any Platform.”
| 항목 | 내용 |
|---|
| GitHub | openclaw/openclaw — 351K+ Stars |
| 출시 | 2025년 (Clawdbot) → 2026년 1월 OpenClaw로 리네이밍 |
| 언어 | Node.js (TypeScript) |
| 라이선스 | MIT (완전 무료) |
| 설치 | npm install -g openclaw@latest |
주요 특징
- 24+ 메신저 채널 통합: WhatsApp, Telegram, Slack, Discord, Signal, iMessage, Teams, LINE, WeChat 등
- 100+ AgentSkills: 이메일, 캘린더, 스마트홈, 웹 스크래핑, DevOps 등 사전 구성된 스킬 번들
- 브라우저 자동화: Chromium 기반 웹 제어 및 스크래핑
- 음성 인터페이스: 웨이크워드 감지(macOS/iOS), 연속 음성 모드(Android), ElevenLabs 연동
- Live Canvas: 에이전트가 실시간으로 UI를 조작하는 비주얼 워크스페이스
- 멀티디바이스: macOS, iOS, Android 컴패니언 앱 (카메라, 화면 녹화, 알림)
- 자동화: 크론잡, 웹훅, Gmail Pub/Sub 통합
- 멀티에이전트 라우팅: 채널별로 독립된 에이전트 워크스페이스 할당
지원 모델
모델에 구애받지 않는 모델 무관(Model-Agnostic) 설계:
- Claude (Anthropic), GPT (OpenAI), DeepSeek 등 클라우드 LLM
- Ollama 등을 통한 로컬 LLM 운영 가능
- API 키 / OAuth 자동 페일오버
장점
- 완전 무료 + 오픈소스 (API 비용만 발생)
- 프라이버시 최우선: 로컬 실행, 데이터 자체 보유
- 메신저 통합 범위가 압도적 (경쟁자 대비 최다)
- 351K Stars — 가장 활발한 커뮤니티
- 메모리를 로컬 Markdown으로 저장 (투명성, 이식성)
단점 및 리스크
- 보안 우려: 이메일·캘린더·쉘 접근 권한 → 잘못 설정 시 심각한 보안 위험
- 프롬프트 인젝션 취약: 데이터에 포함된 악의적 지시를 실행할 수 있음
- 설정 복잡도: 비기술 사용자에게는 진입장벽 높음
- 창립자 이탈: Peter Steinberger가 2026년 2월 OpenAI에 합류 → 비영리 재단으로 운영 전환 중, 장기 영향 미지수
최근 동향
- 2026년 1월: OpenClaw로 공식 리네이밍
- 2026년 2월: GitHub Stars 10만 돌파, 창립자 OpenAI 합류 발표
- 2026년 4월: 5,000+ 이슈, 70,000+ 포크, 활발한 개발 지속
2. Hermes Agent — 쓸수록 똑똑해지는 AI
“The agent that grows with you.”
| 항목 | 내용 |
|---|
| GitHub | NousResearch/hermes-agent — 33K+ Stars |
| 출시 | 2026년 2월 26일 |
| 최신 버전 | v0.7.0 (2026년 4월 3일) |
| 언어 | Python |
| 라이선스 | MIT (완전 무료) |
| 운영 비용 | $5/월 VPS에서 운영 가능 |
핵심 차별점 — 자가 학습 루프
Hermes Agent의 가장 독보적인 특징은 경험에서 스킬을 자동 생성하고 개선하는 자가 학습 시스템입니다.
| 기능 | 설명 |
|---|
| 스킬 자동 생성 | 복잡한 작업 완료 후 재사용 가능한 프로시저를 자동 저장 |
| 실시간 스킬 개선 | 사용 중 스킬이 점진적으로 최적화 |
| 에피소딕 메모리 | 과거 작업 기록을 시맨틱 검색으로 유사 작업에 활용 |
| 사용자 프로파일링 | 세션을 거듭할수록 사용자 모델이 깊어짐 |
3계층 메모리 아키텍처
| 계층 | 역할 | 기술 |
|---|
| 단기 메모리 | 현재 대화 컨텍스트 | 활성 세션 |
| 장기 메모리 | 영속적 지식 저장 | SQLite + FTS5 (10ms 검색/10,000+ 스킬) |
| 에피소딕 메모리 | 과거 작업 기록 | 타임스탬프 기반 패턴 매칭 |
지원 플랫폼 및 모델
14+ 메신저: Telegram, Discord, Slack, WhatsApp, Signal, Matrix, Mattermost, Email, SMS, DingTalk, Feishu, WeCom, Home Assistant 등
모델: Nous Portal, OpenRouter(200+ 모델), OpenAI, Anthropic, Ollama(로컬), z.ai/GLM, Kimi/Moonshot 등 — hermes model 명령어 하나로 전환
장점
- 자가 학습: 유일하게 경험 기반 학습 루프를 내장한 에이전트 프레임워크
- 초저비용: $5/월 VPS + API 비용으로 총 $10~40/월
- 완전한 데이터 주권: 텔레메트리 없음, 클라우드 종속 없음
- 40+ 내장 도구: 파일 조작, 웹 브라우징, 쉘 실행, 코드 샌드박스, SSH 등
- 연구 친화적: RL 트레이닝용 배치 궤적 생성, Atropos RL 환경
단점 및 한계
- 모델 의존도: 프론티어 모델(GPT-4o, Claude)은 우수하나, 로컬 70B 모델은 도구 선택·추론에서 “눈에 띄게 약함”
- 학습은 검색 기반: 모델 가중치를 업데이트하는 것이 아니라 더 나은 검색으로 개선
- 초기 세션은 평범: 에피소딕 메모리의 이점은 반복 사용 후에야 체감
- IDE 통합 없음: 터미널 전용 (VS Code, JetBrains 플러그인 없음)
- Windows는 WSL2 필수: 네이티브 Windows 미지원
Hermes vs OpenClaw
두 프레임워크는 경쟁이 아닌 보완 관계로 커뮤니티에서 평가됩니다.
| 구분 | OpenClaw | Hermes Agent |
|---|
| 강점 | 멀티채널 운영, 팀 워크플로우, 생태계 | 학습 루프, 영속 메모리, 장기 작업 |
| 약점 | 학습 기능 없음 | 채널 수 적음 |
| 마이그레이션 | - | hermes claw migrate 명령어로 OpenClaw에서 이전 지원 |
3. LangGraph — 프로덕션 배포의 표준
그래프 기반 아키텍처로 복잡한 에이전트 워크플로우를 제어
| 항목 | 내용 |
|---|
| GitHub Stars | 25K+ (월 3,450만 npm 다운로드) |
| 개발사 | LangChain |
| 언어 | Python / JavaScript |
| 프로덕션 사례 | Klarna, Cisco, Vizient 등 |
핵심 특징
- 노드 + 엣지 구조로 에이전트 행동을 그래프로 모델링
- 체크포인팅: 중간 상태 저장·복원으로 안정적 실행
- LangSmith 옵저버빌리티: 실시간 모니터링·디버깅
- 스트리밍 지원: 토큰 단위 응답 스트리밍
장단점
| 장점 | 단점 |
|---|
| 제어력과 유연성 최고 | 학습 곡선이 가장 가파름 |
| 프로덕션 검증 완료 | 간단한 작업에는 과도한 설계 |
| LangChain 생태계와 통합 | 보일러플레이트 코드 많음 |
4. CrewAI — 가장 빠른 프로토타이핑
역할 기반 에이전트 팀으로 직관적인 협업 구현
| 항목 | 내용 |
|---|
| GitHub Stars | 46K+ |
| 언어 | Python |
| 최신 | v1.10.1 (MCP, A2A 지원) |
| 처리량 | 일 1,200만 에이전트 실행 |
핵심 특징
- 역할·목표·배경 메타포로 에이전트를 직관적으로 정의
- YAML 설정: 코드 최소화
- MCP / A2A 네이티브 지원: 에이전트 간 통신 표준 대응
- LangGraph 대비 40% 빠른 프로토타이핑
장단점
| 장점 | 단점 |
|---|
| 가장 직관적인 인터페이스 | 복잡한 워크플로우에서 제어력 부족 |
| 빠른 시작, 빠른 결과 | 대규모 프로덕션에서 LangGraph 대비 열위 |
| YAML 기반 간편 설정 | Enterprise 기능은 유료 |
5. 빅테크 공식 SDK 비교
OpenAI Agents SDK
| 항목 | 내용 |
|---|
| GitHub Stars | 19K+ |
| 위치 | Swarm(실험적) → Agents SDK(공식) |
| 지원 모델 | OpenAI 전용 (GPT-4o, o3 등) |
| 특징 | Responses API 통합, 웹 검색·파일 검색·컴퓨터 사용 내장 |
| 비용 | SDK 무료, API 사용료 별도 (o3 기준 $3/1M 입력, $12/1M 출력) |
| 참고 | Assistants API는 2026년 중반 폐지 예정 |
Claude Agent SDK (Anthropic)
| 항목 | 내용 |
|---|
| 버전 | Python v0.1.48 / TypeScript v0.2.71 |
| 지원 모델 | Claude 전용 (Opus 4.6, Sonnet 4.6 등) |
| 핵심 | MCP(Model Context Protocol) 네이티브 — Slack, GitHub, Google Drive 등 OAuth 없이 연동 |
| 특징 | Claude Code와 동일 런타임, Apple Xcode 통합 지원 |
Google ADK
| 항목 | 내용 |
|---|
| GitHub Stars | 17K+ |
| 출시 | Google Cloud NEXT 2025 |
| 핵심 | Google 내부 Agentspace와 동일 기반 |
| 지원 모델 | Gemini 중심이나 모델 무관 설계 |
| 강점 | 엔터프라이즈급 기능, Google 서비스 네이티브 연동 |
빅테크 SDK 비교 요약
| 항목 | OpenAI Agents SDK | Claude Agent SDK | Google ADK |
|---|
| 모델 종속 | OpenAI 전용 | Claude 전용 | 모델 무관 |
| 도구 연결 | Responses API | MCP 프로토콜 | Google Tools |
| 오픈소스 | MIT | MIT | Apache 2.0 |
| 강점 | 가장 큰 사용자 기반 | MCP 생태계, Xcode 통합 | Google 서비스 통합 |
| 약점 | 벤더 종속 | 벤더 종속 | 문서 부족 |
6. 주목할 신흥 프레임워크
Mastra — TypeScript 팀의 선택
| 항목 | 내용 |
|---|
| GitHub Stars | 22K+ (주간 30만+ npm 다운로드) |
| 개발팀 | Gatsby 팀 출신 |
| 출시 | 2026년 1월 (v1.0) |
| 핵심 | TypeScript-first, OpenTelemetry 내장, Vercel/Cloudflare 원커맨드 배포 |
Dify — 비개발자를 위한 에이전트
| 항목 | 내용 |
|---|
| GitHub Stars | 129K+ |
| 핵심 | 비주얼 UI로 에이전트 구축, 수백 개 LLM 지원 |
| 용도 | 노코드/로우코드 에이전트 개발 |
Smolagents (HuggingFace) — 초경량 미니멀리스트
| 항목 | 내용 |
|---|
| 규모 | 약 1,000줄 코드 |
| 핵심 | HuggingFace 모델과 긴밀 통합, 최소한의 추상화 |
| 용도 | 간단한 에이전트, 빠른 실험 |
용도별 추천 가이드
개인 AI 비서를 원한다면
| 상황 | 추천 |
|---|
| 카톡·텔레그램으로 AI 비서를 쓰고 싶다 | OpenClaw |
| 쓸수록 나를 잘 아는 AI를 원한다 | Hermes Agent |
| 둘 다 원한다 | OpenClaw + Hermes (보완적 사용) |
개발자/팀을 위한 선택
| 상황 | 추천 |
|---|
| 프로덕션에 배포할 복잡한 워크플로우 | LangGraph |
| 빠르게 MVP를 만들고 싶다 | CrewAI |
| TypeScript 프로젝트 | Mastra 또는 Vercel AI SDK |
| 이미 OpenAI API를 쓰고 있다 | OpenAI Agents SDK |
| Claude를 주력으로 쓴다 | Claude Agent SDK |
| Google Workspace 중심 | Google ADK |
| Microsoft 환경 | AutoGen 또는 Semantic Kernel |
비개발자를 위한 선택
| 상황 | 추천 |
|---|
| 코딩 없이 AI 에이전트를 만들고 싶다 | Dify |
| 워크플로우 자동화가 핵심 | n8n |
2026년 AI 에이전트 트렌드
1. MCP/A2A 프로토콜 표준화
MCP(Model Context Protocol)와 A2A(Agent-to-Agent) 프로토콜이 에이전트 간 통신과 도구 연결의 표준으로 자리잡고 있습니다. CrewAI v1.10.1은 이미 양쪽 모두 네이티브 지원합니다.
2. 자가 학습 에이전트의 등장
Hermes Agent가 선도하는 경험 기반 자가 학습이 차세대 에이전트의 핵심 기능으로 부상하고 있습니다. 단순한 도구 실행을 넘어, 사용할수록 똑똑해지는 에이전트를 향한 경쟁이 시작되었습니다.
3. 모든 빅테크가 자체 SDK 보유
OpenAI, Anthropic, Google, Microsoft 모두 공식 에이전트 프레임워크를 출시했습니다. 각자의 모델 생태계에 최적화된 SDK를 제공하면서 플랫폼 종속(Lock-in)이 새로운 이슈로 떠오르고 있습니다.
4. 177+ 프레임워크, 실질적 선택지는 10개
에이전트 생태계가 폭발적으로 성장하여 177개 이상의 프레임워크가 존재하지만, 실제로 프로덕션에서 검증된 선택지는 위에서 다룬 10개 내외입니다.
최종 비교 요약
| 기준 | OpenClaw | Hermes | LangGraph | CrewAI | OpenAI SDK | Claude SDK |
|---|
| 메신저 통합 | 24+ | 14+ | 없음 | 없음 | 없음 | 없음 |
| 자가 학습 | X | O | X | X | X | X |
| 프로덕션 성숙도 | 중 | 초기 | 최고 | 높음 | 높음 | 중 |
| 학습 곡선 | 중 | 중 | 높음 | 낮음 | 낮음 | 낮음 |
| 모델 자유도 | 모든 LLM | 모든 LLM | 모든 LLM | 모든 LLM | OpenAI만 | Claude만 |
| 비용 | 무료+API | 무료+API | 무료+API | 무료/유료 | 무료+API | 무료+API |
| 자체 호스팅 | O | O | O | O | X | X |
| 커뮤니티 | 351K Stars | 33K Stars | 25K Stars | 46K Stars | 19K Stars | - |
마무리
AI 에이전트 프레임워크의 선택은 “최고의 엔진”이 아니라 “나에게 맞는 엔진”을 찾는 것입니다.
- 개인 AI 비서가 목표라면 → OpenClaw 또는 Hermes Agent
- 업무 자동화 프로덕션이 목표라면 → LangGraph 또는 CrewAI
- 특정 AI 생태계에 올인했다면 → 해당 빅테크의 공식 SDK
어떤 엔진을 선택하든, 2026년은 AI가 “말하는 도구”에서 “일하는 동료”로 전환되는 원년입니다. 직접 설치하고 써보는 것이 가장 좋은 비교 방법입니다.
관련 포스팅
참고 자료:
