인공지능 멀티 에이전트 개발 방법 정리

이 글은 인공지능 멀티 에이전트 개발 방법을 정리한 것이다. 

기술스택

crewai

높은 수준의 프레임워크로 포지셔닝된 CrewAI는 다양한 방식으로 협업할 수 있는 롤플레잉 에이전트로 구성된 "크루"의 생성이 용이하다. 

설치는 uv를 이용한다. 참고로, 현재 시점(2025.7)에서 윈도우 버전 설치는 불안정하며, 우분투 리눅스에 uv로 설치하면 좀 더 쉽게 설치할 수 있다. 

uv venv 

uv tool install crewai

• Installation - CrewAI

다음은 관련 예제이다.

• Quickstart - CrewAI
• Multi agent basic tutorial
• Financial Agent with Crew AI (python 3.12)
• Step by Step MAS(Multi agent system) development
• MAS with Clickhouse

Langchain

• Python based LangChain agent development, datacamp
• MAS development using LLM

langgraph

엄밀히 말하면 다중 에이전트 프레임워크는 아니지만 LangGraph를 사용하면 그래프 구조를 사용하여 행위자 간의 복잡한 상호 작용을 정의한다.

• MAS development using LangGraph
• RAG Research MAS development using LangGraph
• LangGraph and LangSmith base MAS development
• Research asistant MAS using LangChain and LangGraph
• TradingAgents: Multi-Agents LLM Financial Trading Framework
• LLM Multi-Agents

Autogen

Microsoft에서 개발한 AutoGen은 대화형 접근 방식을 사용하며 다중 에이전트 시스템을 위한 초기 프레임워크 중 하나이다.

Swarm

• MAS using LLM, Swarm

기타, Carmel, Agno 등이 있다. 

레퍼런스

• Multi-Agent Report Generation with AgentWorkflow - LlamaIndex
• MAS-GPT: Training LLMs To Build LLM-Based Multi-Agent Systems with paper
• LLM 에이전트의 이해: 개념, 패턴 및 프레임워크
• 다중 에이전트 AI 애플리케이션을 구축하기 위한 최고의 5가지 프레임워크
• LangGraph 기반 에이전트 시스템
• LLM 기반 다중 에이전트 시스템의 품질 보증 테스트 방법론
• 2024년 다중 에이전트 LLM | SuperAnnotate
• AWS에서 다중 에이전트 시스템을 구축하는 세 가지 방법 - DEV Community