AI 에이전트를 구축할 때 고려해야 할 세 가지 핵심 계층인 Deep Agents, LangChain, 그리고 LangGraph의 차이점과 각각의 활용 시점을 설명해 드립니다. 먼저, Deep Agents는 바로 사용할 수 있는 'agent harness'입니다. context management를 위한 filesystem, specialized work를 위한 subagents, 그리고 memory 기능 등을 기본적으로 제공하여, 개발자가 복잡한 설정 없이도 best practices가 적용된 에이전트를 빠르게 만들 수 있도록 도와줍니다. LangChain은 'agent framework'로, LLM과 도구를 연결하는 최소한의 추상화 계층을 제공합니다. 매우 유연하며, 개발자가 에이전트의 loop를 직접 수정하거나 middleware를 통해 특정 단계를 추가하는 등 세밀한 제어가 필요할 때 매우 유용합니다. 마지막으로 LangGraph는 'agent runtime'입니다. 그래프 기반의 프레임워크로서, 복잡한 워크플로우를 deterministic하게 제어할 수 있게 해줍니다. human-in-the-loop, fault tolerance, observability 기능을 지원하여 정교한 에이전트 워크플로우를 설계할 때 필수적입니다. 결론적으로, 빠르고 강력한 에이전트가 필요하다면 Deep Agents로 시작하시고, 더 세밀한 제어나 커스텀 워크플로우가 필요하다면 LangChain과 LangGraph를 활용해 보세요. 이 세 가지는 서로 보완적이며 함께 조합하여 사용할 수 있습니다!