> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
> Use this file to discover all available pages before exploring further.

# 프레임워크 종합 비교과 프레임워크 선택 가이드 -- 의사결정 트리

> 이 문서는 **[GenAI 개념](/blog/guides/genai-concepts/overview)** 섹션의 일부입니다.

프레임워크 종합 비교 테이블, 의사결정 트리, Agent UI 개요, 2025년 생태계 트렌드, 고객 FAQ, 연습문제를 다룹니다.

***

## 프레임워크 종합 비교

### 전체 비교표

| 항목              | LangChain      | LangGraph       | CrewAI   | OpenAI SDK  | AutoGen  | Databricks          |
| --------------- | -------------- | --------------- | -------- | ----------- | -------- | ------------------- |
| **설계 철학**       | 체인 (순차 연결)     | 그래프 (유향 그래프)    | 역할/팀     | 핸드오프        | 대화 기반    | 엔터프라이즈 운영           |
| **학습 난이도**      | 중간             | 높음              | 낮음       | 낮음          | 중간       | 중간                  |
| **유연성**         | 높음             | 매우 높음           | 중간       | 중간          | 높음       | 중간                  |
| **프로덕션 적합성**    | 부분적            | 좋음              | 제한적      | 좋음          | 제한적      | 최적                  |
| **Multi-Agent** | 기본             | 우수              | 우수       | 좋음          | 우수       | 좋음                  |
| **상태 관리**       | Memory (제한적)   | Checkpoint (강력) | 내부 관리    | 기본          | 대화 히스토리  | MLflow + UC         |
| **모델 종속성**      | 없음 (700+)      | 없음              | 없음       | OpenAI 중심   | 없음       | 없음 (FMAPI)          |
| **거버넌스**        | 없음             | 없음              | 없음       | 기본          | 없음       | 네이티브 (UC)           |
| **MLflow 통합**   | 플러그인           | 플러그인            | 플러그인     | 커스텀         | 커스텀      | 네이티브                |
| **배포**          | 자체 구축 필요       | 자체 구축 필요        | 자체 구축 필요 | OpenAI 호스팅  | 자체 구축 필요 | 원클릭 서버리스            |
| **Tracing**     | LangSmith (유료) | LangSmith (유료)  | 제한적      | OpenAI 대시보드 | 제한적      | MLflow Tracing (무료) |
| **커뮤니티**        | 매우 큼           | 큼               | 중간       | 큼           | 중간       | Databricks 커뮤니티     |
| **주요 사용처**      | PoC, 프로토타입     | 복잡한 워크플로        | 빠른 데모    | OpenAI 생태계  | 연구/실험    | 엔터프라이즈 배포           |

### 성격별 비교

> **참고**
> **한 줄 요약**:

* **LangChain**= "레고 블록 세트" (다양하지만 복잡)
* **LangGraph**= "프로그래밍 가능한 회로판" (강력하지만 어려움)
* **CrewAI**= "팀 빌딩 게임" (직관적이지만 제한적)
* **OpenAI SDK**= "콜센터 시스템" (깔끔하지만 OpenAI 한정)
* **AutoGen**= "자유 토론방" (창의적이지만 예측 불가)
* **Databricks**= "기업용 관제탑" (안전하지만 플랫폼 종속)

***

## 프레임워크 선택 가이드 -- 의사결정 트리

### 시나리오별 추천

| 시나리오                    | 추천 프레임워크                                    | 이유                       |
| ----------------------- | ------------------------------------------- | ------------------------ |
| 빠른 프로토타입/데모가 목표         | **CrewAI**                                  | 10분 내에 멀티에이전트 데모 가능      |
| 복잡한 워크플로 + 조건 분기        | **LangGraph**                               | 유향 그래프로 어떤 흐름이든 표현 가능    |
| OpenAI만 사용 + 핸드오프 패턴    | **OpenAI Agents SDK**                       | 가장 깔끔한 Handoff 구현        |
| Databricks 환경에서 프로덕션 배포 | **Databricks Agent Framework**(+ LangGraph) | 거버넌스, 모니터링, 원클릭 배포       |
| 연구/실험 + 코드 실행           | **AutoGen**                                 | Agent 간 자유 대화 + 코드 실행 내장 |
| RAG 파이프라인만 필요           | **LangChain**(LCEL)                         | 간단한 파이프라인에 적합            |
| 기존 LangChain 코드 마이그레이션  | **LangGraph**                               | LangChain 컴포넌트 재사용 가능    |

### 의사결정 흐름

```
[시작] 어떤 Agent를 만들려는가?
│
├── "단순 RAG / QA 봇"
│   └── LangChain LCEL 또는 Databricks Agent Bricks (Knowledge Assistant)
│
├── "복잡한 멀티스텝 워크플로"
│   ├── Databricks 환경?
│   │   ├── YES → LangGraph + Databricks Agent Framework
│   │   └── NO  → LangGraph 단독
│   └── 조건 분기/루프 필요?
│       ├── YES → LangGraph
│       └── NO  → LangChain LCEL
│
├── "멀티에이전트 협업"
│   ├── 역할 기반 (리서처, 작성자 등)?
│   │   ├── 프로덕션? → LangGraph Multi-Agent
│   │   └── PoC/데모? → CrewAI
│   ├── 대화 기반 (자유 토론)?
│   │   └── AutoGen
│   └── 라우팅/핸드오프?
│       ├── OpenAI만 사용? → OpenAI Agents SDK
│       └── 모델 무관? → LangGraph Swarm 패턴
│
└── "엔터프라이즈 프로덕션"
    └── Databricks Agent Framework (빌드 프레임워크는 선택)
        ├── 복잡한 로직 → + LangGraph
        ├── 간단한 로직 → + 순수 Python
        └── 노코드 → Agent Bricks
```

> **주의**
> **실전 팁**: 프레임워크 선택에 너무 많은 시간을 쓰지 마세요. 중요한 것은 "어떤 프레임워크를 쓰느냐"가 아니라 "Agent가 해결하는 비즈니스 문제가 무엇인가"입니다. 대부분의 엔터프라이즈 시나리오에서는 **LangGraph + Databricks Agent Framework** 조합이 정답입니다.

***

## Agent UI/배포 기술 스택

Agent를 만들었다면 사용자가 상호작용할 UI가 필요합니다. 용도와 환경에 따라 적합한 프론트엔드 기술이 다릅니다.

### 주요 프론트엔드 기술

| 기술                  | 특징                                           | 적합한 용도               |
| ------------------- | -------------------------------------------- | -------------------- |
| **Streamlit**       | Python만으로 웹앱 구축. 가장 빠른 프로토타이핑                | PoC, 내부 도구, 데이터 대시보드 |
| **Gradio**          | ML 모델 데모 특화. Hugging Face 통합                 | 모델 데모, 인터랙티브 ML 실험   |
| **Chainlit**        | LangChain/LangGraph 전용 채팅 UI. 대화형 Agent에 최적화 | Agent 채팅 인터페이스       |
| **Databricks Apps** | Databricks 네이티브 웹앱 호스팅. OAuth 통합             | 프로덕션 엔터프라이즈 앱        |

### 비교표

| 항목                | Streamlit               | Gradio             | Chainlit   | Databricks Apps                 |
| ----------------- | ----------------------- | ------------------ | ---------- | ------------------------------- |
| **언어**            | Python                  | Python             | Python     | Python (Streamlit/Dash/FastAPI) |
| **학습 난이도**        | 매우 낮음                   | 낮음                 | 낮음         | 중간                              |
| **UI 자유도**        | 중간                      | 낮음                 | 낮음 (채팅 특화) | 높음 (프레임워크 선택 가능)                |
| **채팅 UI**         | `st.chat_message`       | `gr.ChatInterface` | 네이티브 지원    | Streamlit 기반                    |
| **스트리밍**          | `st.write_stream`       | 지원                 | 네이티브 지원    | Streamlit 기반                    |
| **인증**            | 없음 (자체 구현)              | 없음                 | 없음         | OAuth 통합 (Databricks)           |
| **프로덕션 적합성**      | 제한적                     | 제한적                | 제한적        | 우수                              |
| **배포**            | Streamlit Cloud / 자체 서버 | HF Spaces / 자체 서버  | 자체 서버      | Databricks 서버리스                 |
| **Databricks 통합** | SDK 연동 필요               | SDK 연동 필요          | SDK 연동 필요  | 네이티브 (서비스 프린시펄)                 |

> **참고**
> **추천 경로**: PoC 단계에서는 Streamlit으로 빠르게 만들고, 프로덕션에서는 Databricks Apps(Streamlit 호스팅)로 배포하면 코드 변경 최소화로 인증/보안이 자동 적용됩니다.

### Agent UI 코드 예시 (Streamlit + Databricks Model Serving)

```python theme={null}
import streamlit as st
from databricks.sdk import WorkspaceClient

st.title("고객 서비스 Agent")

# Databricks 클라이언트 초기화
w = WorkspaceClient()

# 대화 히스토리 관리
if "messages" not in st.session_state:
    st.session_state.messages = []

# 기존 메시지 표시
for msg in st.session_state.messages:
    with st.chat_message(msg["role"]):
        st.markdown(msg["content"])

# 사용자 입력
if prompt := st.chat_input("질문을 입력하세요"):
    st.session_state.messages.append({"role": "user", "content": prompt})
    with st.chat_message("user"):
        st.markdown(prompt)

    # Agent 호출 (Model Serving Endpoint)
    with st.chat_message("assistant"):
        response = w.serving_endpoints.query(
            name="customer-service-agent",
            messages=st.session_state.messages,
        )
        answer = response.choices[0].message.content
        st.markdown(answer)
        st.session_state.messages.append(
            {"role": "assistant", "content": answer}
        )
```

***