LangChain · oxicode-sdk · Claude Agent SDK · pi — 한 렌즈로 읽는 에이전트 프레임워크

한 줄 정의 — 네 프레임워크의 자기소개

핵심 프레임 — 제어 흐름의 소유권 4티어

모든 에이전트 시스템은 "에이전트 루프(모델→도구→결과→재호출)를 누가 소유하는가"로 정렬된다. 아래로 갈수록 자율성·편의성이 커지고, 루프를 내 손으로 고칠 수 있는 폭은 줄어든다.

LangChain 공식도 같은 스펙트럼을 인정한다 — "LangGraph가 최대 결정성, LangChain 중간, Deep Agents 최대 agency. 자율성이 많을수록 잠재 가치는 높지만 신뢰성은 떨어진다." (deep-agents-vs-langchain-vs-langgraph, 2026-08-06)

같은 질문, 네 가지 답 — "hello, agent"

같은 작업을 네 SDK로 각각 부르는 모습. 모양은 닮았다(진입 1번 + 소비) — 차이는 무엇이 고정되고 무엇이 열려 있는가다.

agent = create_agent(
    model="openai:gpt-5",
    tools=[retrieve_docs, query_erp],     # RAG + SI 시스템 조회
    middleware=[SummarizationMiddleware(),
                HumanInTheLoopMiddleware()],
)
result = agent.invoke({"messages": [...]})

let oxi = OxicodeBuilder::new()
    .with_builtins()               // fs/inmem 참조 어댑터
    .with_ports(my_ports())        // AccessGate·AuditTrail·CostTracker…
    .api_key(env)?;                // kernel_handle/engine_api.rs:1460 패턴
let mut agent = oxi.agent().build();
agent.run_streaming(prompt, |ev| match ev { ... })?;  // AgentEvent 스트림

async for msg in query(prompt="이 버그 찾아서 고쳐줘", options=Options(
    allowed_tools=["Read", "Edit", "Bash"],
    permission_mode="acceptEdits",
)):
    print(msg)   # SystemMessage → AssistantMessage → … → ResultMessage

const { session } = await createAgentSession({
    sessionManager: SessionManager.inMemory(),
    modelRuntime: await ModelRuntime.create(),
});
session.subscribe(ev => render(ev));
await session.prompt("What files are here?");

4생태계를 같은 해부도로 — harness · framework · runtime · wire

LangChain이 3계층(harness→framework→runtime)을 공식화했는데, oxi와 pi도 같은 층위로 잘린다. 아래 대응은 본 페이지의 해석 렌즈다(사실 관계는 각 셀의 근거 참조).

읽을거리: 같은 층위가 존재해도 방향이 다르다 — LangChain은 위에서 아래로(완결 harness를 목표로 계층 추가), oxi는 아래에서 위로(와이어 → 루프 → 계약 → 제품), pi는 부품별 분리, Anthropic은 제품(Claude Code)을 SDK로 역수출했다.

4대 SDK 심층 카드

시나리오별 선택 가이드 — 무엇을 만들 때 무엇을 쓰나

"어떤 게 더 좋은 프레임워크냐"는 잘못된 질문이다. 요구되는 제어 흐름의 위치가 프레임워크를 결정한다.

나머지 생태계 — 11종 스냅샷 (2026-08 기준)

면접 답변 템플릿

1. "LangChain과 oxicode-sdk는 둘 다 에이전트 프레임워크인데, 근본 차이가 뭐라고 생각하세요?"

   제어 흐름의 소유권과 추상화의 방향입니다. 두 SDK 모두 루프를 프레임워크가 돌린다는 점은 같지만, LangChain은 '기능을 주는' 방향 — 벡터스토어·로더·모델 통합을 가져다주고 middleware 훅으로 개입하게 합니다. oxicode-sdk는 '계약을 요구하는' 방향 — 16개 port trait을 정의하고 권한·감사·메모리 구현을 제품에게 되돌려주는 제어 역전(hexagonal)입니다. 그래서 LangChain은 생태계의 폭이, oxicode-sdk는 통제의 깊이가 강점이 됩니다.

2. "회사 챗봇을 만든다면 뭘 쓰시겠어요?"

   요구사항이 RAG + 멀턴 대화 + 내부 시스템 연동 + 승인 워크플로라면 LangChain create_agent에 checkpointer(Postgres)를 붙이는 게 기본값이라고 답합니다. 이유는 통합의 폭, 모델 중립성, 그리고 유지보수 인수인계까지 고려한 인력 풀입니다. 다만 '모델이 매 단계 결정하는 루프'가 부적합한 결정적 파이프라인이 섞여 있으면 그 부분만 LangGraph 그래프로 분리하고, TS 풀스택이면 Vercel AI SDK v6도 강력한 대안이라고 덧붙입니다.

3. "Claude Agent SDK는 query() 하나만 노출하던데, 왜 그렇게 설계했을까요?"

   harness의 완결성 때문입니다. 문서가 명시하듯 툴 실행·컨텍스트 관리가 '코드로 제어를 돌려주지 않고' SDK 안에서 일어납니다. 개발자는 루프를 설계하지 않고 정책(options)만 설계합니다 — 권한 모드 6종, can_use_tool 콜백, hooks, 샌드박스. 장점은 최소 구현으로 자율 에이전트를 얻는 것이고, 단점은 루프 내부를 열 수 없어 도메인 특화 재설계가 불가능하다는 것. Anthropic 전용이라는 결합도 있습니다.

4. "MCP에 대해 어떻게 생각하세요?"

   생태계마다 온도차가 큽니다. Claude Agent SDK는 MCP가 핵심 확장 계층(인프로세스 SDK MCP 서버, ToolSearch로 온디맨드 로드), oxicode-sdk는 mcp_tools 팩토리로 내장, 반면 pi는 코어에 MCP가 없고 서드파티 pi-mcp-adapter가 도구 정의 전부 대신 프록시 툴 1개(~200 tokens)로 게으르게 로드합니다. 저자는 'MCP 없이 CLI 도구와 코드로 충분하다'고 주장하죠. 제 답은 '도구 수가 적으면 CLI 조합, 많으면 MCP + 지연 로드'입니다.

5. "프레임워크 없이 SDK 직접 쓰는 건 어떤가요?"

   실측 비판이 있는 문제입니다 — LangChain Embeddings는 5줄을 줄이려고 773줄 래퍼와 설정 30개를 얹었습니다. 단순 tool-calling 루프라면 Client SDK로 20줄 안에 직접 짜는 게 디버깅도 명확합니다. 단, 체크포인트·HITL·멀턴 상태·관측까지 요구가 커지면 그 지점부터 프레임워크 비용이 상쇄됩니다. 판단 기준은 '내가 소유해야 하는 제어 흐름이 어디까지인가'입니다.

6. "AutoGen은 어때요?"

   2025-10에 Microsoft가 maintenance mode로 전환하고 Semantic Kernel과 합쳐 Microsoft Agent Framework를 권고했습니다. 커뮤니티 포크 AG2가 v1.0을 냈지만 신규 채택은 비권장 — 대화형 멀티에이전트가 필요하면 LangGraph supervisor/swarm이나 MS Agent Framework를 답합니다.