all-agentic-architectures: 통합 API와 비교 벤치마크를 갖춘 35개의 프로덕션급 에이전트 AI 패턴 라이브러리

해결하고자 하는 문제

이 프로젝트는 에이전트 AI 패턴을 구현하기 위한 통합 Python 라이브러리와 교육 자료를 제공합니다. 문헌에 나와 있는 복잡한 에이전트 아키텍처를 직접 구현할 필요를 없애고, 일관된 API를 가진 35개의 프로덕션급 패턴을 제공함으로써 특정 작업에 대해 다양한 에이전트 전략을 손쉽게 교체하고 비교할 수 있게 합니다.

작동 방식

LangGraph 상태 머신 위에 구축된 이 라이브러리는 각 에이전트 패턴을 실행 가능한 Architecture 클래스로 패키징합니다. "deterministic-picker pattern"을 사용해 LLM-as-Scorer가 자유 텍스트가 아닌 불리언이나 열거형과 같은 범주형 특성에 커밋하도록 하여, 최종 의사결정 로직을 Python이 처리하도록 합니다. 이 라이브러리는 제공자에 구애받지 않으며, Nebius, OpenAI, Anthropic, Groq 등 여러 LLM 제공자를 단일 환경 변수만으로 지원합니다.

대상 사용자

에이전트 아키텍처(예: Reflection, ReAct, GraphRAG 등)를 구현·테스트·벤치마크하고 싶지만 보일러플레이트 코드를 작성하고 싶지 않은 AI 개발자·연구자와, 이러한 패턴을 "실행 가능한 교과서" 형태로 배우고 싶은 에이전트 AI 학생들을 위한 것입니다.

주요 특징

• 35개의 프로덕션급 아키텍처: Reasoning & Reflection, Sampling & Search, RAG, Memory, Tools & Actions, Multi-Agent 시스템을 포괄합니다.
• Deterministic-Picker 규율: 범주형 커밋을 사용해 LLM 스코어링에서 발생하는 "flat-band pathology"를 방지하는 기술적 접근법입니다.
• 다중 제공자 지원: 코드를 변경하지 않고도 9개의 서로 다른 LLM 제공자를 원활히 전환할 수 있습니다.
• 비교 벤치마크: 특정 작업에 대한 아키텍처 순위를 매기는 17개의 과제 스위트를 포함합니다.
• 실제 사례 증거: 모든 패턴은 실제 캡처된 LLM 출력에 기반한 이론을 담은 Jupyter 노트북을 제공합니다.

SUMMARY: Python 라이브러리이자 실행 가능한 교과서로, 통합 API와 다중 제공자 지원을 갖춘 35개의 프로덕션급 에이전트 AI 패턴을 제공합니다.

TITLE: all-agentic-architectures: 통합 API와 비교 벤치마크를 갖춘 35개의 프로덕션급 에이전트 AI 패턴 라이브러리