DataBassGit/AgentForge

AgentForge – AI 기반 자율 에이전트를 구축하기 위한 저코드 프레임워크

무엇인가요 – AgentForge는 에이전트, 메모리, 그리고 그들의 상호작용 방식을 cogs (YAML 기반 워크플로 파일)로 기술할 수 있는 오픈소스 Python 라이브러리(≥ 3.12)입니다. 이 프레임워크는 의도적으로 "저코드" 설계되어 있으며, 대부분의 연결은 선언적으로 이루어지지만 필요 시 커스텀 Python 코드를 삽입할 수 있습니다.

핵심 개념

• 에이전트 – 프롬프트 템플릿과 구성 파일로 정의되는 단일 LLM 기반 챗봇.
• Cogs – 하나 이상의 에이전트를 오케스트레이션하고 분기 로직을 추가하며 메모리 노드를 연결하는 YAML 문서. 코그는 재사용 가능한 워크플로 다이어그램이라고 생각할 수 있습니다.
• 메모리 – 세션 중에 에이전트가 읽고 쓸 수 있는 선택적 지속적 컨텍스트로, 코그에서 참조된 에이전트에게 자동으로 제공됩니다.
• 페르소나 – 에이전트의 정체성, 톤, 배경을 설정하는 별도의 YAML 파일.
• LLM 독립적 – 각 에이전트는 다른 모델 제공자(OpenAI, Google Gemini, Anthropic Claude, 또는 Ollama/LMStudio를 통해 제공되는 로컬 모델)를 지정할 수 있습니다.

주요 기능 (README에 기재된 내용)

• 다중 에이전트 오케스트레이션 및 분기 로직을 위한 선언적 Cogs.
• 프롬프트 템플릿 YAML을 통한 사용자 정의 에이전트.
• 호출 간 지속되는 통합형 선택적 메모리.
• 스타일과 컨텍스트를 제어하는 페르소나 파일.
• 런타임 중 동적 프롬프트 편집 – 프로세스 재시작 필요 없음.
• 주요 LLM API(OpenAI, Google, Anthropic) 및 Ollama 또는 LMStudio를 통한 로컬 모델 지원.

일반적인 워크플로우

1. 설치 – PyPI에서 패키지 설치 (pip install agentforge).
2. 퀵스타트 가이드 실행으로 숨겨진 .agentforge/ 디렉터리 생성.
3. 하나 이상의 에이전트와 (옵션으로) 메모리 노드를 참조하는 간단한 코그 YAML 파일 작성.
4. CLI로 코그 실행. AgentForge는 설정된 LLM에 접속하여 프롬프트를 전달하고, 메모리를 저장/복원한 후 최종 출력을 반환.
5. 프로덕션 환경에서는 데모용 "디버그" 모델을 실제 API 키(OpenAI, Gemini, Claude, 또는 로컬 Ollama 모델)로 교체.

누가 사용할 수 있나요

• 다중 에이전트 인지 아키텍처를 프로토타이핑하는 연구자.
• 지속적 컨텍스트가 필요한 챗 기반 어시스턴트를 개발하는 개발자.
• 코드를 다시 작성하지 않고도 다양한 LLM 제공자를 동시에 실험하고 싶은 팀.
• 최소한의 부가 작업으로 에이전트 오케스트레이션 개념을 교육하는 교육자.

시작하기

• 문서 허브: docs/README.md – 중심적인 탐색 페이지.
• 퀵스타트: docs/guides/quickstart.md – 설치, 스텁 생성, 인증 없이 작동하는 스모크 테스트 실행.
• 첫 번째 실제 모델 실행: docs/guides/first_real_model_run.md – API 키 또는 로컬 모델을 설정하고 실제 LLM을 실행.
• 고급 참조: docs/guides/advanced_reference.md – 에이전트, 코그, 메모리, 스토리지, 유틸리티, 레거시 도구에 대한 심층 분석.

커뮤니티 및 기여

• 이슈 및 풀 리퀘스트를 환영합니다.
• 이메일 (contact@agentforge.net) 또는 Discord(README 내 링크)로 연락 가능.

라이선스 – GNU GPL-v3.

---

위 정보는 리포지토리의 README에서 직접 인용되었으며, 추가 기능은 추정되지 않았습니다.