# \#agent-builder **URL:** https://discuss.pytorch.kr/tag/agent-builder/4180.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Kortix: 오픈소스 AI 에이전트 구축 및 운영 플랫폼 (구. Suna)](https://discuss.pytorch.kr/t/kortix-ai-suna/8750)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [1월 21, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/kortix-ai-suna/8750 "2026-01-21T03:30:19Z")
Kortix 소개 Kortix는 자연어 명령을 통해 복잡한 작업을 자율적으로 수행하는 AI 에이전트를 구축, 관리, 운영할 수 있는 오픈소스 플랫폼입니다. 이존에 Suna라는 이름으로 공개되었던 이 프로젝트는 최근 Kortix라는 이름으로 리브랜딩을 하며 단순한 에이전트 도구를 넘어선 포괄적인 개발 플랫폼으로 진화했습니다. 사용자는 Kortix를 통해 웹 브라우징, 파일 관리, 데이터 분석, 시스템 운영 등 실질적인 업무를 수행하는 맞춤형 '슈퍼 워커(Super Worker)'를 생성하고 배포할 수 있습니다. 최근 대규모 언어 모델(LLM)은 단순히 텍스트를 생성하는 것을 넘어, 도구(Tool)를 사용하여 업무를 완결하는 '에이전트(Agent)' 형태로 발전하고 있습니다. 그러나 기존의 상용 에이전트 서비스들은 데이터 프라이버시 문제나 커스터마이징의 한계가 존재했습니다. Kortix는 이러한 문제를 해결하기 위해, 사용자가 자신의 인프라(로컬 또는 클라우드)에 직접 설치하여 운영할 수 있는 투명하고 확장 가능한 아키텍처를 제공합니다. Kortix 플랫폼은 단순한 챗봇과 달리 행동(Action) 에 초점을 맞추고 있습니다. Kortix의 에이전트는 격리된 도커(Docker) 환경에서 안전하게 실행되며, 브라우저를 조작해 자료를 조사하거나, 로컬 파일 시스템에 접근해 보고서를 작성하고, 심지어 터미널 명령어를 실행하여 시스템 관리 작업을 수행할 수도 있습니다. 개발자와 기업은 이 플랫폼을 활용하여 고객 지원, 콘텐츠 생성, 시장 조사 등 특정 비즈니스 로직에 최적화된 에이전트를 손쉽게 만들 수 있습니다. Kortix vs. ChatGPT/Claude 등 대화형 LLM 비교 현재 대부분의 대화형 LLM은 주로 사용자의 질문에 답변하거나 텍스트를 요약/생성하는 데 그치며, 외부 시스템(브라우저, 로컬 파일 등)을 직접 제어하는 기능은 제한적입니다. 이에 비해, Kortix는 사용자의 요청을 분석하여 필요한 도구를 스스로 선택하고 실행합니다. 예를 들… --- ## [OpenAI, 에이전트를 구축 / 배포 / 최적화할 수 있는 에이전트 구성 및 관리 플랫폼인 AgentKit 공개](https://discuss.pytorch.kr/t/openai-agentkit/7919)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [10월 7, 2025, 6:00오전 UTC](https://discuss.pytorch.kr/t/openai-agentkit/7919 "2025-10-07T06:00:35Z")
AgentKit 소개 OpenAI가 새롭게 발표한 AgentKit은 개발자와 기업이 AI 에이전트를 쉽게 구축하고, 배포하며, 최적화할 수 있도록 지원하는 통합 툴 세트입니다. 지금까지 에이전트를 구축하기 위해서는 여러 도구를 조합해야 했고, 버전 관리가 어려운 오케스트레이션, 복잡한 커넥터 설정, 수동 평가 파이프라인, 프롬프트 튜닝, 그리고 프런트엔드 개발에만 수 주가 걸리는 등의 비효율적인 과정이 필수였습니다. AgentKit은 이러한 문제를 해결하고 단일 플랫폼에서 모든 작업을 시각적으로 관리할 수 있는 환경을 제공합니다. AgentKit의 중심이 되는 3가지 주요 구성 요소들은 다음과 같습니다: 에이전트 빌더(Agent Builder): 에이전트를 그리는 시각적 워크플로우 설계 도구로, 일종의 캔버스와 같습니다. 개발자는 이 Agent Builder를 사용하여 여러 에이전트들을 시각적으로 연결하여 복잡한 작업 흐름(Workflow)을 구성할 수 있습니다. 데이터 및 도구 연결 허브(Connector Registry): 조직의 관리자는 Connector Registry에서 여러 데이터 소스 및 외부 도구들의 연결 상태를 한곳에서 파악하고 관리할 수 있습니다. Connector Registry는 단순한 API Key를 관리하는 수준이 아닌, 에이전트가 접근할 수 있는 리소스에 대한 통합적인 정책을 지정하고 관리합니다. 대화도구(ChatKit): ChatKit은 제품이나 서비스에 에이전트형 대화 UI를 빠르게 통합(embed)할 수 있는 도구입니다. ChatKit을 사용하여 웹 사이트나 애플리케이션 내에서 자연스럽게 AI Agent와 대화하는 환경을 구성할 수 있습니다. 이와 함께, OpenAI는 평가(Evals) 기능도 확장하여 데이터셋 생성, 자동 평가, 프롬프트 최적화, 타사 모델 평가 등을 지원합니다. 이는 에이전트 성능을 보다 정확하게 측정하고 개선할 수 있게 합니다. AgentKit은 OpenAI가 2024년 3월에… --- ## [PySpur: 드래그&드롭으로 LLM Agent를 구성할 수 있는 오픈소스 워크플로우 빌더](https://discuss.pytorch.kr/t/pyspur-llm-agent/5703)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 2\ **마지막 업데이트:** [12월 23, 2024, 1:31오후 UTC](https://discuss.pytorch.kr/t/pyspur-llm-agent/5703 "2024-12-23T13:31:54Z")
PySpur 소개 PySpur는 LLM(대형 언어 모델) 워크플로우를 설계하고 디버그하기 위한 그래프 기반 에디터입니다. 이 도구는 경량화된 구조와 모듈식 설계를 바탕으로 엔지니어가 복잡한 AI 파이프라인을 쉽게 구성, 테스트 및 최적화하도록 돕습니다. 특히, PySpur는 최소한의 종속성만 사용하여 LLM 프레임워크의 복잡성을 제거할 수 있으며, 워크플로우 그래프(Workflow Graph)가 JSON 파일로 관리되어 버전 관리 및 공유가 쉽습니다. PySpur는 드래그&드롭(Drag&Drop) 방식을 지원하여 몇 번의 클릭만으로 AI Agent를 손쉽게 설계/배포 및 관리할 수 있습니다. PySpur의 주요한 기능적 특징은 다음과 같습니다: 모듈식 빌딩 블록(Modular Building Blocks): 다양한 워크플로우 노드를 추가해 AI 에이전트를 설계할 수 있습니다. 또한, Python 파일 하나만 생성하여 새로운 노드를 추가할 수 있습니다. 노드 수준의 디버깅(Evaluate Mid-Pipeline): 각 노드의 상태를 시각화하고 중간 단계에서 문제를 신속하게 찾아 해결합니다. 또한, 파이프라인의 성능을 단계별로 평가하고 결과를 개선할 수 있습니다. 자동 최적화(Self-Improvment, 추가 예정): 자동 최적화 기능을 통해 프롬프트와 파이프라인을 지속적으로 개선합니다. 라이선스 PySpur는 Apache 2.0 라이선스로 공개되어 있습니다. :house: PySpur 홈페이지 :github: PySpur GitHub 저장소 https://github.com/PySpur-Dev/PySpur 이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 …