최근 대규모 언어모델(LLM)을 활용한 에이전트 개발이 활발해지면서, 랭체인(LangChain)과 같은 에이전트 프레임워크 사용이 보편화되고 있습니다. 하지만 일각에서는 이러한 프레임워크가 실제 필요한 경우보다 과도하게 사용되는 경향이 있으며, 대부분의 LLM 에이전트 애플리케이션은 훨씬 더 간단한 방식으로 구현할 수 있다는 주장이 나오고 있습니다.
이러한 주장의 핵심은 LLM 에이전트의 본질이 '계획-실행-반복'이라는 간단한 루프에 기반한다는 점입니다. 즉, LLM이 현재 상태를 평가하고 다음 행동을 결정하며, 그 행동의 결과를 다시 LLM에 피드백하는 과정의 반복입니다. 이 과정은 파이썬(Python)의 기본 기능과 LLM API 호출만으로도 충분히 구현 가능하며, 복잡한 프레임워크가 제공하는 추상화 계층이 오히려 디버깅을 어렵게 하고 성능 최적화를 방해할 수 있다는 지적입니다. 특히 간단한 도구 사용이나 데이터 검색 같은 기능은 몇 줄의 코드로 직접 구현하는 것이 프레임워크를 학습하고 통합하는 것보다 빠르고 효율적일 수 있습니다.
이는 개발자들이 새로운 기술 스택을 무작정 따르기보다, 실제 문제 해결에 필요한 최소한의 도구를 선택하는 실용적인 접근 방식의 중요성을 강조합니다. 복잡한 프레임워크는 특정 고급 기능이나 대규모 시스템 통합에 유용할 수 있지만, 초기 프로토타입이나 특정 목적의 소규모 에이전트 개발에는 오히려 걸림돌이 될 수 있습니다. 따라서 개발자는 프로젝트의 요구사항을 명확히 이해하고, 프레임워크 도입이 가져올 이점과 복잡성을 신중하게 저울질해야 할 것입니다.