개인 비서부터 앱 내장 SDK까지, 'AI 에이전트' 4색 비교
같은 'AI 에이전트'를 표방하지만 실제 쓰임은 다릅니다. nanobot·hermes-agent는 셀프호스팅 개인 비서형, cherry-studio는 멀티 LLM 데스크톱 클라이언트, CopilotKit은 기존 앱에 에이전트를 붙이는 개발자 SDK입니다.
왜 이들을 묶었나 — 'AI 에이전트'라는 이름 아래 실제로는 서로 다른 문제를 풉니다. 직접 운영할 자율 비서가 필요한지, 여러 메신저·실행환경을 오가며 학습하는 에이전트가 필요한지, 그냥 여러 LLM을 편하게 쓰는 채팅 클라이언트가 필요한지, 아니면 자사 앱에 에이전트 UI·워크플로우를 심고 싶은지에 따라 선택이 완전히 달라집니다.
HKUDS/nanobot
Python 기반의 초경량 개인 AI 에이전트 프레임워크로, WebUI, 채팅 채널, 도구, 메모리, MCP 등을 갖춘 완전한 에이전트를 구축할 수 있습니다.
왜 이걸 골랐나 — nanobot은 pip/Docker로 바로 설치되고 채팅 채널·도구·메모리·MCP를 하나의 경량 코어에 묶어 즉시 '완전한 에이전트'를 손으로 만져볼 수 있습니다. hermes-agent처럼 학습 루프·다중 백엔드를 이해할 필요도, cherry-studio처럼 채팅 클라이언트에 머물 필요도, CopilotKit처럼 별도 에이전트 백엔드를 직접 구현할 필요도 없이 '에이전트가 무엇을 하는가'를 가장 짧은 경로로 체감할 수 있습니다.
여섯 가지 차원으로 견줬습니다
| 차원 | HKUDS/nanobot🍚 착한밥상 | NousResearch/hermes-agent🍚 착한밥상 | CherryHQ/cherry-studio🍚 착한밥상 | CopilotKit/CopilotKit🍚 착한밥상 |
|---|---|---|---|---|
| install설치 난이도 | 쉬움PyPI/Docker 배포, 단일 코어라 초기 설정이 짧습니다. | 복잡7종 실행 백엔드, s6-overlay, 커스텀 SQLite 빌드, 별도 부트스트랩 설치기까지 구성요소가 많습니다. | 매우 쉬움Electron 앱을 다운로드해 실행하면 되는 일반 데스크톱 앱입니다. | 중간프론트엔드 SDK와 백엔드 런타임(에이전트)을 각각 세팅해야 동작합니다. |
| scale성능·규모 | 개인용 경량초경량 단일 코어로 개인·소규모 운영에 맞춰져 있습니다. | 다중 백엔드·학습형다중 LLM 제공자, 7종 실행환경, 학습 그래프·메모리까지 갖춰 확장 시나리오가 넓습니다. | 데스크톱 통합형자체 AI SDK(aiCore)로 provider 통합은 정리돼 있으나 클라이언트 앱 성격이 강합니다. | 앱 임베딩 확장성AG-UI 프로토콜로 하나의 에이전트를 웹·모바일·Slack·Teams 등 여러 표면에 동시 연결 가능합니다. |
| maintenance유지보수 활력 | CI 구성GitHub Actions CI가 구성돼 있습니다. | CI 폭넓음lint/test/e2e에 공급망 감사(osv-scan)까지 포함된 CI 파이프라인입니다. | 패키지 관리 정비스킬 동기화 스크립트(skills:sync/check) 등 패키지 관리 도구가 갖춰져 있습니다. | 테스트·마이그레이션 도구jscodeshift 코드모드와 vitest 유닛테스트로 API 변경 대응이 체계화돼 있습니다. |
| learning학습곡선 | 중간이벤트 기반 구조지만 채널 플러그인 패턴이 비교적 단순합니다. | 가파름제공자 어댑터, 학습 그래프, ACP/LSP 등 이해할 개념이 많습니다. | 사용자는 쉬움일반 사용은 채팅 앱 수준이나, aiCore 확장 개발은 별도 학습이 필요합니다. | 개발자 지식 필요React/Angular/Vue 등 프레임워크 지식과 AG-UI 프로토콜 이해가 함께 필요합니다. |
| 라이선스상업적 사용 | ✅ MIT | ✅ MIT | ➖ AGPL-3.0 | ✅ MIT |
| 용도 적합어디에 맞나 | 개인이 직접 운영하는 멀티채널 챗봇 비서를 가볍게 구축하고 싶을 때. | 여러 메신저·실행 환경을 넘나들며 경험을 축적하는 자기학습형 개인 에이전트가 필요할 때. | 개발보다는 여러 LLM을 오가며 채팅으로 바로 활용하고 싶은 사용자. | 기존 웹·모바일 앱에 에이전트 기반 UI·워크플로우를 통합하려는 개발팀. |
각자 무엇을 잘하고, 무엇을 포기했나
Python 기반의 초경량 개인 AI 에이전트 프레임워크로, WebUI, 채팅 채널, 도구, 메모리, MCP 등을 갖춘 완전한 에이전트를 구축할 수 있습니다.
👍 장점
- 초경량 단일 코어로 개인 비서를 빠르게 구축
- Discord/Telegram/Slack 등 다양한 채팅앱 채널 플러그인 지원
- MCP·크론·서브에이전트 등 기능이 코어에 내장
- OpenAI 호환 API로 기존 클라이언트 연동 가능
👎 단점
- 개인·소규모 지향이라 대규모 운영엔 부적합
- 신생 프로젝트라 생태계·문서가 상대적으로 작음
- 보안이 컨테이너 권한 처리(setpriv 등)에 의존
Nous Research의 자가학습 AI 에이전트 — 경험에서 기술을 습득하고 메모리를 구축하며 어디서나 실행되는 멀티플랫폼 AI 어시스턴트
👍 장점
- 7종 실행 백엔드+다중 LLM 제공자를 코드 변경 없이 전환
- 대화 경험에서 스킬·메모리를 축적하는 학습 루프
- ACP/LSP 연동으로 외부 클라이언트·코드 편집 워크플로우 지원
- 데스크톱 앱/부트스트랩 설치기로 GUI 설치 경험 제공
👎 단점
- 구성요소가 많아 설치·이해 난이도가 높음
- 학습 그래프·컨텍스트 압축 등 개념이 복잡
- 커스텀 SQLite 빌드처럼 배포 세팅이 까다로움
다양한 LLM 제공자를 지원하는 크로스플랫폼 AI 데스크톱 클라이언트
👍 장점
- 설치만 하면 바로 쓰는 데스크톱 앱
- 다양한 LLM 제공자를 한 UI에서 전환
- 자체 AI SDK 확장(aiCore)으로 provider 통합 구조가 정리됨
- 코딩 에이전트용 스킬(SKILL.md) 세트 제공
👎 단점
- AGPL-3.0이라 상업적 임베딩 시 라이선스 고려 필요
- 자율 실행보다는 채팅 클라이언트 성격이 강함
- CherryIN 프록시 등 자체 인프라 의존 요소 존재
모든 프레임워크에서 에이전트 네이티브 애플리케이션을 빌드하기 위한 풀스택 AI 에이전트 SDK
👍 장점
- React/Angular/Vue/React Native 등 프레임워크 무관하게 에이전트 UI 부착
- AG-UI 프로토콜로 하나의 에이전트를 웹/모바일/Slack/Teams에 동시 연결
- 생성형 UI·휴먼인더루프 등 앱 개발 패턴을 표준화
- 코드모드+유닛테스트(vitest)로 API 변경 마이그레이션 지원
👎 단점
- 에이전트 로직 자체는 LangGraph 등으로 별도 구현 필요
- 완제품 챗봇이 아니라 개발 SDK라 러닝커브 존재
- 백엔드 런타임까지 별도로 붙여야 동작
용도별 추천
Discord/Telegram/Slack 등 채널 플러그인과 MCP·크론 자동화를 갖춘 경량 코어로 빠르게 자체 호스팅할 수 있습니다.
학습 그래프·메모리로 스킬을 축적하고, 로컬/도커/SSH/Modal 등 7종 백엔드에서 동일 에이전트를 실행할 수 있습니다.
Electron 데스크톱 앱 하나로 OpenAI·Anthropic·Gemini 등 제공자를 즉시 전환해 사용할 수 있습니다.
React·Angular·Vue 등 프레임워크에 AG-UI 프로토콜로 채팅·생성형 UI·휴먼인더루프를 표준화해 연결할 수 있습니다.
어떤 기준으로 견줬나
맛대결은 순위표가 아닙니다. 아래 여섯 차원은 “설치해서 실제로 쓸 때 결과가 갈리는 지점”만 골랐고, 등급은 검증단이 각 레포를 실제 설치·실행해 남긴 기록과 공개 저장소 데이터에 근거합니다.
등급은 절대 점수가 아니라 이 대결 안에서의 상대 비교입니다 · 착한밥상 배지는 4개 관문(안전·실속·살아있음·숙성)을 통과한 레포에만 붙습니다 · 관찰 중 표기는 숙성 기간이 아직 차지 않은 경우입니다.
지난 맛대결
아직 지난 회차가 없어요 — 지금 보고 있는 이 회차가 이 카테고리의 첫 회차입니다. 다음 회차가 차려지면 이 회차가 여기에 쌓이고, 지난 회차는 깃밥 PRO에서 열립니다.