AgentHelm v0.3.0 발표: 프로덕션 레디 AI 에이전트 오케스트레이션

Source: Dev.to

소개

수개월에 걸친 반복 작업 끝에 AgentHelm v0.3.0을 공개하게 되어 기쁩니다. 이는 AI 에이전트를 프로덕션 환경에 맞게 준비시키는 중요한 단계입니다.

AI 에이전트를 만드는 것은 쉽습니다. 프로덕션에서 안정적으로 운영하는 것은 어렵습니다. 다음을 처리해야 합니다:

• 실패 복구가 가능한 다단계 실행
• 세션 간 메모리 지속성
• 비용 및 토큰 추적
• 가시성 및 디버깅
• 대규모 툴 오케스트레이션

대부분의 에이전트 프레임워크는 첫 번째 마일(에이전트를 작동시키는 단계)에 집중하고 마지막 마일(신뢰성 있게 운영하는 단계)을 간과합니다.

계획‑우선 접근법

에이전트가 자유롭게 동작하도록 두는 대신, AgentHelm은 계획‑우선 워크플로를 도입합니다:

Task → Plan Generation → Human Review → Execution

• PlannerAgent가 단계와 의존성을 포함한 구조화된 계획을 생성합니다.
• 사용자가 계획을 검토합니다.
• Orchestrator가 가능한 경우 병렬로 실행합니다.

실행 중에 무언가 실패하면 Saga 패턴이 보상 작업을 트리거하여 완료된 단계들을 자동으로 롤백합니다.

MemoryHub

메모리가 더 이상 부수적인 요소가 아닙니다. MemoryHub는 다음을 제공합니다:

기본적으로 제로‑컨피그이며, Redis와 네트워크형 Qdrant 인스턴스를 사용해 프로덕션 수준으로 확장할 수 있습니다.

명령줄 인터페이스

모든 작업은 명령줄에서 수행됩니다:

# 한 번 실행하는 작업
agenthelm run "Analyze this quarter's sales data"

# 계획을 생성하고 저장
agenthelm plan "Build a customer support bot" -o plan.yaml

# 저장된 계획을 드라이‑런 실행
agenthelm execute plan.yaml --dry-run

# 인터랙티브 채팅 모드
agenthelm chat

# 기록된 트레이스 목록 조회
agenthelm traces list

각 툴 실행은 추적됩니다. 트레이스는 Jaeger로 내보내 시각화할 수 있으며, 20개 이상의 LLM 제공자에 대한 비용이 내장된 가격 모델로 추적됩니다.

AgentHelm은 또한 Model Context Protocol 서버와 연결되어, 에이전트에서 직접 해당 툴을 사용할 수 있게 합니다.

설치

pip install agenthelm
agenthelm init
agenthelm chat

로드맵 (v0.4.0)

• 트레이스 시각화를 위한 웹 대시보드
• 다중 에이전트 워크플로에서의 고급 충돌 해결
• 예산 및 제약 조건 강제 적용을 위한 정책 엔진
• 웹훅 통합

오픈 소스

AgentHelm은 오픈 소스이며, 기여를 환영합니다.

Documentation
GitHub