Claude Code Subagent vs LangGraph vs CrewAI vs AutoGen (2026): 언제 독립 프레임워크로 넘어가야 하는가

들어가며 #

subagent 패턴과 커스텀 에이전트 작성을 이미 익혔다면, 당신은 Claude Code를 벗어나지 않고도 작은 에이전트 협의체를 — 병렬 fan-out, 격리된 컨텍스트, 전문가 위임 — 오케스트레이션할 수 있다. 그렇다면 자연스러운 질문이 따라온다: 정말 LangGraph, CrewAI, AutoGen이 필요한가?

인터넷은 “LangGraph vs CrewAI vs AutoGen” 경마식 비교 글로 가득하다. 이 글은 그런 글이 아니다. 우리는 이미 Claude Code subagent를 돌리고 있는 사람에게 실제로 중요한 질문에 답하려 한다: 언제 내장 오케스트레이션으로 충분하고, 언제 독립 프레임워크로 넘어갈 때인가? 실제 2026 벤치마크, 솔직한 GitHub 스타의 그림, 그리고 dibi8을 운영하며 직접 겪은 경험 — 그 모든 기사 번역 파이프라인을 의도적으로 평범한 Claude Code subagent로 돌리고 있다 — 을 활용할 것이다.

두 개의 다른 세계 #

대부분의 비교에는 범주 오류가 내장되어 있다: Claude Code subagent를 LangGraph 옆에 마치 경쟁자인 양 나란히 세운다. 둘은 같은 종류의 것이 아니다.

• Claude Code subagent는 에이전트 안의 오케스트레이션이다. 부모 대화에서 워커를 생성하고, 각 워커는 자신만의 컨텍스트 윈도우를 가지며, 하니스가 그 생명주기를 관리한다. 추가 인프라가 전혀 없다 — 이미 당신이 쓰고 있는 도구 안에 들어 있다.
• 독립 프레임워크(LangGraph, CrewAI, AutoGen)는 그 주위에 애플리케이션을 구축하는 라이브러리다. Python을 작성하고, 그래프나 crew를 정의하고, 모델과 도구를 연결하고, 서비스로 배포한다. 코딩 작업을 끝내는 방법이 아니라, 멀티 에이전트 제품을 출시하는 방법이다.

진짜 결정은 “어느 것이 최고인가"가 아니다. **“내 문제가 내장 계층을 넘어섰는가?”**이다.

네 경쟁자, 한 줄 요약 #

• Claude Agent SDK — Anthropic 네이티브. 2025년 말 Claude Code SDK에서 이름이 바뀌었으며, 2026년 4월 기준 Python과 TypeScript 패키지로 모두 제공된다. 안전 우선 설계, 확장 사고, 가장 긴밀한 Claude 통합. Claude 전용.
• LangGraph — 워크플로를 조건부 엣지를 가진 명시적 방향성 그래프로 다룬다. 가장 높은 프로덕션 성숙도: checkpointing, 타임트래블, LangSmith 관측성, 재개 가능한 실행. 약 12,800 GitHub 스타지만 2026년 초 엔터프라이즈 도입에서 CrewAI를 추월했다.
• CrewAI — 역할 기반 crew. 에이전트를 role/goal/backstory로 정의하면 약 20줄의 Python으로 작동하는 팀이 완성된다. 가장 낮은 학습 곡선. 약 31,200 스타.
• AutoGen / AG2 — 대화형 GroupChat. Microsoft의 프레임워크로, v0.4 재작성을 거쳐 이제 이벤트 기반·비동기 우선 코어를 갖춘 AG2가 되었다. 약 42,000 스타(역대 인지도 선두)지만 더 이상 활발히 개발되는 간판 선택지는 아니다.

한눈에 보는 비교 #

벤치마크 보충: 2026 테스트에서 LangGraph가 복잡한 작업을 약 62% 성공률로 이끌어 CrewAI의 약 54%를 앞섰고, 중간 난도 작업(도구 호출 3~5회, 일부 상태)에서는 LangGraph 약 76% > Smolagents 약 73% > CrewAI 약 71% > AutoGen 약 68%로 벌어졌다. 격차는 실재하지만 협곡 수준은 아니다 — 리더보드보다 워크플로 적합성이 더 중요하다.

Claude Code subagent로 이미 충분한 경우 #

당신의 필요가 다음 중 하나라면 넘어가지 마라. 내장 subagent가 새 인프라 없이 오늘 그것을 커버한다:

• 병렬 연구 fan-out. 에이전트 다섯이 각각 다른 서브시스템을 읽고 결과를 합친다. 가장 ROI가 높은 subagent 패턴이며 공짜다.
• 전문가 위임. 자체 도구 허용 목록과 시스템 프롬프트를 가진 security-auditor나 code-reviewer 커스텀 에이전트.
• 컨텍스트 보호. 30개 파일에 걸친 탐색을 떼어내어 부모 대화의 작업 기억을 어지럽히지 않게 한다.
• 개발 작업을 위한 파이프라인 오케스트레이션. 찾기 → 검증 → 종합으로, 각 단계가 위임된 워커.

구체적 증거: dibi8 자체의 다국어 파이프라인. 여기서 읽는 모든 기사는 영어, 중국어, 한국어, 베트남어로, 병렬 Claude Code 번역 subagent가 생산한다 — 언어당 하나씩 fan-out하고, 결과는 npm run build라는 기준점에 대해 검증한다. 우리는 의도적으로 LangGraph에 손대지 않았다. checkpointing할 지속 상태도, 사람 승인 게이트도, 멀티 벤더 요건도 없다. 내장 subagent는 점심 전에 결과를 내놓는다. 프레임워크였다면 순수한 오버헤드였을 것이다.

언제 독립 프레임워크로 넘어가야 하는가 #

다음 벽 중 하나에 부딪히면 LangGraph / CrewAI / AutoGen에 손을 뻗어라 — 내장 subagent가 기본 제공하지 않는 것들이다:

1. 실행 간 지속되는 상태. 멈추고, 저장되고, 몇 시간 또는 며칠 뒤에 재개되는 워크플로가 필요하다 — 크래시를 버티고 멈춘 지점에서 이어간다. → LangGraph checkpointing.
2. Human-in-the-loop 승인 게이트. 파이프라인이 진행되기 전에 사람이 검토하고 승인해야 한다(환불, 배포, 콘텐츠 게시). → LangGraph(명시적 인터럽트 노드).
3. 멀티 벤더 모델 혼용. 한 단계는 GPT, 다른 단계는 Claude, 세 번째는 로컬 모델 — 하나의 파이프라인 안에서. → 임의의 비종속 프레임워크.
4. 컴플라이언스를 위한 감사 추적. 모든 에이전트 결정이 로깅되고, 재생 가능하며, 귀속 가능하다. → LangGraph + LangSmith.
5. 작업을 하는 게 아니라 제품을 출시하는 경우. 멀티 에이전트 시스템 그 자체가 애플리케이션이며, 자체 사용자, 가동 시간, 배포 생명주기를 갖는다. 그것은 앱이다 — 프레임워크 위에 구축하라.

경계선은 깔끔하다: subagent는 Claude Code 안에서 일을 끝내기 위한 것이고, 프레임워크는 세션보다 오래 살아남는 멀티 에이전트 애플리케이션을 구축하기 위한 것이다.

넘어간다면 어느 프레임워크인가 #

• LangGraph — 진지한 프로덕션의 기본값. 명시적 제어, checkpointing, human-in-the-loop, 또는 감사 추적이 필요할 때 택하라. 가장 가파른 곡선, 가장 높은 천장. 복잡한 작업의 벤치마크 선두.
• CrewAI — 최초 결과까지의 속도를 위해 택하라. 멀티 에이전트 팀을 프로토타이핑하거나, 개발 속도가 세밀한 제어보다 중요할 때. role/goal/backstory DSL은 정말로 빠르게 사고할 수 있게 해준다.
• AutoGen / AG2 — 대화형 GroupChat이 당신 문제에 자연스럽게 들어맞을 때만(오프라인, 지연보다 철저함) 택하라. 2026년 신규 프로젝트라면 대신 LangGraph나 CrewAI를 기본으로 하라 — AG2는 안정적이지만 활발한 투자가 향하는 곳은 아니다.
• Claude Agent SDK — Claude에 전부 올인하고, 가장 긴밀한 네이티브 통합, 안전 기능, 확장 사고를 원하며, 멀티 벤더 유연성이 필요 없을 때 택하라. 이미 알고 있는 그 subagent의 프로덕션급 확장판이다.

안티패턴 #

• 성급한 프레임워크 도입. Claude Code subagent 두 개면 될 일에 LangGraph를 띄우는 것. 둘 다 필요 없던 작업을 풀려고 배포, 인증, 의존성 관리 문제를 떠안은 셈이다. 우리가 가장 흔히 보는 낭비다.
• subagent를 넘어섰으면서도 넘어가기를 거부하는 것. 반대 실패: checkpointing을 도입하지 않으려고, 상태 없는 subagent 실행에 깨지기 쉬운 파일 꼼수로 가짜 “상태"를 덧붙이는 것. 지속 가능하고 재개 가능한 상태가 필요하다면 그것은 LangGraph의 일이다 — 어설프게 재발명하는 것을 멈춰라.
• 스타 수로 고르기. AutoGen은 스타가 가장 많고 개발이 가장 덜 활발하다. 스타는 과거의 인지도이지, 2026년의 추천이 아니다.
• 실수로 인한 멀티 벤더 종속. Claude Agent SDK 위에 구축하고 그다음에야 루프에 GPT가 필요함을 깨닫는 것. 멀티 벤더 문제는 처음에 결정하라 — 되돌리기에 비용이 큰 유일한 선택이다.

프로덕션급 에이전트 인프라 구축하기 #

Claude Code subagent에 머무르든 프레임워크로 넘어가든, 멀티 에이전트 작업은 그 아래에 안정적인 인프라를 원한다:

1. 장시간 실행되는 에이전트 프로세스와 CI를 위한 신뢰할 수 있는 호스트. 프레임워크는 서비스로 배포되고, subagent 파이프라인조차 무인 실행을 위해 계속 떠 있는 머신을 원한다. HTStack — 중국 본토에 대한 저지연 접근과 안정적인 BGP를 갖춘 홍콩 VPS. dibi8.com을 호스팅하는 바로 그 IDC이며, 우리 자체 에이전트 파이프라인을 돌리는 곳이다. 월 $5-12 가성비 티어.
2. 병렬 fan-out을 위한 클라우드 여유분. 에이전트가 넓게 fan-out하거나 — LangGraph 앱이 관측성 스택과 나란히 돌아갈 때 — 여분의 CPU가 필요하다. DigitalOcean — 14개 이상 리전에 걸쳐 60일간 $200 무료 크레딧.
3. 오케스트레이션 플레이북. 언제 위임하고 언제 넘어갈지 체화하는 가장 빠른 길은 작동하는 예제를 연구하는 것이다. 우리는 실전에서 검증된 다섯 개의 스킬을 Gumroad에서 $19 번들로 패키징했다 — 모서리의 떠 있는 CTA를 보라 — dibi8 자체 파이프라인 뒤에 있는 오케스트레이터 프롬프트와 커스텀 에이전트 정의를 포함한다.

함께 읽기 #

• Subagent 패턴 — 어떤 프레임워크보다 먼저 마스터해야 할 다섯 가지 내장 워크플로.
• Subagent vs MCP vs Skill — 내장 계층을 위한 의사결정 프레임워크.
• 커스텀 에이전트 작성 가이드 — 전문가 subagent를 만드는 법.
• 멀티 에이전트 파이프라인 사후분석 — 프레임워크든 아니든, 오케스트레이션이 실패하는 5가지 방식.

결론 #

이것을 “Claude Code vs LangGraph"로 틀 짓기를 멈춰라. 내장 subagent와 독립 프레임워크는 서로 다른 세계에 산다: 하나는 당신의 에이전트 안에서 일을 끝내고, 다른 하나는 멀티 에이전트 애플리케이션을 출시한다. 병렬 연구, 전문가 위임, 컨텍스트 보호, 개발 파이프라인에는 subagent에 머물러라 — dibi8 자체의 다국어 파이프라인이 정확히 증명하듯, 인프라 제로로 대부분의 실제 작업을 커버한다. 지속 상태, human-in-the-loop, 멀티 벤더 모델, 또는 감사 추적이 필요해지는 순간 프레임워크로 넘어가라 — 그리고 그럴 때는 제어를 위한 LangGraph, 속도를 위한 CrewAI, Anthropic 네이티브 프로덕션을 위한 Claude Agent SDK를 기본으로 하라. 당신 문제를 푸는 가장 저렴한 계층이 언제나 이긴다.