CELL AI DEVLOG

47개 행짜리 비교 스프레드시트를 뒤져봤자 결국 "it depends"로 끝납니다. 실제로 중요한 건 프레임워크가 아니라 여러분 팀이 풀려는 문제입니다. 그 문제부터 정확히 짚고 코드로 비교합니다.핵심 요약 → LangGraph (25K stars, 34.5M 월간 다운로드): 상태 머신 기반, 최고 통제력, 가장 가파른 학습 곡선 → PydanticAI (16.8K stars): 타입 안전 + DI, 단순 에이전트에 FastAPI 느낌, 멀티에이전트 성숙도 낮음 → CrewAI (47K stars): 역할 기반 가장 빠른 프로토타입, 내장 메모리, 복잡해지면 디버깅 어려움 → Google ADK: A2A·MCP·AG-UI 프로토콜 선도, GCP 네이티브, 커뮤니티 가장 작음 → 월간 검색량: LangG..

FastAPI가 웹 개발에 가져온 "타입 안전 + DI + 자동 문서화"의 느낌을 LLM 에이전트에 그대로 가져오려는 시도입니다. PydanticAI는 그것이 무엇인지 보여줍니다.핵심 요약 → PydanticAI = Pydantic 팀이 만든 에이전트 프레임워크, v1.0 2025년 9월 → v1.70+ 2026년 3월 → 핵심 철학: "FastAPI feeling to GenAI" — 타입 안전, DI, IDE 자동완성 → 4대 핵심: 타입 안전 출력 + 의존성 주입(RunContext) + Pydantic Evals + Logfire → 75+ 프로바이더 지원: OpenAI·Anthropic·Gemini·Ollama·DeepSeek·Grok 등 → MCP 네이티브 지원 — MCPServerStdio로..

response.text 파싱하다가 KeyError 터진 적 있으시죠. LLM이 JSON 대신 markdown 코드블록으로 감싸서 줬을 때요. PydanticAI는 LLM 출력을 Pydantic 모델로 강제합니다. 파싱 없이 .output.field로 바로 접근합니다.[핵심 요약]→ PydanticAI: FastAPI 팀(Pydantic 팀)이 만든 Python 에이전트 프레임워크→ 핵심: output_type으로 LLM 출력을 Pydantic 모델로 강제 검증→ 지원 모델: Claude, GPT, Gemini, Ollama, Groq, Bedrock 등 단일 인터페이스→ 타입 안전: 에이전트 입출력 전 구간 mypy/pyright 타입 체크→ 의존성 주입: DB 연결, API 클라이언트를 전역 변수 없..