TL;DR
작성자는 LangChain의 deepagents 패턴을 여러 프로젝트에서 반복해 직접 스캐폴딩하던 번거로움을 해소하기 위해 dcode-agent-kit이라는 Claude Code 스킬을 만들었다. 이 도구는 '/new-dcode-agent' 명령으로 프로젝트를 인터뷰해 agent.py, model.py, README를 바로 생성하고 create_deep_agent 호출 구조와 동일 디렉터리 import를 유지해 수동 설정을 제거한다.
생성되는 코드에는 안전 장치가 기본으로 포함되어 있다. 특히 상태를 변경하는 툴은 interrupt_on이 단독으로는 무효화되는 문제를 겪었기 때문에 스캐폴더가 항상 checkpointer(InMemorySaver 같은 구현)와 쌍으로 삽입하고, 에이전트가 상태 변경 전에 일시정지하는 검증 스니펫을 추가한다. 또한 LLM 연결은 LLM_API_KEY, LLM_BASE_URL, LLM_MODEL 같은 환경변수 기반으로 구성되어 llama.cpp·Ollama·vLLM·LM Studio 같은 OpenAI 호환 엔드포인트와 호환되도록 설계되어 벤더 종속을 최소화한다.
현재는 v0.1.0 상태로 작성자가 피드백을 구하고 있으며, 스캐폴드 출력 형식은 SDK용 독립 실행형, dcode agent 정체성(AGENTS.md용), 또는 두 가지를 모두 생성하는 세 가지 옵션을 지원한다. 실무에서는 초기 셋업 시간 절감과 안전성 확보라는 장점이 있고, 구체적 API·폴더 구조·출력 형태에 대해 커뮤니티 의견을 모으는 단계이다.
실용적 조언
- 뮤테이팅 툴을 에이전트에 연결할 때는 interrupt_on을 설정하되 checkpointer(InMemorySaver 등)를 함께 생성해 에이전트가 실제로 일시정지하는지 검증하는 스니펫을 코드에 포함할 것.
- 에이전트 스캐폴딩은 인터뷰형 위자드로 목적·툴·모델 정보를 받아 자동 생성하면 초기 설정 시간을 크게 단축하고 프로젝트별 편차를 줄일 수 있다.
- LLM 연결은 LLM_API_KEY·LLM_BASE_URL·LLM_MODEL 같은 환경변수 기반으로 구성해 로컬 런타임과 클라우드 엔드포인트를 자유롭게 교체할 것.
섹션별 상세
/new-dcode-agent프로젝트 루트에서 실행하는 Claude Code 스킬 명령어 예시로, 인터뷰형 위자드가 실행되어 에이전트 스캐폴드를 생성한다.
from model import chat_model
agent = create_deep_agent(model=chat_model, tools=[tool1, tool2], system_prompt="...")
# 예: mutating tool을 사용할 때는 interrupt_on과 checkpointer를 함께 전달해야 안전하게 동작함
agent.run(interrupt_on=[...], checkpointer=InMemorySaver())생성되는 agent.py의 핵심 구조 예시로, 같은 디렉터리의 model.py로부터 모델을 임포트하고 create_deep_agent 호출로 에이전트를 초기화하며, 상태 변경 툴은 interrupt_on과 체크포인터를 통해 게이트한다.
용어 해설
- LangChain
- — LangChain은 LLM 기반 에이전트와 파이프라인을 구성하기 위한 파이썬 라이브러리로, 도구 호출·프롬프트 관리·체인 구성 등의 추상화를 제공하여 에이전트 스캐폴딩과 통합을 단순화한다. 이 글 맥락에서는 create_deep_agent 같은 유틸을 통해 에이전트 생성과 툴 연결을 자동화하는 플랫폼 역할을 한다.
- deepagents
- — deepagents는 LangChain 생태계에서 에이전트 패턴을 구현하는 방식으로, 모델·툴·시스템 프롬프트를 결합해 대화형·자동화 작업을 수행하는 에이전트를 만든다. 글에서는 이 패턴을 반복적으로 수작업으로 구현하던 문제를 자동화하는 대상 기술로 사용된다.
- Claude Code
- — Claude Code는 코드 생성·자동화 인터페이스(작성자는 'skill' 형태로 사용)를 통해 개발 워크플로를 인터뷰 방식으로 자동화하는 툴셋이다. 본문에서는 Claude Code 스킬로 '/new-dcode-agent' 명령을 실행해 에이전트 스캐폴드를 생성하는 방식으로 사용됐다.
- 체크포인터(Checkpointer)
- — 체크포인터는 에이전트가 상태 변화를 안전하게 수행하도록 상태 저장·복구를 담당하는 구성요소로, 본문에서는 InMemorySaver 같은 구현체와 함께 interrupt_on 동작을 온전히 활성화하기 위해 필수로 쌍으로 사용된다. 상태 변경이 필요한 툴을 안전하게 게이트하기 위해 중요하다.
언급된 도구
에이전트·체인 구성과 create_deep_agent 같은 유틸을 통해 에이전트 스캐폴딩에 사용되는 라이브러리
인터뷰형 스킬로 명령 실행 시 프로젝트에 대해 질의하고 스캐폴드를 생성하는 코드 자동화 인터페이스
환경변수로 구성되는 OpenAI 호환 LLM 커넥터(LLM_API_KEY, LLM_BASE_URL, LLM_MODEL)로 다양한 엔드포인트와 호환되도록 사용
OpenAI 호환 엔드포인트 예시로, 로컬 또는 자체 호스팅된 런타임에서 생성된 코드를 실행하는 옵션
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
