TL;DR

이 저장소는 35개의 생산 수준 agentic 아키텍처를 파이썬 라이브러리와 실행 가능한 교재로 묶어 동일한 .run(task) 계약으로 교체 가능한 패턴들을 제공한다. 결정론적 픽커 패턴을 포함해 일부 아키텍처에선 LLM의 범주형 커밋을 Python 합성으로 결합하여 점수 기반 병목을 회피하고 노트북 캡처를 통해 실제 LLM 출력과 이론을 함께 제시한다. 멀티 프로바이더 지원과 17개 태스크 벤치마크로 패턴-적합성을 계량화하고 최근 Nebius 실행에서 약 25분·$1.50의 비용으로 전체 스위트가 동작함이 보고되었다. 이로 인해 다양한 아키텍처를 빠르게 비교·검증하고 프로덕션 검증용 테스트 스위트를 갖추려는 프로젝트에서 유용하지만, 특정 패턴은 작업 형태에 따라 실패 케이스가 존재한다는 점을 감안해야 한다.

핵심 포인트

• 결정성 규율을 적용한다 저장소는 결정론적 픽커 규율을 핵심 기술로 채택하여 LLM의 범주형 커밋과 Python 기반 합성을 결합한다. 이 방식은 LLM이 연속 점수만 생성하여 판단 신호가 희석되는 문제를 완화하며 13개의 아키텍처에 명시적으로 적용되었다. 추가로 9개 아키텍처는 설계상으로 본 병목을 회피하도록 구성되어 있어 다양한 접근이 공존한다.
• 실행 중심 노트북을 포함한다 모든 아키텍처는 실제 LLM 호출로 실행된 Jupyter 노트북과 함께 제공되어 이론과 실행 결과가 1:1 대응한다. 노트북은 캡처된 실행 로그와 주석을 포함하여 패턴의 내부 동작을 추적 가능하게 만들었다. 이 점은 합성 예시만 제공하는 레퍼런스와 구별되는 핵심 차별점이다.
• 프로바이더 독립성을 보장한다 저장소는 여러 LLM 제공자에 대한 옵션을 제공하며 환경변수 한 줄로 백엔드를 전환할 수 있다. Nebius를 기본값으로 삼되 OpenAI Anthropic Groq Ollama Together Fireworks Mistral Google 등을 지원하여 동일 아키텍처를 다양한 모델에서 평가할 수 있게 했다. 이 구조는 특정 모델 종속성을 줄이고 이식성을 높였다.
• 패키징한다 모든 주요 에이전트 패턴을 Architecture 클래스 형태로 패키징하여 일관된 .run(task) 인터페이스와 ArchitectureResult 반환 형태를 제공한다. 이 설계로 클래스 교체만으로 패턴을 바꿀 수 있으므로 다운스트림 코드 변경이 불필요하다. 각 패턴은 실행 가능한 Jupyter 노트북과 함께 배포되어 구현과 결과를 곧바로 확인할 수 있다.

벤치마크