Agno

만든 곳 Agno

멀티 에이전트 시스템을 위한 고성능 프레임워크 — 런타임 AgentOS 포함

웹사이트 ↗ 저장소 ↗ 문서 ↗

v2.8.12026-07-23PythonApache-2.0

#multi-agent #runtime #memory #python

41.4k 오픈소스 무료 티어 유료

문서버전 1.0 · 업데이트 2026년 6월 28일

개요

Agno(옛 Phidata)는 메모리·지식·도구를 갖춘 에이전트를 만드는 고성능 Python 프레임워크이며, 이를 프로덕션에서 서빙·확장하는 런타임 AgentOS를 함께 제공합니다.
모델에 구애받지 않으며, 속도와 데이터를 자체 인프라 안에 두는 점을 강조합니다.

flowchart LR
  prompt[prompt] --> agent[Agent]
  agent --> model[(model)]
  agent --> mem[memory / tools]
  agent --> out[response]

코드 샘플 탭에서 Claude 기반 단일 에이전트를 보여줍니다.

언제 쓰면 좋은가

빠르고 기본 기능이 갖춰진 에이전트 추상화와, 데이터를 외부 플랫폼에 보내지 않고 멀티 에이전트 시스템을 배포할 자체 런타임(AgentOS)을 원할 때 Agno를 고르세요.

가격

오픈소스(Apache-2.0)라 무료로 셀프호스트할 수 있고, 호스팅형 AgentOS 컨트롤 플레인은 시트·라이브 연결 단위로 과금됩니다.

플랜	가격	비고
Free	$0	에이전트 시스템 빌드, 로컬 AgentOS용 컨트롤 플레인
Pro	$150/월	라이브 AgentOS 컨트롤 플레인 1개에 4시트 포함, 추가 시트 $30·라이브 연결 $95
Enterprise	문의	전담 지원·SLA, SSO/RBAC, 셀프호스트 컨트롤 플레인

출처 ↗ · 기준일 2026-06-27

예제

Python · agent

언제 쓰나

메모리·지식·도구를 갖춘 하나의 빠르고 모델 독립적인 에이전트 추상화에, 프로덕션으로 가는 경로까지 원할 때.

흐름

Agent가 모델에 선택적 메모리·지식·도구를 묶고, print_response가 실행해 응답을 스트리밍합니다.

구조

flowchart LR
  prompt[prompt] --> agent[Agent]
  agent --> model[(model)]
  agent --> mem[memory / tools]
  agent --> out[response]

from agno.agent import Agent
from agno.models.anthropic import Claude

agent = Agent(model=Claude(id="claude-opus-4-8"), markdown=False)
agent.print_response("Say hello in one short sentence.")

예제

Agno — Claude 기반 단일 에이전트

실제로 실행 가능한 미니 프로젝트입니다. 받아서 Docker로 실행해 보세요.

GitHub에서 samples/agno_1 보기 ↗

2026년 6월 28일

Agno — Claude 기반 단일 에이전트

아주 작은 Agno 샘플입니다. Claude 모델로 에이전트 하나를 만들고 프롬프트를 실행합니다.

설정

cd samples/agno_1
cp .env.sample .env
# .env 편집: ANTHROPIC_API_KEY 설정(필요하면 MODEL도)

Docker로 실행

cd samples/agno_1
docker build -t aas-agno .
docker run --rm --env-file .env aas-agno "Say hello in one short sentence."

Docker로 실행 (DooD를 쓰는 devcontainer에서)

Docker-outside-of-Docker에서는 포그라운드 docker run이 아무것도 출력하지 않을 수 있습니다 — detached로 실행하고 로그를 따라가세요:

docker logs -f "$(docker run -d --env-file .env aas-agno "Say hello in one short sentence.")"

로컬에서 실행

cd samples/agno_1
pip install -r requirements.txt
python app.py "Say hello in one short sentence."

실행 결과

모델과 실행마다 결과가 달라집니다 — LLM은 비결정적입니다. claude-opus-4-8로 실행한 한 예입니다:

Hello, it's nice to meet you!

파일

.env.sample

# Copy to `.env` and add your Anthropic API key.
#   cp .env.sample .env
ANTHROPIC_API_KEY=

# Any Claude model id.
MODEL=claude-opus-4-8

app.py

"""Agno: a single agent backed by Claude (Anthropic).

Builds one Agno agent and runs a prompt. Model is configurable via MODEL.

Run:
    docker build -t aas-agno .
    docker run --rm --env-file .env aas-agno "Say hello in one short sentence."
"""

import os
import sys

from dotenv import load_dotenv
from agno.agent import Agent
from agno.models.anthropic import Claude

load_dotenv()

MODEL = os.environ.get("MODEL", "claude-opus-4-8")


def main() -> None:
    prompt = " ".join(sys.argv[1:]) or "Say hello in one short sentence."
    agent = Agent(model=Claude(id=MODEL), markdown=False)
    print(agent.run(prompt).content)


if __name__ == "__main__":
    main()

Dockerfile

FROM python:3.13-slim

ENV PYTHONUNBUFFERED=1

WORKDIR /app

COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

COPY app.py .

ENTRYPOINT ["python", "app.py"]