AI 코딩 도구에게 “우리 API는 항상 /api/v1/ 형식을 따른다”고 알려줬는데, 다음 세션에서 또 물어본 적 있으신가요? LangChain이 공개한 DeepAgents CLI는 이 문제에 독특한 해법을 제시합니다. 터미널에서 바로 실행하는 AI 코딩 에이전트로, 프로젝트별 규칙과 패턴을 파일로 저장하고 세션을 넘어 기억합니다.

설치부터 실행까지 1분

DeepAgents CLI는 LangChain의 deepagents 라이브러리를 터미널 도구로 만든 것입니다. 설치는 간단합니다:

pip install deepagents-cli

API 키를 설정하고 (Claude나 OpenAI, 웹 검색용 Tavily):

export ANTHROPIC_API_KEY=your_key
export TAVILY_API_KEY=your_key

프로젝트 디렉토리에서 실행하면 끝입니다:

deepagents

Claude Sonnet 4가 기본 모델이며, 바로 대화를 시작할 수 있습니다. “src/utils.py의 모든 함수에 타입 힌트 추가해줘” 같은 요청을 하면, 에이전트가 파일을 읽고, 변경 내용을 diff로 보여주고, 승인을 받은 후 수정합니다.

핵심은 메모리: 한 번 가르치면 계속 기억

DeepAgents CLI의 가장 독특한 부분입니다. 에이전트는 ~/.deepagents/AGENT_NAME/memories/ 디렉토리에 학습 내용을 마크다운 파일로 저장합니다.

사용 시나리오를 보면 더 명확합니다:

첫 번째 세션 – 규칙 가르치기:

You: 우리 API 규칙을 기억해줘.
- /api/v1/ 접두사 사용
- POST 성공시 201 반환
- 에러는 code와 message 필드 포함

이걸 api-conventions.md로 저장해.

Agent: 메모리에 저장하겠습니다.
⚙ write_file(/memories/api-conventions.md)

나중 세션 – 자동으로 적용:

You: 사용자 등록 엔드포인트 만들어줘

Agent: API 규칙을 확인하고 적용하겠습니다.
⚙ read_file(/memories/api-conventions.md)
⚙ write_file(src/routes/users.py)

/api/v1/users 엔드포인트를 만들고
201 응답과 에러 포맷을 적용했습니다.

에이전트는 이른바 Memory-First Protocol이라 부르는 방식을 따릅니다. 작업 전에 메모리 확인, 불확실할 때 메모리 검색, 새로운 정보는 메모리에 저장하는 식이죠.

메모리는 단순히 마크다운 파일이므로, 직접 열어서 확인하거나 수정할 수 있습니다. 에이전트에게 “데이터베이스 관련해서 뭘 알고 있어?”라고 물어보면 메모리를 검색해서 답해주기도 합니다.

프로젝트별로 에이전트 분리

deepagents --agent backend-dev 처럼 에이전트 이름을 지정해서 실행할 수 있습니다. 각 에이전트는 독립적인 메모리를 가지므로, 백엔드 개발용, 프론트엔드용, 특정 프로젝트용으로 나눠서 관리할 수 있죠.

deepagents --list           # 에이전트 목록 확인
deepagents --agent frontend # 프론트엔드 전용 에이전트
deepagents --reset frontend # 에이전트 초기화

기본 에이전트 이름은 agent이며, 별도로 지정하지 않으면 이 에이전트와 그 메모리가 사용됩니다.

그 외 기능들

메모리 외에도 AI 코딩 도구로서 필요한 기능을 갖추고 있습니다:

• 파일 작업: 읽기, 쓰기, 편집 (변경 전 diff 확인)
• 쉘 명령: 사용자 승인 후 실행
• 웹 검색: Tavily API로 최신 정보 수집
• API 호출: HTTP 요청 실행
• 태스크 플래닝: 복잡한 작업을 단계별로 분해

자동 승인 모드도 있어서, 매번 승인하기 번거로울 때는 빠르게 개발할 수 있습니다.

Claude Code와 어떻게 다른가

Claude Code는 Anthropic이 만든 공식 CLI 도구로, 강력한 코딩 능력과 세련된 UX가 장점입니다. DeepAgents CLI는 다른 방향을 추구합니다:

• 명시적 메모리 관리: 파일로 저장되는 메모리, 직접 확인하고 편집 가능
• 오픈소스: LangChain 기반으로 커스터마이징과 확장 용이
• 멀티 에이전트: 프로젝트/용도별 에이전트 분리
• LangChain 생태계: LangGraph, LangSmith 등과 자연스러운 통합

다만 아직 초기 단계라 실전 피드백이 적고, Claude Code만큼의 완성도는 기대하기 어렵습니다. 메모리 시스템이 실무에서 얼마나 유용할지는 장기적으로 써봐야 판단할 수 있을 것 같네요.

LangChain 생태계를 쓰는 개발자라면, 혹은 “학습하는 AI 에이전트”의 메모리 구현이 궁금하다면 시도해볼 만합니다. 오픈소스이니 내부를 뜯어보며 배우기에도 좋고요.

참고자료:

• Introducing DeepAgents CLI – LangChain Blog
• DeepAgents GitHub Repository
• DeepAgents Documentation

1

Like?