AX LABS
← 블로그 에이전트 제품 설계

세 SDK는 같은 물건이 아니다

2026년 선택 기준은 모델이 아니라 운영 하네스다

AX LABS 6분 읽기

현장에서 세 SDK를 비교할 때 대화는 자주 모델 이름으로 시작한다. Claude가 코드를 잘 쓰는지, GPT가 도구 호출을 잘하는지, Gemini가 Google Cloud와 얼마나 붙는지부터 묻는다. 그 질문은 틀리지 않았지만 충분하지 않다.

운영에 올라가는 순간 문제는 모델이 아니다. 누가 context를 관리하는가. 누가 tool 권한을 좁히는가. 누가 실행 흔적을 남기는가. 누가 배포와 회수를 책임지는가. 이 네 질문에 답하지 못한 SDK 선택은 곧 재작성 비용이 된다.

Claude는 작업대형 하네스다

Claude Agent SDK의 강점은 Claude Code에서 온 작업대형 하네스다. Anthropic 공식 문서는 Agent SDK가 built-in tool execution을 제공하고, subagents, MCP servers, sessions, hooks, Skills, slash commands, memory, plugins 같은 Claude Code 구성을 SDK에서 활용한다고 설명한다.

이 구조는 문서 작성, 코드 수정, 파일 생성, 리포트 조립처럼 긴 작업 맥락을 유지해야 하는 업무에 강하다. 특히 CLAUDE.md, .claude/skills, hooks, MCP를 함께 쓰면 에이전트가 단순 호출기가 아니라 팀의 작업 규칙을 읽는 실행자로 바뀐다.

단점도 분명하다. Claude식 작업공간 규율을 받아들여야 한다. 이미 내부 플랫폼이 tool registry, policy engine, observability를 따로 갖고 있다면 중복 계층이 생긴다. Claude Agent SDK는 “가볍게 붙이는 라이브러리”보다 “작업 환경을 함께 설계하는 방식”에 가깝다.

OpenAI는 제품 내장형 실행 루프다

OpenAI Agents SDK는 agent, handoff, guardrail, tracing을 전면에 세운다. 2026년 4월 공식 발표에서는 configurable memory, sandbox-aware orchestration, MCP, skills, AGENTS.md, shell, apply_patch를 포함한 더 강한 harness와 sandbox 실행을 공개했다. Python이 먼저이며 TypeScript 확장은 별도 로드맵으로 제시됐다.

OpenAI 쪽의 실전 장점은 제품 내장에 있다. 고객 상담, 내부 업무 포털, 분석 앱처럼 사용자가 이미 머무는 화면 안에 agent를 넣고, handoff와 guardrail로 흐름을 통제하기 좋다. tracing이 기본 축으로 잡혀 있어 개발 단계에서 “왜 이 도구를 불렀는가”를 추적하는 습관도 만들기 쉽다.

주의할 점은 guardrail이 모든 경로를 자동으로 덮지 않는다는 점이다. OpenAI 문서는 handoff, hosted tool, built-in execution tool에는 일반 tool guardrail 파이프라인이 그대로 적용되지 않는다고 밝힌다. 운영 설계자는 guardrail을 기능 목록이 아니라 실패 경로별 통제 구조로 다시 그려야 한다.

SDK 선택은 모델 선호가 아니라 실패 책임의 배치다.

Google ADK는 플랫폼형 조립판이다

Google ADK는 Google Cloud와 Vertex AI Agent Builder를 중심으로 읽어야 한다. 공식 문서는 ADK를 flexible, modular, open-source framework라고 설명하고, Gemini와 Google 생태계에 최적화되어 있지만 model-agnostic, deployment-agnostic 구조라고 밝힌다.

ADK의 강점은 multi-agent orchestration, graph-based workflow, evaluation, deployment로 이어지는 플랫폼성이다. Agent Engine, Cloud Run, GKE, Vertex AI와 함께 쓰면 개별 agent보다 운영 체계를 먼저 잡을 수 있다. A2A native support와 Google 서비스용 MCP 지원도 이 방향을 강화한다.

반대로 작은 제품팀이 빠르게 사용자 경험을 검증하려면 무겁게 느껴진다. ADK는 “에이전트를 하나 만든다”보다 “여러 에이전트를 조직의 클라우드 운영 체계에 얹는다”에 맞다.

선택 기준 Claude Agent SDK OpenAI Agents SDK Google ADK
강한 지점 작업공간, context, code/file 작업 handoff, guardrail, tracing, sandbox multi-agent, cloud deployment, A2A
맞는 조직 지식노동·개발 업무를 재설계하는 팀 제품 안에 agent를 넣는 팀 Google Cloud 중심 플랫폼 조직
조심할 점 Claude Code식 운영 규율 필요 guardrail 적용 범위 재설계 필요 초기 검증에는 구조가 무거움

참고: 선택은 운영 기준으로 끝낸다

얕게 요약하면 이렇다. Claude는 작업 맥락을 오래 끌고 가는 agent에 맞다. OpenAI는 제품 화면 안에서 통제 가능한 agent loop를 만들 때 맞다. Google ADK는 여러 agent를 클라우드 운영 체계에 올릴 때 맞다.

참고한 1차 출처는 아래와 같다.

AX 과제에서 먼저 할 일은 SDK 선정표가 아니다. 실제 업무 한 줄을 잡고 context, tool, approval, trace, rollback 기준을 먼저 쓰는 것이다. 그다음 SDK를 고르면 재작성 비용이 줄어든다. 이 기준으로 에이전트 제품을 설계하려면 AX Ops 방법론 →