모델 837건 · 국산 131 · 가격 674 추적 중

LlamaIndex

문서를 읽어 색인하고 질문에 맞는 조각을 찾아 넣는 데 초점을 둔 프레임워크

LlamaIndex·PythonMIT직접 호스팅관리형 제공

지표

GitHub API 에서 직접 읽은 값입니다

GitHub 별52,502

라이선스MIT저장소 공개

주 언어Python2022-11-02 공개

마지막 커밋2026-10-14확인 2026-10-15

별 수 추이는 기록이 쌓인 뒤에 보여 줍니다 — 과거 값은 소급해 만들 수 없습니다.

무엇을 하는 도구인가

LlamaIndex는 문서를 읽어 쪼개고 색인을 만든 뒤, 질문이 들어오면 관련 조각을 찾아 LLM 호출에 끼워 넣는 작업을 대신해 주는 프레임워크다. 커넥터(리더)로 PDF·DB·API 등 다양한 형식의 데이터를 불러오고, 이를 노드로 분할해 인덱스 구조로 저장한 다음, 쿼리 엔진이 검색과 재순위화를 거쳐 맥락을 구성한다. 같은 층의 LangGraph·CrewAI 같은 도구들이 여러 단계를 거치는 에이전트 제어 흐름 자체에 무게를 두는 반면, LlamaIndex는 데이터를 불러와 색인하고 검색하는 과정에 더 집중된 구성 요소와 추상화를 제공하고, 그 위에 에이전트·워크플로 기능을 얹는 방식이다. 코드로 모델 호출을 엮고 도구와 상태를 다룬다는 점에서는 다른 에이전트 프레임워크와 역할이 겹친다.

이럴 때 고른다

여러 형식(PDF, 데이터베이스, API 등)의 문서를 하나의 질의 체계로 묶어 검색해야 할 때
검색-증강 생성(RAG) 파이프라인에서 청크 분할, 임베딩, 재순위화 같은 검색 전략을 세밀하게 조정하고 싶을 때
지식 베이스 위에 질의 엔진을 두고 질문에 답하는 기능이 핵심이고, 복잡한 다중 에이전트 제어 흐름은 부가적일 때
기존 코드베이스에 다양한 데이터 소스를 연결하는 커넥터를 재사용해 색인 구축 시간을 줄이고 싶을 때

어디까지만 하나

벡터 저장소 자체를 대체하지 않으므로, 실제 운영 규모에서는 별도의 벡터 DB나 저장 백엔드를 붙여야 한다
원본 데이터가 바뀔 때 재색인을 언제, 어떻게 수행할지는 여전히 직접 설계하고 운영해야 하는 몫이다
청크 크기, 임베딩 모델, 검색 전략 선택에 따라 답변 품질이 크게 달라지므로 튜닝 작업이 필요하다
다중 에이전트 오케스트레이션이나 복잡한 제어 흐름을 짜려면 같은 층의 다른 프레임워크와 역할이 겹쳐, 어떤 추상화를 프로젝트에 들일지 별도로 판단해야 한다

에이전트 프레임워크 층은 무엇을 푸나

모델 호출을 여러 단계로 엮고, 도구를 쥐여 주고, 상태를 들고 간다

언제 필요해지나 — 한 번의 호출로 끝나지 않는 일을 코드로 짤 때

같은 층의 다른 도구

층이 같다는 것은 푸는 문제가 같다는 뜻입니다 — 비교가 되는 자리입니다

도구	하는 일	별	라이선스
LlamaIndex 보는 중	문서를 읽어 색인하고 질문에 맞는 조각을 찾아 넣는 데 초점을 둔 프레임워크	52,502	MIT
LangChain	모델·도구·데이터 연결을 공통 인터페이스로 묶는 프레임워크	147,847	MIT
AutoGen	에이전트 간 대화로 작업을 풀어 가는 다중 에이전트 프레임워크	61,414	CC-BY-4.0
CrewAI	역할을 나눈 여러 에이전트가 협업하도록 구성하는 프레임워크	59,718	MIT
LangGraph	에이전트의 단계를 그래프로 정의해 분기·되돌림·사람 개입을 넣는다	43,299	MIT
Agno	메모리·지식·도구를 갖춘 에이전트를 가볍게 구성하는 프레임워크	42,739	Apache-2.0
OpenAI Agents SDK	핸드오프·가드레일·추적을 기본으로 둔 경량 에이전트 SDK	30,047	MIT

지표

무엇을 하는 도구인가

이럴 때 고른다

어디까지만 하나

에이전트 프레임워크 층은 무엇을 푸나

같은 층의 다른 도구

관련 용어