PraisonAI 🦞 — Hire a 24/7 AI Workforce. Stop writing boilerplate and start shipping autonomous self-improving agents that research, plan, code, and execute tasks. Deployed in 5 lines of code with built-in memory, RAG, and support for 100+ LLMs.
이 번역은 AI가 원문 README를 옮긴 것입니다. 원문이 항상 우선합니다.
PraisonAI 🦞 — 24/7 AI 인력을 고용하세요. 더 이상 상용구 코드를 작성하지 말고, 연구, 계획, 코딩 및 작업을 실행하는 자율적이고 자기 개선하는 에이전트를 배포하세요. 5줄의 코드로 배포되며, 내장 메모리, RAG 및 100개 이상의 LLM을 지원합니다.
curl -fsSL https://praison.ai/install.sh | bashAI 에이전트가 산업 전반의 실제 문제를 해결합니다:
| 사용 사례 | 설명 | ||
|---|---|---|---|
| 🔍 연구 및 분석 | 여러 소스에서 자동으로 심층 연구, 정보 수집 및 인사이트 생성 | ||
| 💻 코드 생성 | 코드베이스와 요구사항을 이해하는 AI 에이전트로 코드 작성, 디버깅 및 리팩토링 | ||
| ✍️ 콘텐츠 제작 | 다중 에이전트 팀으로 블로그 게시물, 문서, 마케팅 카피 및 기술 문서 생성 | ||
| 📊 데이터 파이프라인 | API, 데이터베이스 및 웹 소스에서 데이터 자동 추출, 변환 및 분석 | ||
| 🤖 고객 지원 | 메모리와 지식 기반 응답으로 Telegram, Discord, Slack에 24/7 지원 봇 배포 | ||
| ⚙️ 워크플로 자동화 | 작업을 전달하고 결과를 확인하며 자체 수정하는 에이전트로 다단계 비즈니스 프로세스 자동화 |
pip install praisonaiagents
export OPENAI_API_KEY="your-api-key"from praisonaiagents import Agent
# 에이전트에게 목표를 주면 작업을 수행합니다.
agent = Agent(instructions="You are a senior data analyst.")
agent.start("Analyze the top 3 tech trends of 2026 and format as a markdown table.")코어 SDK로 간단하게 시작하고, 준비가 되면 전체 비주얼 빌더와 대시보드로 확장하세요.
praisonaiagents): 순수 Python 개발용. pip install praisonaiagentspraisonai): 터미널 기반 개발자용. pip install praisonaipip install "praisonai[claw]"pip install "praisonai[flow]"pip install "praisonai[ui]"npm install praisonai100개 이상의 LLM(OpenAI, Anthropic, Gemini 및 로컬 모델)으로 구동됩니다.
<details> <summary><strong>24개 제공자 전체 보기 (예제 포함)</strong></summary>
| 제공자 | 예제 | ||
|---|---|---|---|
| OpenAI | Example | ||
| Anthropic | Example | ||
| Google Gemini | Example | ||
| Ollama | Example | ||
| Groq | Example | ||
| DeepSeek | Example | ||
| xAI Grok | Example | ||
| Mistral | Example | ||
| Cohere | Example | ||
| Perplexity | Example | ||
| Fireworks | Example | ||
| Together AI | Example | ||
| OpenRouter | Example | ||
| HuggingFace | Example | ||
| Azure OpenAI | Example | ||
| AWS Bedrock | Example | ||
| Google Vertex | Example | ||
| Databricks | Example | ||
| Cloudflare | Example | ||
| AI21 | Example | ||
| Replicate | Example | ||
| SageMaker | Example | ||
| Moonshot | Example | ||
| vLLM | Example |
</details>
| 기능 | 방법 |
|---|
|--|---------|-----|
| 🔌 | MCP 프로토콜 — stdio, HTTP, WebSocket, SSE | tools=MCP("npx...") |
|---|
| 🧠 | 계획 모드 — 계획 → 실행 → 추론 | planning=True |
| 🔍 | 심층 연구 — 다단계 자율 연구 | Docs |
|---|
| 🤖 | 외부 에이전트 — Claude Code, Gemini CLI, Codex 오케스트레이션 | Docs |
| 🔄 | 에이전트 핸드오프 — 원활한 대화 전달 | handoff=True |
|---|
| 🛡️ | 가드레일 — 입력/출력 검증 | Docs |
| 웹 검색 + 가져오기 — 네이티브 브라우징 | web_search=True |
|---|
| 🪞 | 자기 반성 — 에이전트가 자신의 출력 검토 | Docs |
| 🔀 | 워크플로 패턴 — 라우트, 병렬, 루프, 반복 | Docs |
|---|
| 🧠 | 메모리 (제로 종속성) — 즉시 작동 | memory=True |
<details> <summary><strong>25개 기능 전체 보기</strong></summary>
| 기능 | 방법 |
|---|
|--|---------|-----|
| 💡 | 프롬프트 캐싱 — 지연 시간 및 비용 절감 | prompt_caching=True |
|---|
| 💾 | 세션 + 자동 저장 — 재시작 간 상태 유지 | auto_save="my-project" |
| 💭 | 생각 예산 — 추론 깊이 제어 | thinking_budget=1024 |
|---|
| 📚 | RAG + 품질 기반 RAG — 자동 품질 점수 검색 | Docs |
| 📊 | 모델 라우터 — 가장 저렴한 적합 모델로 자동 라우팅 | Docs |
|---|
| 🧊 | 섀도우 Git 체크포인트 — 실패 시 자동 롤백 | Docs |
| 📡 | A2A 프로토콜 — 에이전트 간 상호 운용 | Docs |
|---|
| 📏 | 컨텍스트 압축 — 토큰 제한에 도달하지 않음 | Docs |
| 📡 | 원격 측정 — OpenTelemetry 트레이스, 스팬, 메트릭 | Docs |
|---|
| 📜 | 정책 엔진 — 선언적 에이전트 동작 제어 | Docs |
| 🔄 | 백그라운드 작업 — fire-and-forget 에이전트 | Docs |
|---|
| 🧩 | 도구 — 100개 이상의 내장 도구 | tools=["code", "search",...] |
| 🔗 | MCP 클라이언트 — 모든 MCP 서버에 연결 | tools=MCP("npx...") |
|---|
| 🧪 | 테스트 — 에이전트 평가 및 벤치마킹 | Docs |
| 📝 | 로깅 — 구조화된 로그 | logging=True |
|---|
| 🔒 | 보안 — API 키 및 비밀 관리 | Docs |
| 🌐 | 다국어 — 모든 언어 지원 | language="ko" |
|---|
| 🎨 | 사용자 정의 — 에이전트 동작 사용자 정의 | Docs |
| 📦 | 패키지 — PyPI 및 npm에서 사용 가능 | pip install praisonaiagents |
|---|
| 🚀 | 배포 — 5줄의 코드로 배포 | Docs |
| 📚 | 문서 — 포괄적인 문서 | Docs |
|---|
| 🎓 | 튜토리얼 — 단계별 가이드 | Docs |
| 💬 | 커뮤니티 — Discord 및 GitHub | Discord |
|---|
| 🐛 | 버그 신고 — GitHub Issues | Issues |
| ⭐ | 기여 — GitHub에서 별표 | Star |
|---|
</details>