샌드박스는 Box Runtime이라고도 하며, 내장 에이전트에 격리된 실행 환경을 제공합니다. 쉽게 말해, 에이전트는 개발자처럼 더 가깝게 작업할 수 있습니다. 즉, 호스트 환경을 직접 건드리지 않고도 명령을 실행하고, 파일을 읽고 쓰고, 파일을 편집하고, 프로젝트 콘텐츠를 검색할 수 있습니다.
기본 도구 세트에는 여섯 가지 핵심 도구가 포함됩니다:
도구 | 용도 |
| 셸 명령을 실행합니다. |
| 파일 내용을 읽습니다. |
| 파일을 작성합니다. |
| 기존 파일을 편집합니다. |
| 패턴으로 파일을 일치시킵니다. |
| 파일 내용 내부를 검색합니다. |
샌드박스 백엔드는 플러그형입니다. 배포 환경에 따라 LangBot은 격리 백엔드로 Docker, nsjail, 또는 E2B를 사용할 수 있습니다. 시스템은 적절한 옵션을 자동으로 선택할 수 있습니다.
원저자는 아키텍처 측면의 장점도 지적합니다. LangBot은 이미 플러그인 런타임을 메인 시스템과 분리하고 있습니다. 덕분에 설계를 더 쉽게 확장할 수 있습니다. 예를 들어, WebUI는 한 대의 머신에서 실행하고, LangBot 백엔드는 NAS에서 실행하며, Plugin Runtime은 Raspberry Pi 같은 다른 곳에 배포할 수 있습니다.
Box Runtime은 stdio 모드 MCP 서버도 호스팅할 수 있어, LangBot이 더 안전하고 유연한 방식으로 도구 기능을 확장할 수 있게 해줍니다.
Docker 배포에서 전체 프로필을 활성화하려면 다음을 사용하세요:
docker compose --profile all up
샌드박스를 비활성화하려면 다음과 같이 설정하세요:
box:
enabled: false스킬 시스템
스킬은 필요할 때 불러오는 지시 패키지입니다. 하나의 스킬에는 프롬프트, 스크립트, 절차, 템플릿 또는 참고 파일이 포함될 수 있습니다. 핵심은 에이전트가 모든 스킬을 항상 컨텍스트에 로드할 필요가 없다는 점입니다.
대신 에이전트는 보통 사용 가능한 스킬 목록만 봅니다. 작업에 특정 스킬이 필요할 때만 해당 순간에 전체 스킬 내용이 로드됩니다. 이렇게 하면 컨텍스트 낭비를 줄이고, 장시간 이어지거나 복잡한 대화를 더 쉽게 관리할 수 있습니다.
이 설계는 에이전트에 전문화된 능력이 필요하지만 시스템 프롬프트에 모든 지침을 담고 있을 필요는 없을 때 유용합니다. 기본 컨텍스트를 더 가볍게 유지하면서도 필요할 때는 더 깊은 기능을 사용할 수 있게 해줍니다.
v4.9.x에 이미 도입된 기능
기능 | 변경 사항 |
플러그인 확장 페이지 | 플러그인은 iframe과 페이지 SDK를 통해 사용자 지정 UI를 렌더링할 수 있습니다. |
모니터링 및 피드백 | 피드백은 메시지 ID에 연결할 수 있으며, 피드백 데이터는 내보낼 수 있습니다. |
보안 강화 | 엔터프라이즈 사용 시나리오를 위해 보안 관련 수정 사항과 보호 기능 개선이 추가되었습니다. |
LangBot v4.9.0: 지식 베이스 플러그인화
LangBot v4.9.0은 지식 베이스, 즉 RAG 기능을 플러그인 기반 아키텍처로 재구성하는 데 중점을 두었습니다. 작성자는 특히 Dify와 같은 플랫폼과의 더 나은 통합을 위해 이것이 오래전부터 계획된 대규모 업데이트였다고 밝혔습니다.
새로운 설계에서 LangBot은 더 이상 내장 지식 베이스와 외부 지식 베이스를 서로 분리된 두 범주로 취급하지 않습니다. 대신 모든 지식 베이스는 통합된 방식으로 관리됩니다. 다양한 지식 엔진은 플러그인을 통해 제공됩니다.
주요 변경 사항은 다음과 같습니다:
통합 관리: 내장 및 외부 지식 베이스가 하나의 관리 모델 아래에서 처리됩니다.
새로운 구성 요소 유형: KnowledgeEngine 플러그인 구성 요소가 도입되었습니다.
동적 양식: 지식 베이스를 생성할 때 선택한 엔진에 따라 양식이 다르게 렌더링될 수 있습니다.
API 기반 핵심 기능: 임베딩 호출과 벡터 데이터베이스 작업은
RAGRuntimeService내부에 래핑되어 있으므로 플러그인은 API를 통해 이를 호출할 수 있습니다.자동 마이그레이션: 이전 버전에서 생성된 지식 베이스는 v4.9.0으로 업그레이드한 후 자동으로 마이그레이션할 수 있습니다.
스크린샷에는 여러 개의 RAG 관련 지식 엔진 플러그인이 표시되어 있습니다. 원문 게시물에서는 LangBot 팀의 자체 연구 작업을 포함해 다섯 가지 RAG 옵션을 언급합니다.
기타 주요 업데이트
LangBot Cloud도 공식적으로 출시되었습니다. 자체 호스팅을 원하지 않는 사용자는 공식 클라우드 서비스를 통해 LangBot을 체험할 수 있습니다.
이번 릴리스 라인에는 Dify 출력 파싱, WebSocket 메시지 전송, 구성 유형 변환 등의 영역을 포함한 여러 수정 사항도 포함되어 있습니다.
지식 베이스가 플러그인화된 이후, 개발자들은 사용자 정의 지식 엔진을 LangBot에 연결할 수 있는 더 깔끔한 방법을 얻게 되었습니다. 이는 특히 더 복잡한 비즈니스 요구 사항을 가진 팀에 매우 유용합니다.
이미 추가되었지만 거의 언급되지 않았던 업데이트
원 저자는 이어서 공개 릴리스 노트를 넘어, 이미 변경되었지만 이전 글들에서 충분히 설명되지 않았던 여러 기능을 나열합니다.
LangBot 플러그인 마켓, 400개 항목 돌파
원문 게시물에 따르면 LangBot 플러그인 마켓은 이미 400개 항목을 넘어섰습니다. 저자는 또한 팀이 플러그인을 검토하고 있으며, 오락 전용 플러그인은 비교적 제한적이고 중복도 낮다고 언급합니다.
이 점이 중요한 이유는 플러그인 생태계가 종종 단일 내장 기능 목록보다 더 중요하기 때문입니다. 더 큰 생태계는 모든 기능이 핵심 제품의 일부가 되기를 기다리는 대신, 사용자가 다양한 워크플로에 맞게 LangBot을 확장할 수 있음을 의미합니다.
외부 AI 애플리케이션 플랫폼 호환성, 7개 플랫폼 돌파
LangBot은 외부 AI 애플리케이션 개발 플랫폼과의 호환성을 지속적으로 확장해 왔습니다. 원문에서는 Weknora와 Deerflow 관련 최근 업데이트를 언급하며, LangBot이 확장성에 각별한 주의를 기울이고 있음을 강조합니다.
스크린샷에는 Coze, DashScope, DeerFlow, Dify, Langflow, 로컬 에이전트, n8n, Tbox, Weknora를 포함한 여러 플랫폼의 커넥터 관련 파일이 표시되어 있습니다.
LangTARS 및 OpenClaw와 유사한 기능은 계속해서 개선되고 있습니다
LangTARS는 모듈형 기능 계층으로 설명됩니다. LangBot은 모델, 도구, 지식 베이스, 대화 기록을 로컬 또는 서드파티 에이전트에 안전하게 노출하는 통합 기반 역할을 합니다.
이를 통해 에이전트는 비즈니스 인텔리전스에 집중할 수 있습니다. 즉, 사용자 의도를 이해하고, 도구를 호출하고, 지식을 검색하며, 답변을 구성하는 일입니다. 에이전트는 저수준 연결 세부 사항을 걱정할 필요가 없습니다.
이 글에서는 또한 이러한 기능이 샌드박스 기반 운영과 개인용 컴퓨터 제어 시나리오를 모두 지원할 수 있다고 언급합니다.
SaaS 플랫폼 에이전트 업데이트
SaaS 플랫폼도 에이전트 업데이트를 받았습니다. 저자는 이 부분을 자세히 설명하지는 않지만, SaaS 사용자는 이미 이러한 변경 사항을 경험했으며, 오픈소스 커뮤니티는 일부 기능을 몇 개 버전 뒤에 경험할 수 있다고 언급합니다.
엔터프라이즈 모델 콜백 라우팅
LangBot은 엔터프라이즈급 모델 콜백 라우팅을 추가했습니다. 모델 호출이 실패하면 메시지를 미리 구성된 대체 모델로 다시 라우팅할 수 있습니다.
이 설계의 가치는 API 키와 모델 공급업체를 둘러싼 제약을 완화하는 데 도움이 된다는 점입니다. 엔터프라이즈 시스템에서는 한 공급업체에 장애가 발생하거나 한도에 도달했을 때 신뢰성을 향상시킬 수 있습니다.
LangBot은 30개 이상의 IM 플랫폼을 직접 또는 간접적으로 지원합니다
LangBot은 이미 폭넓은 인스턴트 메시징 플랫폼 호환성을 확보했습니다. 원문에서는 LangBot이 30개 이상의 IM 플랫폼을 직접 또는 간접적으로 지원한다고 명시합니다.
봇 프레임워크의 경우 IM 지원 범위는 매우 중요합니다. 기업은 하나의 봇 시스템이 WeChat, QQ, Lark, DingTalk, Telegram, Discord, Slack, LINE 및 기타 플랫폼 전반에서 작동하기를 원할 수 있습니다. 통합된 봇 프레임워크는 중복되는 연동 작업을 줄일 수 있습니다.
파이프라인 라우팅: 워크플로우형 대화 라우팅
이 글에서는 워크플로우와 다소 유사하게 동작하는 파이프라인 라우팅도 언급합니다.
이 기능을 통해 LangBot은 비즈니스 키워드나 기타 조건에 따라 대화를 서로 다른 파이프라인으로 라우팅할 수 있습니다. 각 파이프라인은 서로 다른 프롬프트, 확장 기능 및 데이터베이스를 사용할 수 있습니다. 또한 중첩도 가능합니다.
원저자는 중요한 참고 사항도 덧붙입니다. 시각적 워크플로우 업데이트가 도입된 후에는, 시각적 워크플로우 오케스트레이션이 더 안정적이고 사용하기 쉬워질 것이므로 이 파이프라인 라우팅 기능이 제거되거나 대체될 수 있습니다.
QR 코드 구성
일부 지원되는 오픈 플랫폼의 경우, LangBot은 QR 코드 기반 구성을 사용할 수 있습니다. 이를 통해 모든 세부 정보를 수동으로 입력하지 않고도 오픈 플랫폼을 더 쉽게 구성할 수 있습니다.
향후 업데이트 미리보기
일부 예정된 기능은 원문 기사가 작성되었을 때 이미 개발 중이었습니다. 작성자는 일부 내용이 너무 최신이어서 당시에는 공식 웹사이트조차 아직 업데이트되지 않았다고 언급합니다.
몇 분 만에 쇼케이스 사이트를 만들고 리드를 늘리세요
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
시각적 워크플로 오케스트레이션은 이미 개발 완료되었습니다
시각적 워크플로 오케스트레이션 기능은 이미 개발을 마쳤으며, 병합 시점도 결정되었습니다.
이것은 앞으로 있을 더 중요한 변화 중 하나인데, WebUI에서 복잡한 로직을 더 쉽게 구축하고 유지 관리할 수 있게 해주기 때문입니다.
다른 CLI 스타일 에이전트 기능 통합
이 글에서는 또한 cc와 연결된 프로젝트가 어느 정도 주목을 받게 되면서, 팀이 Claude Code와 Codex와 유사한 다른 CLI 스타일 기능에 대한 지원을 추가하기로 결정했다고 언급합니다.
이러한 방향은 AI 에이전트가 개발 환경, 명령줄 도구, 로컬 프로젝트와 더 직접적으로 작업할 수 있도록 하는 더 큰 흐름과도 잘 맞습니다.
더 많은 기능이 추가될 예정입니다
저자는 앞으로 남아 있는 기능들은 예고편처럼만 남겨 둡니다. 핵심 메시지는 분명합니다. 현재의 LangBot 업데이트가 종착점이 아니며, 로드맵에는 여전히 더 많은 Agent 및 Workflow 관련 개선 사항이 포함되어 있다는 것입니다.
검증되지 않은 비교에 대한 메모
원문은 또한 작성자의 말에 따르면 비교를 하기 전에 충분한 세부 사항을 검증하지 않은 또 다른 글에 대해서도 응답합니다.
스크린샷에는 LangBot과 AstrBot이 모두 유용한 AI 봇 생태계를 구축하는 방향으로 나아가고 있지만, 강조하는 방향은 서로 다르다고 나와 있습니다. LangBot은 AI 애플리케이션을 채팅 생태계에 빠르게 연결하는 데 더 중점을 두는 반면, AstrBot은 봇 자체를 확장 가능한 지능형 플랫폼으로 만드는 데 더 중점을 둡니다.
실질적인 시사점은 간단합니다. 비교는 검증된 기능, 사용 사례, 배포 요구사항을 기준으로 이루어져야 합니다. 플러그인 시스템, 런타임 분리, 플랫폼 통합 또는 엔터프라이즈 라우팅 기능을 비교에서 무시할 때만 어떤 프레임워크가 더 “작아” 보일 수 있습니다.
우리는 모두 비슷합니다
저자는 같은 생태계의 프로젝트들이 종종 비슷해 보이는 이유는 유사한 사용자 요구에 대응하고 있기 때문이라는 점을 짧게 덧붙입니다.
AI 봇 프레임워크는 모두 모델, 도구, 지식 베이스, 메시징 플랫폼, 그리고 사용자 워크플로를 연결하려고 합니다. 비슷하다는 것이 반드시 문제인 것은 아닙니다. 진정한 차이는 아키텍처, 확장 모델, 배포 설계, 그리고 팀이 실제 사용 사례를 얼마나 빠르게 지원할 수 있는지에 있습니다.
모두가 서로 다른 상황에 놓여 있습니다
서로 다른 팀은 서로 다른 제약 조건 아래에서 구축합니다. 어떤 팀은 로컬 사용 편의성에 집중합니다. 어떤 팀은 플러그인의 풍부함에 집중합니다. 어떤 팀은 엔터프라이즈 배포에 집중합니다. 어떤 팀은 채팅 플랫폼 지원 범위에 집중합니다.
그렇기 때문에 진지한 비교는 단지 “어느 쪽이 기능이 더 많은가?”만 물어서는 안 됩니다. 또한 다음도 물어야 합니다. 어떤 프레임워크가 배포 시나리오, 팀 규모, 플랫폼 요구 사항, 유지보수 역량, 그리고 장기적인 확장 계획에 적합한가?
고동시성 백로그 테스트
원문의 마지막에서 저자는 성능 관련 데이터도 덧붙입니다. 프레임워크에서 높은 동시성과 다중 세션 처리 능력은 중요한 지표입니다.
테스트 방법은 미처리 세션이 약 50~70개까지 누적되도록 강제로 만든 다음, 속도를 점진적으로 낮추고 시스템이 부하 균형에 도달했을 때의 TPS를 관찰하는 것이었습니다.
작성자는 테스트 중 세션 적체가 있었으므로, 이는 높은 동시성 환경을 나타내며 일반적인 운영 트래픽과는 정확히 같지 않다고 언급합니다. 그러나 그럼에도 불구하고 압박 상황에서의 프레임워크 성능을 유용하게 보여줍니다.
원문 기사에 설명된 테스트 조건:
항목 | 테스트 조건 |
하드웨어 | 8GB 메모리의 Raspberry Pi 5 |
시스템 | Ubuntu 22 |
배포 | 프론트엔드와 백엔드를 함께 실행 |
컨테이너 사용 | 컨테이너 배포 없음 |
AI API | 동일한 OpenAI 인터페이스 |
모델/API 지연 시간 | 동일한 AI 인터페이스 지연 시간 모델 및 기본 매개변수 |
시간당 응답 수 |
국내 프레임워크 A/B
다음 차트는 원문에 제시된 국내 프레임워크 A/B 테스트에서 가져온 것입니다.
원 저자의 차트 해석에 따르면 TPS는 대략 시간당 240회 응답입니다.
LangBot
다음 차트는 원문에 제시된 LangBot 테스트에서 가져온 것입니다.
원 저자가 이 차트를 해석한 바에 따르면, LangBot은 이 테스트에서 시간당 약 1260개의 응답에 도달합니다.
저자는 또한 이것이 LangBot에 여전히 다소 불공정할 수 있다고 언급합니다. LangBot이 Runtime 구성 요소를 하나 더 가지고 시작하기 때문입니다. 그 추가 구성 요소가 있더라도, 표시된 테스트에서 결과는 여전히 상당히 더 높습니다.
성능 해석 시 주의
이 차트들은 유용하지만, 보편적인 프로덕션 벤치마크로 간주해서는 안 됩니다. 저자는 Raspberry Pi 5와 특정 테스트 방법을 사용했으므로, 절대적인 수치는 하드웨어, API, 모델 지연 시간, 배포 토폴로지가 달라지면 달라질 수 있습니다.
더 유용한 지표는 동일한 테스트 환경에서의 상대적인 TPS 비율입니다. 원 저자는 관련 테스트 소프트웨어가 나중에 오픈소스로 공개될 수도 있다고도 말합니다.
자주 묻는 질문
LangBot이란 무엇인가요?
LangBot은 AI 기반 인스턴트 메시징 봇을 구축하기 위한 오픈 소스의 프로덕션급 플랫폼입니다. 대규모 언어 모델과 AI 애플리케이션 플랫폼을 Discord, Telegram, Slack, WeChat, QQ, Lark, DingTalk 등과 같은 채팅 플랫폼에 연결합니다.
LangBot v4.10.x에서 무엇이 변경되었나요?
가장 중요한 업데이트는 Sandbox와 Skills의 도입입니다. Sandbox는 Agent에게 명령 및 파일 작업을 위한 격리된 작업 공간을 제공하고, Skills는 필요할 때만 Agent가 전문화된 지침을 불러올 수 있게 합니다.
LangBot Box Runtime이란 무엇인가요?
Box Runtime은 LangBot의 샌드박스 실행 환경입니다. 호스트 환경과 격리된 상태로 실행을 유지하면서 exec, read, write, edit, glob, grep와 같은 도구를 제공할 수 있습니다.
Docker에서 LangBot 샌드박스를 어떻게 활성화하나요?
Docker 배포의 경우, 원문에서는 전체 프로필을 시작하기 위해 docker compose --profile all up를 사용합니다. 샌드박스를 비활성화하려면 구성에서 box.enabled: false로 설정하세요.
LangBot Skills는 무엇에 사용되나요?
스킬은 에이전트를 위한 온디맨드 지침 패키지입니다. 여기에는 프롬프트, 절차, 스크립트, 참고 파일이 포함될 수 있으며, 이를 통해 에이전트는 처음부터 모든 것을 컨텍스트에 로드하지 않고도 전문 지식을 사용할 수 있습니다.
LangBot이 AstrBot보다 더 나은가요?
답은 사용 사례에 따라 달라집니다. LangBot은 AI 애플리케이션을 채팅 생태계, 엔터프라이즈 라우팅, 플러그인 런타임 분리, RAG, MCP 및 멀티플랫폼 IM 배포에 연결하는 데 강점을 두고 있습니다. AstrBot 역시 강력한 에이전트 및 봇 프레임워크 기능을 갖추고 있으므로, 올바른 선택은 배포 시나리오와 기능 우선순위에 따라 달라집니다.
이 글의 TPS 수치는 프로덕션 벤치마크인가요?
아니요. 원래 테스트는 특정 Raspberry Pi 5 설정과 통제된 백로그 시나리오를 사용했습니다. 이 수치는 참고용으로 유용하지만, 실제 프로덕션 성능은 하드웨어, API 지연 시간, 배포 방식, 세션 부하 및 구성에 따라 달라집니다.
LangBot을 엔터프라이즈 봇에 사용할 수 있나요?
네, LangBot은 프로덕션 및 엔터프라이즈 환경을 위해 설계되었으며, 특히 팀에서 멀티플랫폼 IM 지원, 지식 베이스 통합, 모델 라우팅, 모니터링, 그리고 확장 가능한 플러그인 기능이 필요한 경우에 적합합니다.
관련 도구
LangBot: AI 기반 인스턴트 메시징 봇을 구축하기 위한 오픈소스 플랫폼.
LangBot 문서: 배포, 봇 구성, 모델, 파이프라인, 플러그인, 샌드박스 및 스킬에 대한 공식 문서.
LangBot 플러그인 SDK: LangBot용 공식 플러그인 SDK, CLI, 플러그인 런타임 및 Box 런타임 인프라.
LangBot Cloud: 자체 호스팅을 원하지 않는 사용자를 위한 관리형 LangBot 서비스.
AstrBot: 여기서 비교 기준으로 사용되는 오픈소스 AI 에이전트 어시스턴트 및 챗봇 프레임워크.
Docker: LangBot 배포와 샌드박스 백엔드에서 사용되는 컨테이너 플랫폼.
Dify: LangBot이 연결할 수 있는 LLM 애플리케이션 개발 플랫폼.
n8n: 채팅 기반 워크플로 트리거를 위해 LangBot과 연결할 수 있는 워크플로 자동화 플랫폼입니다.
관련 링크
원본 CSDN 기사: 이 영어 Markdown 버전으로 각색된 원문 기사입니다.
LangBot v4.10.0 샌드박스 및 Skills 릴리스 블로그: 샌드박스와 Skills를 설명하는 LangBot 공식 기사입니다.
LangBot GitHub 저장소: LangBot의 메인 오픈소스 저장소입니다.
LangBot 릴리스: LangBot 버전의 공식 릴리스 이력입니다.
LangBot 공식 문서: LangBot 사용법, 배포 및 구성 문서의 시작점입니다.
LangBot Skills 문서: Skills 설치 및 사용에 관한 공식 문서입니다.
LangBot 플러그인 SDK 저장소: LangBot 플러그인 및 샌드박스 인프라를 위한 공식 SDK 및 런타임 저장소입니다.
AstrBot GitHub 저장소: 프레임워크 방향을 비교해 보고 싶은 독자를 위한 공식 AstrBot 저장소입니다.
