에이전트 116개 · 2026년 9월 29일 업데이트
공개 자료를 찾아 경쟁자의 이력이나 부동산 정보를 정리하고, 긴 문서와 데이터에서 분석 결과를 만들며, 가설을 에이전트 시뮬레이션으로 시험하는 일을 맡길 수 있습니다. 이 목록에서는 보고서와 그래프를 만드는 제품부터 자연어 워크플로 도구, 연구 에이전트 구축·평가용 프레임워크까지 살펴볼 수 있습니다. 자신의 입력, 필요한 결과물, 검증 수준에 맞춰 고르세요.
조사의 출발점과 결과물은 제품마다 다릅니다. Tracetify는 경쟁자의 첫 언급, 성장 단계, 적용할 만한 전술을 12개의 연결된 공개 데이터 소스에서 추적하는 데 초점을 둡니다. MiroFish는 보고서와 정책 초안을 입력해 에이전트 시뮬레이션, 그래프 뷰, 예상 결과를 담은 보고서를 만듭니다. Resea AI는 조사와 작성 작업을 자율적으로 완료하는 연구 AI 에이전트로 소개됩니다. 재무 전문가라면 Moody's Research Assistant의 금융 분석·조사 기능을, 부동산 투자 분석이 목적이라면 FutureHouse의 부동산 인사이트와 자산 분석을 검토할 수 있습니다. Theoriq AI는 데이터 분석과 의사결정 지원에 맞습니다. 제품을 고를 때는 먼저 원하는 산출물이 경쟁자 연표인지, 예측 보고서인지, 금융·부동산 분석인지 구체화하세요.
입력 방식이 이미 드러난 제품부터 비교하면 선택이 쉬워집니다. MiroFish는 보고서와 정책 초안을 받고, Tracetify는 연결된 공개 데이터 소스를 따라가며, Refly.ai는 자연어와 시각적 캔버스로 워크플로를 구성합니다. Loopa는 연구·콘텐츠 작성·분석·워크플로 실행을 자동화하는 AI 에이전트 플랫폼으로 설명됩니다. 결과도 그래프 뷰와 예측 보고서, 경쟁자 이력과 전술, 연구·작성 결과, 데이터 분석과 의사결정 지원처럼 서로 다릅니다. 반면 목록의 설명만으로는 파일 확장자, 한 번에 처리할 문서 길이, 데이터 해상도, 사용량 quota, 보고서 내보내기 형식, 외부 서비스 연동을 확인할 수 없습니다. 실제 도입 전에는 필요한 문서 유형과 출력 형식이 맞는지, 결과를 어디로 옮길 수 있는지, 연결할 시스템이 있는지 제품별로 직접 확인하세요.
자율적으로 조사한다는 말과 사실을 검증해 준다는 말은 구분해야 합니다. Resea AI의 설명은 연구와 작성 작업을 자율적으로 완료한다고 말하지만, 결과의 인용 형식이나 검토 절차까지 제시하지는 않습니다. Tracetify는 12개의 연결된 공개 데이터 소스를 사용한다고 명시하므로, 필요한 경쟁자 정보가 그 범위에 포함되는지 확인해야 합니다. MiroFish의 결과는 보고서와 정책 초안을 바탕으로 여러 에이전트의 시뮬레이션과 예상 결과를 살피는 보고서이지, 실제 정책 결과를 보장하는 판정으로 읽어서는 안 됩니다. Theoriq AI와 Moody's Research Assistant도 각각 데이터 분석·의사결정 지원, 금융 분석·조사로 소개될 뿐입니다. 최신성, 출처의 신뢰성, 누락 데이터, 사람이 승인해야 할 결론을 별도 점검 항목으로 두세요.
연구 결과를 소비하는 사람이 아니라 에이전트를 만들고 시험하는 사람에게는 별도 선택지가 있습니다. MultiAgentes는 여러 에이전트가 동시에 협력·경쟁하고 학습할 수 있는 Python 기반 시뮬레이션 프레임워크이며, 환경을 사용자 설정에 맞게 구성할 수 있습니다. Multi Agent Simulation도 행동과 환경을 설정해 AI 에이전트를 만들고 시뮬레이션하는 Python 기반 프레임워크입니다. MARL-DPP는 Determinantal Point Processes를 활용해 다양한 협력 정책을 유도하는 다중 에이전트 강화학습 구현입니다. 따라서 실험 대상이 협력인지 경쟁인지, 환경과 행동을 얼마나 직접 정의해야 하는지, 학습과 평가에 Python이 필요한지를 먼저 정하세요. 이 설명만으로 실행 속도, 지원 하드웨어, 시각화 수준, 저장·내보내기 방식까지 판단할 수는 없으므로 별도 확인이 필요합니다.
조사만 단독으로 수행할지, 다른 업무 단계와 연결할지도 중요한 기준입니다. Loopa는 연구, 콘텐츠 작성, 분석, 워크플로 실행을 함께 자동화하는 AI 에이전트 플랫폼으로 소개됩니다. Refly.ai는 비기술 사용자가 자연어와 시각적 캔버스로 워크플로를 자동화하도록 돕습니다. Macaron AI는 개인을 위한 에이전트로, 미니 앱을 만들고 중요한 내용을 기억하는 방향입니다. 반면 Moody's Research Assistant는 금융 전문가의 분석과 조사, FutureHouse는 부동산 투자 인사이트와 자산 분석에 초점이 있습니다. 반복되는 조사 뒤에 작성이나 분석이 이어지면 Loopa 또는 Refly.ai의 작업 구성 방식을 살펴보고, 개인용 보조가 필요하면 Macaron AI를 따로 비교하세요. 가격 체계, 요청량 한도, 팀 권한, 외부 연동, 결과 내보내기는 제공 설명에 없으므로 구매 전에 확인해야 합니다.
MiroFish는 보고서와 정책 초안을 에이전트 시뮬레이션, 그래프 보기, 예측 보고서로 바꿔 가능한 결과를 시험합니다.
12개의 연결된 공개 데이터 소스를 통해 경쟁사의 첫 언급, 성장 이정표, 전환 가능한 전술을 추적하세요.
Loopa는 리서치, 콘텐츠 제작, 분석, 워크플로 실행을 자동화하는 AI 에이전트 플랫폼입니다.
Refly.AI는 비기술 창작자가 자연어와 시각적 캔버스를 사용해 워크플로를 자동화할 수 있도록 지원합니다.
Resea AI는 연구 및 작성 업무를 자율적으로 빠르게 완료하는 지능형 연구 AI 에이전트입니다.
Theoriq AI는 데이터 분석 및 의사 결정 지원을 위한 지능형 플랫폼입니다.
무디스 리서치 어시스턴트는 금융 전문가를 위한 통찰력 있는 분석 및 연구 기능을 제공합니다.
FutureHouse는 부동산 투자 통찰력 및 자산 분석을 위한 AI 에이전트입니다.
MARL-DPP는 다양한 정책을 장려하기 위해 결정점 프로세스(DPP)를 활용하여 다중 에이전트 강화 학습에서 다양성을 구현합니다.
사용자 지정 가능한 행동과 환경을 갖춘 AI 기반 에이전트의 생성 및 시뮬레이션을 가능하게 하는 Python 기반 프레임워크입니다.
사용자 정의 환경에서 동시 다중 에이전트 협력, 경쟁 및 훈련을 가능하게 하는 Python 기반 멀티 에이전트 시뮬레이션 프레임워크입니다.
Deep Research Agent는 AI 기반 검색과 자연어 처리(NLP)를 사용하여 문헌 조사, 요약, 분석을 자동화합니다.
여러 번역 에이전트를 조율하여 협력적으로 기계 번역을 생성, 다듬기, 평가하는 AI 에이전트 프레임워크.
웹 페이지를 자율적으로 탐색하고 데이터를 추출하며 구조화된 연구 요약을 생성하는 AI 기반 에이전트입니다.
인공지능 에이전트가 학술 및 웹 연구를 자동화하여 정보를 검색, 요약, 통합하여 구조화된 보고서로 생성합니다.
딥 리서치 AI 에이전트는 웹 스크래핑, 문헌 요약, 인사이트 생성의 딥 연구 작업을 자동화하는 AI 기반 에이전트입니다. 효율적인 분석을 위해 사용됩니다.
헤드업 제한 텍사스 홀덤 포커를 효율적으로 플레이하기 위해 최적의 베팅 전략을 학습하는 RL 기반 AI 에이전트입니다.
JADE를 활용한 가상발전소 수요 반응 조정을 위한 에이전트 기반 시뮬레이션 프레임워크.
문헌 검토, 가설 생성, 실험 설계, 데이터 분석을 수행하는 자율 AI 에이전트입니다.
자동화된 웹 연구를 수행하는 AI 에이전트로, 여러 온라인 소스에서 신속하게 데이터를 수집, 요약 및 통찰력 추출.
AI_RAG는 외부 지식 소스를 사용하여 검색 보강 생성 기능을 갖춘 AI 에이전트를 가능하게 하는 오픈소스 프레임워크입니다.
협력 및 경쟁 환경을 위한 다중 에이전트 강화 학습 알고리즘을 구현하는 오픈소스 Python 프레임워크입니다.
대규모 언어 모델과 맞춤형 웹 스크래핑을 통합한 오픈 소스 AI 에이전트로 자동 심층 연구 및 데이터 추출을 제공합니다.
DeepSeek의 벡터 검색과 통합된 오픈 소스 에이전트 기반 RAG 프레임워크로, 자율적이고 다단계의 정보 검색 및 합성을 지원합니다.
LORS는 벡터 검색을 활용한 회수 기반 요약 기능을 제공하며, 대용량 텍스트 코퍼스에 대해 LLM(대형 언어 모델)을 사용하여 간결한 개요를 생성합니다.
Camel은 다중 에이전트 협업, 도구 통합 및 계획을 가능하게 하는 오픈 소스 AI 에이전트 오케스트레이션 프레임워크입니다. LLM과 지식 그래프를 활용합니다.
연구 논문 리뷰를 자동화하고, 논문을 요약하며, 연구 통찰력을 정리하는 AI 에이전트로 학술 작업 흐름을 지원합니다.
로봇 시뮬레이션을 위한 경로 계획 알고리즘과 다중 에이전트 AI 모델을 통합하는 오픈소스 Python 프레임워크입니다.
Cresh는 자연어 처리를 사용하여 복잡한 작업을 간소화하는 AI 에이전트입니다.
MLE Agent는 LLM을 활용하여 실험 추적, 모델 모니터링 및 파이프라인 오케스트레이션을 자동화합니다.
AI를 활용한 Obsidian 플러그인으로 문헌 검색, 발견된 내용 요약, 간극 탐지, 연구 탐색 계획 수립.
Chat2Graph는 자연어 질의를 TuGraph 그래프 데이터베이스 질의로 변환하고 결과를 인터랙티브하게 시각화하는 AI 에이전트입니다.
다양한 환경에서 분산 정책 실행, 효율적인 조정 및 확장 가능한 다중 에이전트 강화 학습 에이전트의 교육을 위한 프레임워크.
LangChain과 Gemini LLM을 사용한 RAG 기반의 AI 에이전트로, 대화형 상호작용을 통해 구조화된 지식을 추출합니다.
MARTI는 다중 에이전트 강화 학습 실험을 위한 표준화된 환경과 벤치마킹 도구를 제공하는 오픈소스 툴킷입니다.
웹 검색, 문서 검색, 고급 요약을 자동화하는 AI 에이전트로 심층 연구 보고서를 지원합니다.
실시간 뉴스를 가져오고 간결한 요약을 생성하며 OpenAI와 NewsAPI를 통해 감정 및 주제 분석을 제공하는 AI 에이전트.
자율 AI 에이전트는 문헌 검색, 논문 요약, 연구 아이디어 생성 및 실험 설계를 자동화합니다.
산업, 재무 및 시장 데이터를 사용하여 주어진 조직과 유사한 회사를 찾고 순위를 매기는 AI 에이전트입니다.
PySC2를 통한 StarCraft II에서 원시 수준의 에이전트 제어와 협력을 가능하게 하는 오픈 소스 다중 에이전트 강화학습 프레임워크.
반복 계획 및 자동 지식 검색을 위한 자율 GPT 기반 연구 에이전트를 구축하는 Python 프레임워크입니다.
simple_rl은 신속한 RL 실험을 위해 미리 구성된 강화 학습 에이전트와 환경을 제공하는 경량 Python 라이브러리입니다.
AI 에이전트는 GPT-4를 사용하여 학술 문헌 검색, 논문 요약, 구조화된 보고서 생성을 자동화합니다.
맞춤형 통신, 작업 할당 및 전략적 계획이 가능한 다중 지능형 에이전트를 구축하고 시뮬레이션하는 Python 프레임워크입니다.
맞춤형 지표와 시나리오를 사용하는 다중 에이전트 시스템의 윤리적 행동 종합 평가를 위한 오픈소스 프레임워크입니다.
세만틱 스칼라 API와 다중 체인 프롬팅을 결합한 AI 에이전트 프레임워크로 학술 연구 질의를 검색, 요약 및 응답합니다.
NotebookLM은 노트 작성 및 지식 관리를 지원하도록 설계된 AI 에이전트입니다.
aiXplain은 다양한 애플리케이션을 위해 AI 기반 모델 생성을 손쉽게 제공합니다.
교통 시나리오에서 협력하는 자율주행 차량 제어를 위한 오픈소스 다중 에이전트 강화학습 프레임워크입니다.
웹페이지와 PDF를 읽어들이는 ChatGPT 플러그인으로, 인터랙티브 Q&A와 문서 검색을 AI로 지원합니다.
