Letta정책 기반 AI 에이전트를 위한 프레임워크: 장기 기억과 지속 학습

5.0 (6)

리뷰어 Daniel Nikulshyn·업데이트됨 2026년 5월

Developer Tools AI Agents Open Source SDK Long-Term Memory Framework API Multi-LLM

개요

Letta는 세션 간에 문맥을 기억하고 상호 작용에서 학습하며 시간의 흐름에 따라 행동을 개선하는 인공지능 에이전트를 제작하는 개발자 플랫폼입니다. 상태가 없는 채팅봇과 달리, Letta 에이전트는ERSISTENT 메모리를 유지하여 과거의 대화, 사용자 Preference 및 축적된 지식이 기억되는 것입니다. 프레임워크는 에이전트 메모리,推論, 도구 사용에 대한 인프라를 제공하며, 다중 LLM.providers에 대한 지원이 있습니다. 개발자는 SDK 및 시각적 인터페이스를 통해 에이전트를 만드는, 배포하는, 그리고 관찰하는 것을 쉽게 만들면서, 전이학습의 지속성을 이용하는 소비자 지원 또는 자율 워크플로우와 같은 어플리케이션에 적합합니다.

주요 기능

정책 기반 에이전트의 지속 기억
자체 편집 가능 Memory 블록
다국 LLM Supplier 제공
도구 및 함수 호출
에이전트 개발 환경 (ADE)
API/SDK : REST API 와 Python(TypeScript)
pros
:
세션 전후 에이전트의 지속 기억,LLM Supplier agnostic : 다수의 LLM Supplier 제공,오픈 소스 기반 : 활발한 개발,에이전트 상태 및 메모리 시각화 도구,cons,:,테크니컬 셋팅 및 개발자 지식 필요,메모리 관리가 LLM 콜만큼 간단하지 않음,자유 시장 에이전트 프레임워크 보다 작은 생태계,useCases,:,[object Object],[object Object],[object Object],[object Object]

가격

모델: Free
카테고리: 인공지능 에이전트 메모리
평점: 5.0 / 5 (6)

사용 사례

메모리를 가진 개인 AI 보조기반을 구축

사용자의 선호도, 과거 대화, 그리고 세션 간의 콘텍스트를 기록해가며 시간经过에 개인화되고 연속적 인 상호작용을 제공할 수 있는 보조기반을 개발하세요.

콘텍스트에 의존하는 고객 지원 에이전트

고객 사본, 이전 티켓, 누적된 지식과 함께 고객의 역사를 기억하는 지원 에이전트를 배치하여 사용자가 반복적으로 말할 필요가 없도록 이슈를 해결하세요.

무인 워크플로 자동화

도구 호출 및 과거 실행에서 학습하여 오류를 줄이도록 신뢰성 향상을 위해 멀티 스텝 워크플로를 실행하는 에이전트를 만들고, 상태를 유지한 채로 구축할 수 있습니다.

에이전트 프토튜핑 및 디버깅

에이전트 개발 환경 및 SDK를 사용하여 stateful 에이전트 행위를 반복하며 메모리 블록, 추론 및 도구 사용을 시각적으로 검토하세요.

장단점

장점

세션 횟수에 상관없이 persistent한 long-term memory
다수의 LLM 제공업체에 대해 모델-아gnostic
공개적이고 활발한 개발의 open-source foundation
agent state와 memory를 시각적으로 검사하는 도구
cons
:
기술적인 설정 및 개발자 지식이 필요,기반 구조로서 memory management이 간단한 LLM 호출보다 복잡,보편적인 agent 프레임워크보다 작은 생태계
useCases
:
[object Object],[object Object],[object Object],[object Object]

단점

기술적인 설정과 개발자 expertise가 필요합니다.
기억 관리는 간단한 LLM 호출보다 복잡합니다.
주름된 생態계로 대중적인 에이전트 프레임워크와 비교하여 작습니다.

대결 기록

Pantheon에서 6회 대결.

1위

2위

3위

Last 5 battles

리뷰

5.0

6개 평가의 평균.

리뷰를 작성하려면 로그인하세요.

Elena Rossi

May 7, 2026

Use it every day

Honestly didn't expect to like it this much. Stateful agents with persistent memory is exactly what I needed, and visual tools for inspecting agent state and memory. I do wish memory management adds complexity over simple LLM calls, but I reach for it almost every day now and it just clicks.

Esther Adeyemi

Apr 14, 2026

Does the job

Pretty happy overall. Stateful agents with persistent memory just works and open-source foundation with active development. but no dealbreakers — I'd recommend it to a friend without hesitating.

George Papadakis

Dec 4, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on self-editing memory blocks, and visual tools for inspecting agent state and memory caught me off guard. still, I'd recommend giving it a real trial.

Wei Chen

Sep 21, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is rEST API and Python/TypeScript SDKs — handled better than most — and persistent long-term memory across sessions. Memory management adds complexity over simple LLM calls is my one real gripe. Worth the time if this is your use case.

Joanna Kowalski

Aug 12, 2025

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on tool and function calling, and visual tools for inspecting agent state and memory caught me off guard. Requires technical setup and developer expertise is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Ethan Brooks

Jul 13, 2025

Solid for our team

We rolled this out across the team last quarter and visual tools for inspecting agent state and memory. Self-editing memory blocks fits neatly into how we already work, and tool and function calling removed a step we used to do by hand. but it has held up under daily use.