AI 에이전트를 Go로? tRPC-Agent-Go라는 선택지

내가 AI 에이전트를 만들 때마다 드는 생각이 있다. “이거, 꼭 Python이어야 하나?”

지금까지 AI 에이전트 생태계는 Python이 독점하다시피 했다. LangChain, CrewAI, AutoGen, ADK — 전부 Python. 나도 여러 번 써봤다. 좋다. 근데 뭔가 찝찝하다. 내 서비스 스택은 Go인데, 에이전트 하나 넣겠다고 Python 런타임을 띄워야 하나? 인프라가 갑자기 무거워진다. 배포 파이프라인이 꼬인다. 언어가 두 개면 운영 부담은 두 배다.

그래서 발견한 게 tRPC-Agent-Go다. tRPC 그룹에서 만든, 순수 Go 기반 에이전트 프레임워크.

GitHub에서 1,500개가 넘는 별을 받고 있고, 115번의 릴리스를 기록 중이다. Tencent Yuanbao, Tencent Video 같은 프로덕션에서도 쓰이고 있다. 그냥 토이 프로젝트가 아니라는 뜻이다.

처음 repo를 열었을 때 든 반응은 솔직히 “또 Python 프레임워크를 Go로 포팅한 거 아냐?”였다. 근데 읽다 보니 접근 방식이 다르다. tRPC-Agent-Go는 LangGraph의 GraphAgent 개념을 Go 네이티브로 재해석하면서, A2A, MCP, AG-UI 같은 최신 프로토콜까지 한 번에 커버한다. 단순한 포팅이 아니라, Go 생태계에 맞게 처음부터 설계된 느낌이다.

• GraphAgent — 타입 세이프한 그래프 워크플로. 멀티 컨디셔널 라우팅 지원. LangGraph와 기능적으로 동등한 수준.
• 멀티 에이전트 오케스트레이션 — Chain, Parallel, Cycle 세 가지 패턴. 에이전트를 레고처럼 조립한다.
• MCP 통합 — Model Context Protocol을 Go에서 바로 쓴다. trpc-mcp-go 기반.
• 메모리 & 지식 — 인메모리/Redis 메모리 + RAG knowledge. 세션을 넘어 맥락을 유지한다.
• Agent Skills — Anthropic의 SKILL.md 스펙을 Go 네이티브로 구현. 에이전트가 스킬을 동적으로 로드해서 실행한다.
• Self-Evolution — 세션 리뷰 → 퀄리티 게이트 → SKILL.md 자동 발행. 에이전트가 스스로 성장한다.
• 평가 & 벤치마크 — 평가셋 + 플러거블 메트릭. 시간에 따른 품질 변화를 측정한다.
• 프로덕션 옵저버빌리티 — OpenTelemetry 트레이싱, Langfuse 연동 기본 내장.

이 중에서 내가 가장 주목한 건 Agent Self-Evolution이다. Hermes 스타일의 세션 리뷰를 백그라운드에서 돌리고, 유용한 패턴을 자동으로 SKILL.md로 추출해서 저장한다. 그리고 다음 세션에 그 스킬을 자동 로드한다. 마치 에이전트가 경험을 통해 진화하는 것 같다. 이건 내가 Drewgent에서 고민하던 문제와 정확히 일치한다.

tRPC-Agent-Go는 “Go로 에이전트를 만든다”는 선택지를 현실로 만든 프레임워크다. Python 의존 없이, Go 하나로 끝낸다.

물론 단점도 있다. 생태계가 Python만큼 풍부하지 않다. 문서가 아직 완성되지 않은 부분이 보인다. 커뮤니티도 성장 중이다. 근데 이건 시간이 해결할 문제다.

더 중요한 건, 이 프레임워크가 던지는 메시지다: “AI 에이전트는 Python의 전유물이 아니다.” Go를 주력으로 쓰는 개발자라면, 이 프로젝트를 지금 주목해야 하는 이유다.

물론 당장 Drewgent를 tRPC-Agent-Go로 갈아탈 생각은 없다. Drewgent는 내 상황에 맞게 이미 최적화되어 있고, 지금의 구조가 내 요구를 만족한다. 하지만 앞으로 Go 기반 에이전트를 새로 만들 일이 있다면 — 아니, 만들 일이 생긴다면 — tRPC-Agent-Go가 첫 번째 선택지가 될 것 같다.

Go 백엔드에 AI 에이전트를 붙이고 싶다면, 지금이 바로 시작할 타이밍이다.

---

이런 분들께 추천

• Go를 주력 언어로 쓰는 백엔드 개발자
• Python 에이전트 프레임워크에 피로감을 느낀 사람
• 프로덕션에서 AI 에이전트를 운영할 생각이 있는 사람
• Graph workflow + MCP + A2A를 한 스택에서 해결하고 싶은 사람

SEO 키워드: tRPC-Agent-Go, Go AI agent framework, GraphAgent, MCP Go, agent skills Go, trpc-group, Go lang agent, AI 에이전트 Go

#해시태그: #tRPCAgentGo #GoLang #AIAgent #MCP #A2A #AgentFramework #GraphWorkflow #TrpcGroup