층류
무료
Laminar는 AI 에이전트를 위한 오픈 소스
층류
핵심 매개변수 및 통계
Laminar는 AI 에이전트를 위한 오픈 소스 관찰 플랫폼입니다. 공식 웨어하우스 설명에서는 이를 "AI 에이전트를 위해 특별히 제작된 오픈 소스 관찰 플랫폼"으로 지정합니다. 일반적인 챗봇도 아니고 단순한 모델 훈련 프레임워크도 아니지만 링크를 실행하는 에이전트의 추적, 평가, 신호, 데이터 세트, SQL 쿼리 및 대시보드를 동일한 LLMOps 워크벤치에 넣습니다.
| 프로젝트 | 공공정보 |
|---|---|
| 공식 포지셔닝 | AI 에이전트를 위해 특별히 구축된 오픈 소스 관찰 플랫폼 |
| 핵심역량 | 추적, 평가, AI 모니터링, SQL 액세스, 대시보드, 데이터 세트, 주석 |
| 기술 로드맵 | OpenTelemetry 기본 추적 SDK, Rust 백엔드 구성 요소, 사용자 정의 실시간 엔진, gRPC 내보내기 |
| 통합 개체 | Vercel AI SDK, 브라우저 사용, Stagehand, LangChain, OpenAI, Anthropic, Gemini 등 |
| 배포 경로 | 관리형 플랫폼, 자체 호스팅 Docker Compose, 프로덕션 제한 전체 Compose |
| 오픈 소스 라이센스 | 아파치-2.0 |
| GitHub 커뮤니티 | 약 3,026개의 별, 210개의 포크, 86개의 공개 이슈 |
| 최신 공개 버전 | v0.2.0, 2026년 6월 18일 출시 |
포지셔닝 경계: Laminar의 장점은 에이전트 링크 관찰 및 평가에 있으며 LLM, 벡터 데이터베이스 또는 비즈니스 오케스트레이션 프레임워크를 직접 대체하지는 않습니다. 팀에 일회성 프롬프트 디버깅 요구 사항만 있는 경우 이를 사용하는 것이 너무 중요합니다. 에이전트가 다중 도구, 다중 모델 및 다중 단계 실행 단계에 진입한 경우 추적 및 평가 관점이 더 가치가 있습니다.
사용자 및 시장 인지도
Laminar의 시장 신호는 공개된 기업 고객의 수보다는 주로 오픈 소스 커뮤니티 YC 보증 및 개발자 생태계에서 나옵니다. 공식 웨어하우스에는 해당 프로젝트가 YC S24에 속해 있음이 나와 있으며 웨어하우스 설명 README 및 공개 스크린샷은 모두 에이전트 오류 진단 및 반복 효율성에 중점을 두고 있어 대상 사용자가 일반 사무실 군중이 아니라 AI 에이전트를 프로덕션 또는 준프로덕션에 투입하는 R&D 팀임을 나타냅니다.
오픈 소스 인기: GitHub API는 lmnr 웨어하우스에 약 3,026개의 스타와 210개의 포크가 있으며 관찰 가능한 개발자 관심을 형성하고 있음을 보여줍니다. 이 규모는 상업적 채택과 동일하지 않지만 LLM 관찰 가능성 및 에이전트 평가 시나리오에서 지속적인 외부 검증을 설명하는 데 충분합니다.
제품 신호: 공식 README에는 추적, 평가, 신호, 데이터 세트, SQL 편집기 및 대시보드가 핵심 기능으로 나열되어 있습니다. 추적, 신호, 평가, 데이터세트, 라벨링, SQL 편집기, 플레이그라운드 등의 탐색 항목도 제품 스크린샷에서 볼 수 있습니다. 이 정보 아키텍처는 실행 로깅부터 데이터 세트 강수, 문제 감지부터 회귀 평가까지 전체 스펙트럼을 포괄하려는 Laminar의 시도를 보여줍니다.
불확실한 항목: 공식적인 누적 사용자 수, 유료 고객 수, 매출 규모 등이 공개되지 않았으므로 이러한 측면은 공개되지 않는 것이 좋습니다. 구매나 기술 선택 시 자체 호스팅 실행성 SDK 적용 범위 추적 쿼리 성능 및 평가 회귀 프로세스를 검증 기반으로 사용하는 것이 더 적합합니다.
비용 이점
- C사이드/개인 : 핵심 기능 체험을 위해 주로 무료 버전을 제공하며, 빈도가 높은 경우에는 유료 패키지 가입이 필요합니다.
- API/개발자: 통화량에 따라 비용이 청구되며 자체 시스템에 유연하게 통합할 수 있는 개발팀에 적합합니다.
- 기업/민영화: 맞춤형 견적 및 배포 계획은 사업주에게 문의하세요. 구체적인 가격은 공식 실시간 가격 페이지에 따릅니다.
주요 기능
Laminar의 기능은 "에이전트가 실패한 이유를 발견하고 복구를 회귀 가능한 프로세스로 전환"하는 것을 중심으로 구성됩니다. 핵심은 모니터링의 단일 지점이 아니라 추적, 평가, 데이터 세트 및 신호의 연결입니다.
- 추적: OpenTelemetry-native SDK를 통해 에이전트 실행 링크를 수집합니다. 공식 README에는 한 줄의 코드가 Vercel AI SDK, 브라우저 사용, Stagehand, LangChain, OpenAI, Anthropic, Gemini 등과 같은 통합을 자동으로 추적할 수 있다고 언급되어 있습니다. 다단계 에이전트의 도구 호출, 모델 응답, 범위 시간 및 비정상적인 위치 문제 해결에 적합합니다.
- 평가: 평가 결과를 시각화하고 변경 사항을 비교할 수 있는 UI와 함께 로컬 또는 CI/CD에서 평가를 실행할 수 있는 확장 가능한 SDK 및 CLI를 제공합니다. 일회성 수동 판단을 버전 반환 액세스 제어로 전환하는 데 적합합니다.
- AI 모니터링/신호: 자연어로 이벤트를 설명하고 에이전트 문제, 논리 오류 및 사용자 정의 동작을 추적할 수 있습니다. 그 가치는 "로그 보기"를 비즈니스 의미론적 문제의 지속적인 감지로 업그레이드하는 데 있습니다.
- SQL 액세스: 내장된 SQL 편집기는 API를 통해서도 사용할 수 있는 쿼리에서 추적, 지표, 이벤트 및 일괄 생성 데이터세트를 쿼리할 수 있습니다. 대량의 경간 데이터 및 침전 평가 샘플을 분석하는 데 이상적입니다.
- 대시보드 및 데이터 세트: 대시보드 빌더는 추적, 지표, 이벤트 및 SQL을 기반으로 대시보드를 구축할 수 있습니다. 데이터 세트 및 주석 UI는 평가 데이터 생성을 제공합니다.
구현 중에 확인해야 할 가장 중요한 세 가지 사항은 SDK가 기존 에이전트 기술 스택을 포괄하는지 여부, 추적 데이터가 실패 원인을 설명하기에 충분한지 여부, 평가 데이터 세트를 팀에서 지속적으로 유지할 수 있는지 여부입니다. 이 세 가지 포인트가 없으면 플랫폼은 "완전해 보이는" 대시보드 수준에 머무르는 경향이 있습니다.
모델 및 버전의 진화
Laminar 자체는 대규모 모델이 아니므로 "버전 진화"는 주로 오픈 소스 웨어하우스 릴리스, SDK 통합 및 제품 모듈 반복에 따라 달라집니다. GitHub 릴리스에 따르면 최신 공개 버전은 2026년 6월 18일에 릴리스된 v0.2.0입니다. 동일한 릴리스 변경 로그에는 추적 채팅, 디버거, SQL, 자체 호스팅, Better Auth, Slack OAuth 브로커, OTEL 자체 추적 등과 같은 수많은 엔지니어링 업데이트가 포함됩니다.
메인라인 버전
- v0.2.0 (2026-06-18): 최신 공개 릴리스. 변경 사항에는 추적 채팅 OSS, 디버거 재작업, LLM 스트리밍, 자체 호스팅 Slack OAuth 브로커, Better Auth 마이그레이션 SQL 엔드포인트 제한 사항 OTEL 자체 추적, 구성 가능한 Postgres 스키마 등이 포함되어 프로젝트가 기본 추적에서 디버깅, 배포 관리 및 자체 호스팅 엔터프라이즈 시나리오로 확장되었음을 나타냅니다.
- v0.1.46(2026-06-18): v0.2.0 변경 로그의 직접 비교 기준으로, 0.1.x에서 0.2.x로의 마이그레이션 관찰 지점으로 적합합니다.
- v0.1.45 (~2026-06): GitHub 태그로 공개된 과거 노드입니다. 아직 공식적인 공식 출시일은 없습니다. 주로 0.1.x 시리즈 버전의 연속성을 관찰하는 데 사용됩니다.
버전 선택 제안: 제작 상황으로 인해 최신 태그만 따르는 것은 바람직하지 않습니다. 보다 안정적인 방법은 릴리스를 수정하고, 대표 에이전트 추적 집합과 회귀용 평가 데이터 세트를 사용하고, 업그레이드하기 전에 SDK, 데이터베이스 스키마, 쿼리 성능 및 권한 구성이 모두 안정적인지 확인하는 것입니다.
기술적인 장점
Laminar의 기술적 이점은 단일 모델의 기능이 아닌 "에이전트별 관찰 모델 + 자체 호스팅 엔지니어링 스택 + 데이터 쿼리 가능성"의 조합에서 비롯됩니다.
OpenTelemetry 네이티브 추적: 관찰 생태계에서 추적/범위 사고를 기계적으로 재사용하고 에이전트의 모델 호출, 도구 호출 및 기능 실행을 통합 링크로 통합합니다. 그 결과 문제 위치가 "분산된 로그 읽기"에서 "범위에 따른 실행 경로 복원"으로 변경됩니다. 적용 가능한 시나리오는 다중 모델, 다중 도구 및 다중 단계 에이전트입니다.
Rust 및 실시간 엔진: 공식 README에는 백엔드용 Rust 사용, 사용자 정의 실시간 엔진, 초고속 전체 텍스트 검색 및 gRPC 내보내기 기능이 언급되어 있습니다. 이 메커니즘은 높은 처리량과 실시간 보기를 강조합니다. 그 결과 추적량이 많고 디버깅 기간이 짧은 시나리오에 더 적합합니다. 온라인 에이전트, 브라우저 에이전트, 고객 서비스 에이전트 및 자동화된 조사 에이전트에 적합합니다.
데이터 계층에 직접 SQL: 내장된 SQL 편집기와 API 액세스를 통해 추적, 측정항목, 이벤트를 UI 필터에만 머물지 않게 할 수 있습니다. 메커니즘은 관찰 데이터를 분석 가능한 데이터로 변환합니다. 그 결과 데이터세트는 오류 샘플에서 일괄적으로 생성된 다음 평가를 위해 역으로 사용될 수 있습니다. 기존 데이터 분석 역량을 갖춘 R&D팀과 플랫폼팀에 적합합니다.
자체 호스팅 경로: Docker Compose 및 프로덕션 전체 Compose를 통해 팀은 데이터 영역을 제어할 수 있습니다. 그 효과는 민감한 에이전트 데이터가 제3자 호스팅 환경에 진입하는 것에 대한 저항을 줄이는 것입니다. 적용 가능한 시나리오에는 내부 지식 기반 에이전트, 엔터프라이즈 프로세스 에이전트 및 고객 데이터가 포함된 비즈니스 에이전트가 포함됩니다.
사용방법
Laminar의 사용 입구는 호스팅 플랫폼, 자체 호스팅 배포 및 SDK/CLI 액세스의 세 가지 계층으로 나뉩니다. 공식 README에서 제공하는 가장 빠른 경로는 관리형 플랫폼을 사용하는 것입니다. 자체 호스팅의 경우 웨어하우스를 복제하고 Docker Compose를 통해 시작할 수 있습니다. 경량 버전은 기본적으로 로컬 브라우저에서 액세스할 수 있습니다.
| 활용포탈 | 일반적인 단계 | 적합한 개체 | 합격 포인트 |
|---|---|---|---|
| 관리형 플랫폼 | 프로젝트 생성, 프로젝트 API 키 생성, SDK 연결 | 추적/평가를 빠르게 확인하고 싶은 팀 | 첫 번째 추적이 표시되는지 여부 및 에이전트 키 범위가 완료되었는지 여부 |
| 자체 호스트 Docker Compose | 복제 창고 docker 구성, SDK baseUrl 및 포트 구성 | 데이터 플레인을 제어해야 하는 R&D팀 | 서비스 가용성, 데이터베이스 지속성, 업그레이드 마이그레이션, 권한 경계 |
| TS/파이썬 SDK | npm add @lmnr-ai/lmnr 또는 pip install lmnr[all], Laminar 초기화 | 기존 에이전트 코드가 있는 개발자 | 자동 계측 범위, 수동 관찰 주석 비용 |
| 평가 / CI | SDK 또는 CLI를 사용하여 평가를 실행하고 결과를 로컬에서 또는 CI/CD에서 비교 | 회귀평가가 필요한 팀 | 평가 세트 품질, 임계값 규칙, 실패한 샘플 재활용 |
최소 파일럿은 실패율이 높은 에이전트 워크플로에서 시작할 수 있습니다. 추적에 연결하고, 실패한 샘플을 표시하고, 데이터 세트로 변환한 다음, 각 프롬프트, 도구 또는 모델 변경 후에 평가를 실행합니다. 이를 통해 단순히 스크린샷 속 대시보드가 잘 보이는지 확인하는 것이 아닌 Laminar의 핵심 기능을 확인할 수 있습니다.
제품 가격
가격 모델은 공식 실시간 페이지를 따릅니다. 보통 부분 유료화(Freemium)나 구독제(Subscription System)를 사용하며 기본 기능은 무료로 사용할 수 있다. 고급 기능을 사용하거나 빈도가 높은 경우에는 유료 구독이 필요하며, 사용자는 실제 사용량을 바탕으로 최적의 솔루션을 평가하는 것이 좋습니다.
애플리케이션 시나리오
Laminar는 에이전트가 엔지니어링 단계에 들어간 시나리오, 특히 단일 로그에서 장애 원인을 명확하게 파악하기 어려운 시스템에 더 적합합니다.
- 브라우저/웹페이지 작업 에이전트 디버깅: 브라우저 사용 및 Stagehand와 같은 통합을 통해 웹페이지 작업에서 모델 판단, 도구 호출 및 페이지 작업을 추적하는 데 적합합니다. 핵심 이점은 감지, 계획, 도구 실행 또는 출력 구문 분석에서 오류가 발생했는지 여부를 찾는 것입니다.
- 고객 서비스 및 내부 프로세스 에이전트 모니터링: 다단계 고객 서비스, 작업 주문 전환 및 내부 승인 에이전트에는 종종 모델 호출, 비즈니스 API 및 규칙 판단이 포함됩니다. Laminar는 신호를 사용하여 논리 오류를 추적하고 대시보드를 사용하여 문제 추세를 관찰할 수 있습니다.
- LLM 애플리케이션 회귀 평가: 프롬프트, 모델 버전 및 도구 스키마가 변경되면 동작 드리프트가 발생할 수 있습니다. Laminar의 평가, 데이터 세트, 주석 및 CI/CD는 주요 샘플을 연속 회귀 세트로 설정하는 데 적합합니다.
- 데이터 분석을 실행하는 에이전트: SQL 편집기를 사용하면 추적, 측정항목, 이벤트를 일괄적으로 쿼리하고 데이터세트로 변환할 수 있습니다. 시간이 많이 걸리는 범위, 일반적인 오류 유형 및 모델 비용 구조를 분석하는 플랫폼 팀에 적합합니다.
부적합한 시나리오에는 채팅 전용 데모, 일회성 프롬프트 단어 실험, 프로덕션 추적이 없는 초기 프로토타입 및 기존 APM만 필요한 일반 웹 서비스가 포함됩니다.
해당자
Laminar의 강력한 적응성 그룹은 이미 에이전트 애플리케이션을 구축하고 있으며 재사용 가능한 관찰 및 평가 자산에 대한 디버깅 경험을 축적해야 하는 팀입니다.
- AI 엔지니어 및 에이전트 개발자: 각 에이전트 오류가 발생하는 범위, 도구 또는 모델 출력을 알아야 합니다. Laminar는 링크를 추적으로 확장하고 수동 관찰을 지원하여 주요 기능을 래핑할 수 있습니다.
- LLMOps/플랫폼 팀: 여러 에이전트 프로젝트의 실행 품질을 균일하게 모니터링하고, 대시보드를 구축하고, 추적 데이터를 쿼리하고, 자체 호스팅 배포를 관리해야 합니다. Laminar의 SQL, 대시보드 및 자체 호스팅 경로는 플랫폼 책임과 더욱 밀접하게 일치합니다.
- QA 및 평가 리더: 수동 주석, 실패한 샘플 및 회귀 평가를 연결해야 합니다. Laminar의 데이터 세트, 주석 및 평가는 "실시간으로 전환하기 전에 행동 저하를 감지"하는 프로세스를 제공합니다.
- 제품 및 비즈니스 리더: 성숙한 팀의 품질 추세 및 실패 유형을 보는 데 적합하지만 Laminar를 코드 없는 비즈니스 도구로 직접 사용하는 데는 적합하지 않습니다.
전제 조건은 팀이 최소한 기본적인 엔지니어링 액세스 기능을 갖추고 SDK/API 키를 유지할 수 있으며 평가 샘플 및 비즈니스 실패 기준을 정의할 수 있다는 것입니다. 이러한 기반이 없으면 Laminar의 능력이 비효율적으로 사용됩니다.
요약 및 전망
해당 분야에서 경쟁력 있는 솔루션을 제공하며, 이 분야에서 AI 활용의 문턱을 낮추는 것이 핵심 가치입니다.
현재 제한 사항: 일부 고급 기능에는 유료 구독이 필요하며 무료 버전에는 기능 또는 사용 제한이 있습니다. 구체적인 기술 세부 사항과 성능 벤치마크는 아직 완전히 공개되지 않았습니다.
관련 도구: 
크루AI, langchain
버전 정보
- 층류 v0.2.0 ：GitHub 릴리스에서 게시한 최신 버전에는 추적 채팅, 디버거 재작업, 자체 호스팅 Slack OAuth 브로커, Better Auth 마이그레이션 SQL 및 추적 관련 개선 사항 등이 포함되어 있습니다.
- 층류 v0.1.46 ：v0.2.0에 대한 직접적인 기록 기준으로 사용되는 GitHub 태그와 v0.2.0 변경 로그 비교의 마지막 공개 버전 노드입니다.
- 층류 v0.1.45 ：GitHub 태그로 공개된 이전 버전 노드입니다. 현재 공식적인 정확한 출시일이 없습니다. 0.1.x 시리즈의 발전 과정을 역추적하는데 적합합니다.
사용자 후기