Letta 리뷰 2026: 메모리, ADE, 가격, 대안

MemGPT에서 Letta로: 역사와 투자

Letta란 무엇인가?

• 핵심 기억(core memory): 항상 컨텍스트 윈도우 안에 고정되는 소수의 라벨링된 구조화 메모리 블록(보통 "human" 블록과 "persona" 블록)으로, 에이전트가 편집할 수 있고 여러 에이전트 간에 공유할 수도 있음
• 보관 기억(archival memory): PostgreSQL과 pgvector를 기반으로 하는 컨텍스트 외부 저장소로, 에이전트가 항상 시야에 두는 대신 도구 호출(archival_memory_search 및 archival_memory_insert)을 통해 검색하고 기록함
• 자가 편집 기억: 무엇을 핵심 기억에 남길지, 무엇을 요약할지, 무엇을 보관 저장소로 옮길지를 에이전트가 스스로 결정 — 모델은 평소의 추론 루프 안에서 자신의 기억 정리를 관리함
• Agent Development Environment(ADE): 에이전트가 실행되는 동안 메모리 블록, 맥락, 추론 단계를 관찰하고 편집할 수 있는 시각적 인터페이스로, 원래는 불투명한 컨텍스트 윈도우를 들여다볼 수 있게 함
• Letta Cloud 대 셀프 호스팅: 동일한 오픈소스 서버가 Letta의 관리형 클라우드에서도, 자체 인프라에서도 실행 가능 — 둘 다 동일한 API를 사용함
• 모델 무관성: 자체 API 키를 설정하는 방식으로 OpenAI, Anthropic 등 다양한 제공업체와 연동되며, 로컬 모델 백엔드도 지원함

from letta_client import Letta
import os

client = Letta(api_key=os.getenv("LETTA_API_KEY"))

# 핵심 메모리 블록을 가진 스테이트풀 에이전트 생성
agent = client.agents.create(
    model="openai/gpt-4o-mini",
    embedding="openai/text-embedding-3-small",
    memory_blocks=[
        {"label": "human", "value": "이름은 아직 모름. 대화하면서 학습하고 업데이트할 것."},
        {"label": "persona", "value": "나는 세션 간 맥락을 기억하는 유용한 어시스턴트입니다."},
    ],
)

# 메시지 전송 — 에이전트는 자신의 메모리 블록을 읽고 편집할 수 있음
response = client.agents.messages.create(
    agent_id=agent.id,
    input="안녕하세요, 이 프로젝트에서는 Postgres에서 SQLite로 바꾸려고 합니다.",
)
for message in response.messages:
    print(message)

Letta의 가격은 얼마인가?

• Letta(프레임워크와 셀프 호스팅 서버): Apache 2.0 하에 영구 무료, 셀프 호스팅, 수정, 상업적 사용 여부와 무관 — 자체 인프라 및 모델 API 비용만 지불하면 됨
• Letta Cloud 무료 등급: 월 0달러, 관리형 에이전트 수 제한, 자체 API 키 사용 가능, 로컬 사용 시 계정 불필요
• Letta Cloud Pro 등급: 월 20달러, 최대 20개의 스테이트풀 에이전트, Letta의 관리형 모델 접근에 대한 주간/월간 사용 할당량, 초과분은 종량제 과금
• Letta API(개발자) 플랜: 월 기본요금 20달러에 활성 에이전트당 월 0.10달러, 도구 실행 초당 0.00015달러 추가, LLM 사용량은 제공업체 원가로 과금
• Teams Pro: 좌석당 월 20달러, 공유 조직, 팀원 접근, 에이전트 공유 제어 기능 추가
• 엔터프라이즈: 맞춤 가격, 볼륨 기반 요율, 더 높은 할당량, 역할 기반 접근 제어, SAML/OIDC 싱글 사인온, 전담 지원 추가

Letta를 설치하고 시작하는 방법은?

1. 1
   클라이언트 라이브러리 설치: pip install letta-client(Python) — 동일한 API용 JavaScript/TypeScript 클라이언트도 제공됨.
2. 2
   셀프 호스팅 또는 클라우드 선택: GitHub의 Docker 이미지로 오픈소스 Letta 서버를 직접 운영하거나, letta.com에서 API 키를 생성해 클라이언트를 Letta Cloud로 연결.
3. 3
   모델 제공업체 자격 증명 설정 — Letta는 OpenAI, Anthropic 등 제공업체에 대해 자체 API 키를 사용하는 구성을 지원하며, 로컬 모델 백엔드도 지원함.
4. 4
   client.agents.create()로 에이전트를 생성하면서 모델, 임베딩 모델, 그리고 에이전트의 핵심 기억이 될 하나 이상의 memory_blocks(예: "human" 블록과 "persona" 블록)를 전달.
5. 5
   client.agents.messages.create()로 메시지 전송 — 동일한 에이전트 ID는 며칠 또는 몇 주 뒤의 호출을 포함해 이후 모든 호출에서 기억을 유지함.
6. 6
   Agent Development Environment를 열어 API 응답만이 아니라 에이전트의 핵심 기억, 보관 기억, 추론 단계를 시각적으로 관찰하고 편집.
7. 7
   Letta 공식 문서를 읽고 GitHub 저장소에서 최신 API 레퍼런스를 확인 — Letta의 제품 범위는 2024년 이후 확장되었으므로, 튜토리얼이 어떤 SDK 버전을 대상으로 하는지 확인할 것.

Letta는 누구에게 적합한가?

Letta를 사용하지 말아야 할 때는?

• 이전 세션을 기억할 필요 없이 한 번에 하나의 질문에 답하는 단순하고 무상태인 챗봇 — 직접적인 API 호출이나 가벼운 체인이 완전한 기억 관리 프레임워크보다 오버헤드가 적음
• 연구자, 작성자, 검토자처럼 서로 다른 역할을 가진 여러 에이전트가 한 작업을 협업해야 하는 팀 — CrewAI는 역할 기반의 다중 에이전트 협업을 위해 특히 설계되었으며, 이는 Letta의 초점이 아님
• 모델이 스스로 기억을 관리하게 하는 대신, 개발자가 명시적으로 정의하고 제어하는 상태 전환, 분기, 순환을 원하는 팀 — LangGraph는 그래프 기반의 명시적 상태 제어를 제공함
• 이미 마이크로소프트 도구로 표준화된 .NET 중심 기업 팀 — Semantic Kernel이 해당 스택과 더 직접적으로 통합됨
• 대신, 사용자 지정 지속성 로직을 직접 작성하지 않고도 세션 간에 특정 사실, 선호, 이력을 기억해야 하는 단일 에이전트가 결정적인 요건일 때 Letta를 사용하세요

Letta 대 대안

Letta를 평가할 때 흔한 오해

자주 묻는 질문

출처

관련 읽을거리

• LangGraph 리뷰: 기능, 가격, 대안 — 에이전트가 관리하는 기억 대신 명시적 상태 제어를 원하는 팀을 위한 그래프 기반 에이전트 런타임을 더 자세히 살펴봅니다.
• CrewAI 리뷰: 기능, 가격, 대안 — 단일 에이전트에게 장기 기억을 부여하는 대신 여러 전문 에이전트를 조율하는 팀을 위한 역할 기반 다중 에이전트 대안입니다.
• AutoGen 리뷰: 기능, 가격, 대안 — 마이크로소프트 리서치의 다중 에이전트 대화 프레임워크로, 단일 에이전트 기억에 집중하는 Letta와 비교해볼 수 있습니다.
• LangChain 리뷰: 기능, 가격, 대안 — Letta 같은 전용 기억 계층과 가장 자주 결합되는 범용 프레임워크입니다.
• Semantic Kernel 리뷰: 기능, 가격, 대안 — 해당 스택으로 표준화된 기업 팀을 위한 마이크로소프트의 .NET 중심 대안입니다.
• 로컬 LLM 소프트웨어 디렉터리 — 이 글이 속한 로컬 AI 도구의 전체 카탈로그로, 에이전트 프레임워크 중 Letta의 위치를 포함합니다.