https://github.com/Arindam200/awesome-ai-apps

---
title: "Awesome AI Apps"
creative_title: "복사해서 바로 돌려보는 AI 에이전트 레시피북 100선"
source: "https://github.com/Arindam200/awesome-ai-apps"
curator: "다비(davi.kr)"
curator_url: "https://davi.kr/"
date: 2026-09-23
tags: [AI에이전트, RAG, MCP, 음성에이전트, 메모리에이전트, 오픈소스]
purpose: "awesome-ai-apps 저장소를 쉽게 이해하고, 수업과 실무에서 바로 쓰는 방법을 정리"
---

# 복사해서 바로 돌려보는 AI 에이전트 레시피북 100선

> 원제목: Awesome AI Apps
> 정리: [다비(davi.kr)](https://davi.kr/)

## 문서의 목적

AI 앱 예제 모음 저장소를 중학생 수준으로 풀어 설명하고, 어디서부터 무엇을 따라 하면 되는지 정리합니다.

## 쉬운 설명

awesome-ai-apps는 인도 개발자 Arindam Majumder가 운영하는 GitHub 저장소입니다. AI가 스스로 일을 처리하는 프로그램(에이전트)을 만드는 **완성된 예제 코드**를 모아 둔 "요리책"입니다. 2026년 9월 기준 별(Star) 약 13k, 복사(Fork) 약 1.7k, 커밋 520회로 꾸준히 관리되고 있고, MIT 라이선스라 자유롭게 고쳐 써도 됩니다.

예제는 7개 칸으로 나뉩니다. 입문용(Starter) 20개, 생활형(Simple) 19개, 목소리로 대화하는 음성 에이전트 8개, 외부 도구를 꽂아 쓰는 MCP 에이전트 13개, 대화를 기억하는 메모리 에이전트 13개, 내 문서를 찾아보고 답하는 RAG 앱 12개, 여러 AI가 협업하는 고급 에이전트 24개입니다. 여기에 AWS Strands로 에이전트를 만드는 8강짜리 무료 코스도 들어 있습니다. 코드는 Python이 68.2%, TypeScript가 15.5%입니다.

## 핵심 메시지

LangChain, CrewAI, Agno, OpenAI Agents SDK, Google ADK 등 20여 개 프레임워크의 "돌아가는 예제"를 한곳에서 비교하며 골라 쓸 수 있습니다. 새 도구를 처음부터 공부하는 대신, 예제를 내려받아 API 키만 넣고 실행한 뒤 고쳐 쓰는 방식이 가장 빠릅니다.

## 핵심 키워드

AI 에이전트, RAG(문서 검색 후 답변), MCP(외부 도구 연결 규격), 메모리 에이전트, 음성 에이전트, 멀티 에이전트, 프레임워크 비교

## 활용 방법

가장 쉬운 방법: 입문용 예제 1개를 골라 30분 안에 실행해 보세요.

1. 준비물을 확인하세요. Python 3.10 이상, Git, 사용할 AI 서비스의 API 키가 필요합니다.
2. 저장소를 내려받으세요.
   ```bash
   git clone https://github.com/Arindam200/awesome-ai-apps.git
   cd awesome-ai-apps/starter_ai_agents/agno_starter
   ```
3. `.env.example`을 `.env`로 복사하고 API 키를 넣으세요.
4. `pip install -r requirements.txt` 또는 `uv sync`로 설치하세요.
5. `python main.py`(Streamlit 앱은 `streamlit run app.py`)로 실행하세요.

용도별 추천 경로

| 목적 | 먼저 볼 폴더 | 추천 예제 |
|---|---|---|
| 프레임워크 비교 수업 | starter_ai_agents | LangChain, LangGraph, CrewAI Starter를 같은 과제로 비교 |
| 사내 문서 챗봇 | rag_apps | Simple RAG 실행 후 Advanced RAG with Reranking으로 확장 |
| MCP 실습 | mcp_ai_agents | MCP Starter, Custom MCP Server |
| 콘텐츠 자동화 | memory_agents | Blog Writing Agent, YouTube Trend Agent |
| 업무 자동화 | advance_ai_agents | Meeting Assistant, Price Monitoring Agent |

강사라면 이렇게 쓰세요.

- 같은 과제(예: 날씨 봇)를 LangChain, CrewAI, Agno로 각각 돌려 보고 코드 줄 수와 실행 결과를 표로 비교하는 1차시 실습을 만드세요.
- RAG 12개 예제를 "기본 → 검색 강화 → 재정렬(Reranking)" 3단계 난이도 사다리로 재구성하세요.
- 예제의 유료 API 부분을 Ollama 같은 로컬 모델로 바꾸는 과제를 내면 비용 없이 수업할 수 있습니다.

## 전문가 의견 (사실 기반)

강점

- 20여 개 에이전트 프레임워크 예제가 한 저장소에 있어 비교 학습 자료로 효율이 높습니다.
- 폴더마다 README와 `.env.example`이 있어 실행 절차가 통일되어 있습니다.
- MIT 라이선스라 수업 자료와 사내 프로토타입에 그대로 가져다 쓸 수 있습니다.

한계와 주의점

- README 첫머리의 "80+ 예제" 표기와 카테고리별 개수 합계(약 109개)가 맞지 않고, 일부 카테고리는 표기 개수와 실제 목록 개수도 다릅니다(예: MCP 표기 13개, 목록 14개). 문서 갱신이 코드를 못 따라가고 있습니다.
- 후원사(Nebius, Memori, Bright Data, ScrapeGraphAI 등)의 서비스가 다수 예제에 기본값으로 쓰입니다. 특히 Nebius Token Factory와 Memori 의존 예제가 많아, "추천 도구"가 아니라 "후원 도구"일 가능성을 감안하세요.
- 대부분 유료 API 키가 필요하므로 "무료로 실행"되는 것은 아닙니다.
- 예제 수준이 데모 중심이라 인증, 오류 처리, 비용 관리 같은 운영 요소는 별도로 보강해야 합니다.

유사 자료와 비교: 이전에 정리한 Shubham Saboo의 awesome-llm-apps(100개 이상 예제)와 성격이 비슷합니다. awesome-llm-apps가 종류의 폭이 넓다면, awesome-ai-apps는 프레임워크별 Starter와 MCP, 메모리 에이전트 분류가 더 명확합니다.

## Bottom Line

프레임워크 공부를 책으로 시작하지 마세요. 오늘 Starter 폴더에서 예제 1개를 실행하고, 내일 그 코드를 내 업무 데이터로 바꿔 보세요. 지금 당장 `git clone`부터 시작하십시오.

---

<sub>정리: [다비(davi.kr)](https://davi.kr/) | 원문: [Arindam200/awesome-ai-apps](https://github.com/Arindam200/awesome-ai-apps) | 수치는 2026-09-23 저장소 페이지 기준</sub>