Apache Burr: 상태 머신으로 만드는 신뢰할 수 있는 AI 에이전트 프레임워크

Apache Burr: Build reliable AI agents and applications

Jun 10, 2026•anhldbk•View Original

TL;DR Highlight

액션과 전이만 정의하면 상태 저장·UI 디버깅·재생이 되는 Python 에이전트 프레임워크

Who Should Read

LangChain류 에이전트 프레임워크가 추상화 때문에 디버깅이 힘들어 대안을 찾는 Python 백엔드 개발자

Core Mechanics

Burr는 액션과 전이로 앱을 만든다
- Apache Burr(Incubating)는 챗봇부터 멀티 에이전트까지 만드는 순수 Python 라이브러리다.
- DSL이나 YAML 없이 함수와 데코레이터로 액션과 전이를 정의한다.
상태를 읽고 쓰는 액션 단위 설계
- @action(reads=[...], writes=[...])으로 액션이 읽고 쓰는 state 키를 선언한다.
- ApplicationBuilder로 액션, 전이, 초기 state, tracker를 붙여 앱을 빌드한다.
UI로 모든 단계를 추적한다
- Burr UI에서 앱의 각 단계를 실시간으로 모니터링하고 디버깅한다.
- state가 바뀌는 과정을 그대로 볼 수 있다.
저장·재개·사람 개입 기능 내장
- state를 디스크, DB, 커스텀 백엔드에 자동 저장하고 중단한 지점부터 재개한다.
- 어느 단계에서든 실행을 멈추고 사람 입력을 기다릴 수 있어 승인 워크플로에 쓴다.
병렬 실행과 테스트·재생 지원
- 액션을 병렬로 돌리고 fan out/fan in으로 복잡한 DAG(방향 있는 그래프)를 만든다.
- 과거 실행을 재생하고 개별 액션을 단위 테스트할 수 있다.
기존 스택과 함께 쓴다
- OpenAI, Anthropic, LangChain, Hamilton, Streamlit, FastAPI, Haystack, Instructor, Pydantic, PostgreSQL 연동이 소개돼 있다.
- 락인과 래퍼가 없다고 주장한다.

Community Reactions

프레임워크 없이 1:1 코드가 낫다는 의견
- 에이전트는 컨텍스트 구성, LLM 호출, 툴 실행, 출력 파싱의 반복이라 전통적 개발 관점에서 복잡하지 않다는 의견이 있었다.
- 프레임워크 추상화가 핵심 로직을 가리고 맞지 않는 구조를 강요한다고 했다.
- Django 앱 챗봇 MVP를 프레임워크 없이 Claude/Codex로 에이전트 루프를 짜서 만들었더니 잘 돈다는 경험도 있었다.
Burr 위에 MCP를 얹어 쓴 경험
- Burr 상태 머신을 MCP로 마운트해 에이전트가 따라갈 레일을 만들었다는 경험이 공유됐다.
- 상태 머신이 복잡해져도 MCP 툴은 상태 이동으로 제한된다고 한다.
- 개인·업무 프로젝트에서 안정적인 상태 워크플로와 무료 관측성이 좋았다고 했다.
차별점이 불분명하다는 반론
- 샘플 코드가 builder 패턴을 쓴 langgraph 같다는 의견이 있었다.
- 상태 머신은 '신뢰성(작업을 끝내는 것)'과 무관하다는 반론도 있었다.
- 랜딩 페이지가 AI 생성 템플릿 같다는 비판이 많았다.
관측성 부재와 인증 질문
- DIY 에이전트가 가장 먼저 빼먹는 것이 관측성이고 프로덕션에서 제일 아쉽다는 의견이 있었다.
- 에이전트 인증 방식은 문서에서 못 찾았다는 질문이 올라왔다.
- 메인테이너가 직접 질문에 답하겠다고 했다.

How to Apply

로컬에서 Burr 챗봇 예제 돌려보기
- 오늘 pip install burr로 설치하고 위 코드 예제를 실행한다.
- with_tracker("local")로 실행 기록을 남긴 뒤 Burr UI에서 state 변화를 확인한다.
기존 에이전트 루프를 액션으로 쪼개기
- 컨텍스트 구성, LLM 호출, 툴 실행을 각각 @action으로 분리한다.
- 각 액션의 reads/writes를 명시하고 with_transitions로 순서를 잇는다.
승인이 필요한 단계에 사람 개입 넣기
- 결제·메일 발송 같은 위험한 액션 앞에서 실행을 멈추도록 설계한다.
- 승인 입력 후 이어서 실행하도록 구성한다.
실패한 실행을 재생해 테스트 케이스로 만들기
- 프로덕션에서 실패한 실행의 state 스냅샷을 저장한다.
- 해당 액션을 단위 테스트로 옮겨 재현한다.

Try It

복사해서 바로 해보기

# 터미널에서 실행 (설치: pip install "burr[start]"; OPENAI_API_KEY 필요)

from burr.core import action, State, ApplicationBuilder
from openai import OpenAI

@action(reads=["messages"], writes=["messages"])
def chat(state: State, llm_client) -> State:
    r = llm_client.chat.completions.create(model="gpt-4o-mini", messages=state["messages"])
    reply = {"role": "assistant", "content": r.choices[0].message.content}
    return state.update(messages=[*state["messages"], reply])

app = (
    ApplicationBuilder()
    .with_actions(chat)
    .with_transitions(("chat", "chat"))
    .with_state(messages=[{"role": "user", "content": "안녕"}])
    .with_entrypoint("chat")
    .with_tracker("local")
    .build()
)
app.run(halt_after=["chat"], inputs={"llm_client": OpenAI()})

# 이후 터미널에서 `burr` 실행해 UI 확인

Terminology

상태 머신앱을 '현재 상태'와 '다음 상태로 가는 규칙'으로 표현하는 방식이다. 지하철 노선도처럼 어디서 어디로 갈 수 있는지 미리 그려 둔다.

Human-in-the-loop자동 실행 중 특정 단계에서 사람이 확인·승인해야 넘어가게 하는 구조다. 배포 파이프라인의 수동 승인 단계와 같다.

DAG순환 없이 한 방향으로 흐르는 작업 그래프다. 빌드 시스템의 의존성 그래프를 떠올리면 된다.

Apache IncubatorApache 재단에 새로 들어온 프로젝트가 거치는 검증 단계다. 코드 완성도와는 별개로 재단의 정식 승인을 아직 받지 않았다는 뜻이다.

Related Resources

Apache Burr: 상태 머신으로 만드는 신뢰할 수 있는 AI 에이전트 프레임워크

Apache Burr: Build reliable AI agents and applications

Jun 10, 2026•anhldbk•View Original

TL;DR Highlight

액션과 전이만 정의하면 상태 저장·UI 디버깅·재생이 되는 Python 에이전트 프레임워크

Who Should Read

LangChain류 에이전트 프레임워크가 추상화 때문에 디버깅이 힘들어 대안을 찾는 Python 백엔드 개발자

Core Mechanics

Burr는 액션과 전이로 앱을 만든다
- Apache Burr(Incubating)는 챗봇부터 멀티 에이전트까지 만드는 순수 Python 라이브러리다.
- DSL이나 YAML 없이 함수와 데코레이터로 액션과 전이를 정의한다.
상태를 읽고 쓰는 액션 단위 설계
- @action(reads=[...], writes=[...])으로 액션이 읽고 쓰는 state 키를 선언한다.
- ApplicationBuilder로 액션, 전이, 초기 state, tracker를 붙여 앱을 빌드한다.
UI로 모든 단계를 추적한다
- Burr UI에서 앱의 각 단계를 실시간으로 모니터링하고 디버깅한다.
- state가 바뀌는 과정을 그대로 볼 수 있다.
저장·재개·사람 개입 기능 내장
- state를 디스크, DB, 커스텀 백엔드에 자동 저장하고 중단한 지점부터 재개한다.
- 어느 단계에서든 실행을 멈추고 사람 입력을 기다릴 수 있어 승인 워크플로에 쓴다.
병렬 실행과 테스트·재생 지원
- 액션을 병렬로 돌리고 fan out/fan in으로 복잡한 DAG(방향 있는 그래프)를 만든다.
- 과거 실행을 재생하고 개별 액션을 단위 테스트할 수 있다.
기존 스택과 함께 쓴다
- OpenAI, Anthropic, LangChain, Hamilton, Streamlit, FastAPI, Haystack, Instructor, Pydantic, PostgreSQL 연동이 소개돼 있다.
- 락인과 래퍼가 없다고 주장한다.

Community Reactions

프레임워크 없이 1:1 코드가 낫다는 의견
- 에이전트는 컨텍스트 구성, LLM 호출, 툴 실행, 출력 파싱의 반복이라 전통적 개발 관점에서 복잡하지 않다는 의견이 있었다.
- 프레임워크 추상화가 핵심 로직을 가리고 맞지 않는 구조를 강요한다고 했다.
- Django 앱 챗봇 MVP를 프레임워크 없이 Claude/Codex로 에이전트 루프를 짜서 만들었더니 잘 돈다는 경험도 있었다.
Burr 위에 MCP를 얹어 쓴 경험
- Burr 상태 머신을 MCP로 마운트해 에이전트가 따라갈 레일을 만들었다는 경험이 공유됐다.
- 상태 머신이 복잡해져도 MCP 툴은 상태 이동으로 제한된다고 한다.
- 개인·업무 프로젝트에서 안정적인 상태 워크플로와 무료 관측성이 좋았다고 했다.
차별점이 불분명하다는 반론
- 샘플 코드가 builder 패턴을 쓴 langgraph 같다는 의견이 있었다.
- 상태 머신은 '신뢰성(작업을 끝내는 것)'과 무관하다는 반론도 있었다.
- 랜딩 페이지가 AI 생성 템플릿 같다는 비판이 많았다.
관측성 부재와 인증 질문
- DIY 에이전트가 가장 먼저 빼먹는 것이 관측성이고 프로덕션에서 제일 아쉽다는 의견이 있었다.
- 에이전트 인증 방식은 문서에서 못 찾았다는 질문이 올라왔다.
- 메인테이너가 직접 질문에 답하겠다고 했다.

How to Apply

로컬에서 Burr 챗봇 예제 돌려보기
- 오늘 pip install burr로 설치하고 위 코드 예제를 실행한다.
- with_tracker("local")로 실행 기록을 남긴 뒤 Burr UI에서 state 변화를 확인한다.
기존 에이전트 루프를 액션으로 쪼개기
- 컨텍스트 구성, LLM 호출, 툴 실행을 각각 @action으로 분리한다.
- 각 액션의 reads/writes를 명시하고 with_transitions로 순서를 잇는다.
승인이 필요한 단계에 사람 개입 넣기
- 결제·메일 발송 같은 위험한 액션 앞에서 실행을 멈추도록 설계한다.
- 승인 입력 후 이어서 실행하도록 구성한다.
실패한 실행을 재생해 테스트 케이스로 만들기
- 프로덕션에서 실패한 실행의 state 스냅샷을 저장한다.
- 해당 액션을 단위 테스트로 옮겨 재현한다.

Try It

복사해서 바로 해보기

# 터미널에서 실행 (설치: pip install "burr[start]"; OPENAI_API_KEY 필요)

from burr.core import action, State, ApplicationBuilder
from openai import OpenAI

@action(reads=["messages"], writes=["messages"])
def chat(state: State, llm_client) -> State:
    r = llm_client.chat.completions.create(model="gpt-4o-mini", messages=state["messages"])
    reply = {"role": "assistant", "content": r.choices[0].message.content}
    return state.update(messages=[*state["messages"], reply])

app = (
    ApplicationBuilder()
    .with_actions(chat)
    .with_transitions(("chat", "chat"))
    .with_state(messages=[{"role": "user", "content": "안녕"}])
    .with_entrypoint("chat")
    .with_tracker("local")
    .build()
)
app.run(halt_after=["chat"], inputs={"llm_client": OpenAI()})

# 이후 터미널에서 `burr` 실행해 UI 확인

Terminology

상태 머신앱을 '현재 상태'와 '다음 상태로 가는 규칙'으로 표현하는 방식이다. 지하철 노선도처럼 어디서 어디로 갈 수 있는지 미리 그려 둔다.

Human-in-the-loop자동 실행 중 특정 단계에서 사람이 확인·승인해야 넘어가게 하는 구조다. 배포 파이프라인의 수동 승인 단계와 같다.

DAG순환 없이 한 방향으로 흐르는 작업 그래프다. 빌드 시스템의 의존성 그래프를 떠올리면 된다.

Apache IncubatorApache 재단에 새로 들어온 프로젝트가 거치는 검증 단계다. 코드 완성도와는 별개로 재단의 정식 승인을 아직 받지 않았다는 뜻이다.

Apache Burr: 상태 머신으로 만드는 신뢰할 수 있는 AI 에이전트 프레임워크

TL;DR Highlight

Who Should Read

Core Mechanics

Community Reactions

How to Apply

Try It

Terminology

관련 논문

Related Resources

Apache Burr: 상태 머신으로 만드는 신뢰할 수 있는 AI 에이전트 프레임워크

TL;DR Highlight

Who Should Read

Core Mechanics

Community Reactions

How to Apply

Try It

Terminology

관련 논문

Related Resources