LangChain과 NVIDIA, NemoClaw 출시: 오픈 에이전트 스택, 경쟁사 대비 10배 낮은 비용 달성

LangChain과 NVIDIA가 출시한 것은 단순한 API 래퍼가 아니라, 불과 몇 분 안에 자체 인프라에서 조립하고 실행할 수 있는 완전한 에이전트 블루프린트입니다. NemoClaw는 2026년 7월 8일부터 단일 명령으로 실행할 수 있는 오픈소스 프로젝트로 제공됩니다.

오픈 에이전트 스택의 세 가지 레이어

NemoClaw의 아키텍처는 함께 일관된 시스템을 구성하는 세 가지 기능적 레이어로 구성됩니다.

Nemotron 3 Ultra — 다회전(multi-turn) 에이전트 워크플로우를 위해 특별히 사후 학습된 NVIDIA의 오픈 모델입니다. 정적 프롬프트에 최적화된 모델과 달리, Nemotron 3 Ultra는 에이전트가 요구하는 더 긴 추론 및 계획 시퀀스를 위해 설계되었습니다.

LangChain Deep Agents Code — 에이전트의 동작을 조율하는 하네스입니다. 시스템 프롬프트, 도구 설명, 모델과 런타임 환경 사이를 조율하는 미들웨어로 구성됩니다. 이 레이어가 달성된 결과에서 핵심임이 밝혀질 것입니다.

NVIDIA OpenShell — 정의된 접근 정책을 갖춘 코드 실행을 위한 보안 샌드박스입니다. 에이전트는 명시적으로 설정된 경계를 가진 격리된 환경에서 코드를 실행합니다.

벤치마크: 10배 낮은 비용, 거의 동일한 성과

NemoClaw 조합의 종합 점수는 평가당 단 $4.48의 비용으로 0.86입니다. 다음으로 우수한 경쟁사는 $43.48의 비용으로 비슷한 수준의 성능을 달성합니다. NemoClaw는 거의 동일한 결과로 거의 10배 저렴합니다.

더 넓은 맥락을 위해: Claude Opus 4.8은 종합 점수 0.87을 달성합니다. NemoClaw 대비 0.01 차이이지만, 훨씬 높은 비용을 수반합니다. 이로써 NemoClaw는 오픈 모델과 독점 모델 간의 동등성 경계에 관한 논의에 진입합니다.

낮은 비용은 단순한 절감을 넘어서는 전략적 의미를 가집니다. 추론이 10배 저렴하면, 기업은 체계적으로 평가 스위트를 실행하고, 여러 하네스 및 에이전트 변형을 테스트하며, 이전에는 비싼 독점 API만으로 처리했을 프로젝트에 특화된 에이전트 팀을 배포하는 것을 감당할 수 있습니다.

하네스가 모델보다 중요한가?

종합 점수에서 0.80에서 0.86으로의 도약이 달성된 방식이 특히 흥미롭습니다. 모델을 재학습하지 않고, 하네스를 최적화함으로써 이루어졌습니다. LangChain은 시스템 프롬프트, 도구 설명, 미들웨어 조율을 조정하여 Nemotron 3 Ultra 모델의 파라미터를 단 하나도 변경하지 않고 +0.06의 개선을 달성했습니다.

이것은 사소한 기술적 일화가 아닙니다. 에이전트 시스템의 가치가 LLM 자체에서 그것을 둘러싼 레이어, 즉 과제를 어떻게 제시하고, 도구를 어떻게 정의하며, 여러 단계를 어떻게 조율하는지로 점점 이동하고 있다는 주장을 뒷받침합니다. 모델은 엔진이 되고, 하네스는 차량이 됩니다. 이것이 반복 가능한 패턴이라면(LangChain은 그렇다고 주장하며), 새로운 공학 작업의 카테고리가 열립니다. 하네스 최적화가 모델 자체의 파인튜닝만큼 중요한 분야로서 말입니다.

보안 프레임워크와 데이터 제어

외부 클라우드 제공업체로 데이터를 보낼 수 없거나 원하지 않는 기업에게, NemoClaw는 완전한 자체 호스팅 구현을 제공합니다. 데이터는 온프레미스에 유지되고, 인프라는 조직이 완전히 제어합니다.

OpenShell 런타임은 네트워크 접근에 기본 거부 접근 방식을 사용합니다. 에이전트의 코드는 기본적으로 명시적 허가 없이 외부 서비스와 통신할 수 없습니다. 또한 아키텍처에는 중요 작업에 대한 인간 승인 게이트와 모든 에이전트 동작의 완전한 감사 추적이 포함됩니다. 이는 금융 및 의료와 같은 규제 산업에 특히 중요합니다.

목표 활용 사례와 비즈니스 맥락

EY가 규제 산업을 위한 핵심 구현 파트너로 지명되었습니다. 인프라 호스팅 파트너로는 Baseten, Fireworks AI, Nebius, Crusoe Energy, DeepInfra, Together AI가 포함되며, 다양한 지역과 컴퓨트 플랫폼에서의 가용성을 보장합니다.

주요 목표 활용 사례는 레거시 코드 마이그레이션 프로젝트입니다. COBOL에서 Java로의 변환 및 .NET 애플리케이션 마이그레이션이 그 예입니다. 이러한 마이그레이션은 수십 년간 대기업 디지털화의 병목으로 남아왔으며, 그 이유 중 하나는 기존 AI 도구가 대규모 코드베이스에 체계적으로 적용하기에는 너무 비쌌기 때문입니다. NemoClaw의 비용 프로파일은 이러한 프로젝트의 새로운 경제성을 열어주며, AI 지원 레거시 시스템 현대화를 경제적으로 실현 가능하게 만들어 줍니다.