이 문서는 "Harness Engineering 101"이라는 제목의 기술 서적으로, AI 에이전트를 근본적인 원리(First Principles)에서부터 구축하는 과정을 다룹니다. 저자 Isuru Wijesiri는 LLM API가 상태가 없는(stateless) 단순한 JSON 배열 입출력 시스템임을 강조하며, 에이전트란 결국 이 배열을 관리, 유지, 보호하기 위한 코드의 집합(harness)임을 정의합니다.

핵심 개념 및 방법론

이 책의 핵심 방법론은 "모든 에이전트 프레임워크는 Chapter 1(JSON 배열 기반 통신)을 감싸는 래퍼(Wrapper)에 불과하다"는 관점입니다. 저자는 에이전트의 복잡성을 해결하기 위해 문제 상황을 식별하고 이를 최소한의 패치(patch)로 해결하는 과정을 16개의 챕터로 구성했습니다.

1. 기술적 구조 (The Harness)

• stateless loop: LLM은 매 턴마다 전체 대화 기록을 JSON 배열 형태로 전송받습니다. 하네스(Harness)는 이 배열의 생성, 관리, 도구(Tools) 호출 매핑을 담당하는 제어 구조입니다.
• Agentic Patching: 에이전트 개발에서 발생하는 문제들(예: 컨텍스트 제한, 제어 이탈, 비동기 작업 등)을 독립적인 패치 단위로 해결합니다.
  • Context Window Management: $C_{total} = \sum_{i=0}^{n} t_i + \sum_{j=0}^{m} s_j$ (여기서 $t$는 대화, $s$는 시스템 프롬프트/도구 정의)와 같이 컨텍스트 예산을 효율적으로 관리합니다.
  • Subagents: 단일 배열이 모든 작업을 수행할 수 없을 때, 컨텍스트를 분기(Fork)하여 병렬적인 하위 에이전트 구조를 형성합니다.
  • RAG as a Harness Pattern: RAG(Retrieval-Augmented Generation)를 별도의 기술이 아닌, 대규모 컨텍스트를 하네스가 관리하는 하나의 패턴으로 통합하여 이해합니다.

2. 주요 섹션별 체계

• Part I (The Wire): LLM 통신의 기초와 도구 호출(Tool Calling), 캐싱의 중요성을 다룹니다.
• Part II (Running Long): 컨텍스트 예산 최적화, 서브 에이전트(Subagents) 설계, 루프 제어 및 비동기 환경 처리를 다룹니다.
• Part III (The Ecosystem): 기존 프레임워크들의 추상화 계층을 파헤치고, MCP(Model Context Protocol)와 같은 외부 확장 기능을 다룹니다.
• Part IV (Trust & Data): 가드레일(Guardrails), 코딩 에이전트의 도메인 특화 구조, 그리고 RAG를 하네스 관점에서 재해석합니다.

요약 및 의의

이 문서는 복잡한 에이전트 프레임워크 뒤에 숨겨진 본질적인 메커니즘을 밝혀냅니다. 특히 "에이전트는 프롬프트를 수정하는 것이 아니라, 에이전트를 둘러싼 배열(Context)과 흐름(Flow)을 디버깅하는 것"이라는 철학을 통해 개발자가 직접 자신만의 하네스를 구축할 수 있도록 안내합니다. 부록에서는 모델 라우팅, 병렬 작업 관리(Worktrees), 재시도 로직 등 실무적인 plumbing 요소들까지 상세히 다루고 있어, 단순한 이론을 넘어선 실무적인 가이드라인을 제공합니다.