Harness Handbook은 AI 에이전트 하네스 코드베이스에서 '어떤 동작이 어느 코드에 구현돼 있는가'를 자동으로 문서화하는 행동 중심 표현이다. 하네스는 프롬프트 구성·상태 관리·도구 호출을 담당하는 대규모 결합 코드라, 수정 요청은 동작 단위인데 저장소는 파일 단위로 조직돼 동작-코드 매핑 복원이 하네스 진화의 병목이 된다. 정적 분석과 LLM 구조화로 각 동작을 소스 위치에 연결한 핸드북을 합성하고, 상위 동작에서 구현 세부로 점진 안내하며 후보 위치를 현재 소스와 대조 검증하는 BGPD 기법을 함께 제안했다. 오픈소스 하네스 2종의 다양한 수정 요청에서 동작 위치 파악과 수정 계획 품질이 개선됐고 플래너 토큰은 줄었으며, 분산된 코드·드물게 실행되는 경로·모듈 간 상호작용에서 이득이 가장 컸다. 에이전트 시스템 진화의 관건이 '편집 생성'만이 아니라 '어디를 고칠지 찾기'임을 보여준다.
- •하네스 수정의 핵심 병목을 '동작→코드 위치 매핑'(behavior localization)으로 규정
- •정적 분석+LLM 구조화로 각 동작을 소스에 연결한 Harness Handbook을 자동 합성
- •BGPD: 상위 동작에서 구현 세부로 점진 공개하고 후보 위치를 현재 소스와 대조 검증
- •오픈소스 하네스 2종 실험에서 위치 파악·편집 계획 품질 향상과 플래너 토큰 절감 동시 달성
- •분산된 구현·희귀 실행 경로·모듈 간 상호작용에서 가장 큰 개선 확인
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
Harness Handbook: Making Evolving Agent Harnesses Readable,Navigable, and Editable
- 1.에이전트 하니스 코드베이스에서 행동 중심 표현 'Harness Handbook'을 정적분석+LLM으로 자동 합성
- 2.행동→코드 위치 매핑이 하니스 진화의 핵심 병목이라는 문제 정의 — 각 행동을 소스 위치에 연결
- 3.BGPD로 고수준 행동에서 구현 세부로 점진 안내하고 후보 위치를 현재 소스와 대조 검증
- 4.두 오픈소스 하니스 실험에서 위치 파악·수정 계획 품질 향상, 플래너 토큰은 감소 — 분산된 수정 지점에서 최대 이득
왜 중요한가?
에이전트 성능이 모델만큼 하니스에 좌우되는 시대에, 하니스 유지보수의 실제 병목이 '어디를 고칠지 찾기'임을 지목하고 자동화 해법을 제시했다. 코딩 에이전트·에이전트 프레임워크를 운영하는 개발팀에 직접 유용한 접근이다.
AI 에이전트의 '하네스'를 더욱 읽기 쉽고 관리 가능하게 만드는 연구는 국내 AI 에이전트 개발팀에게 실질적인 도움을 줄 것입니다. 복잡해지는 AI 시스템 환경에서 에이전트의 효율적인 구축과 유지보수는 국내 AI 산업의 경쟁력을 좌우할 핵심 요소입니다.
본문 미리보기
arXiv:2607.13285v1 Announce Type: new Abstract: The capability of a modern AI agent depends not only on its foundation model but also on its harness, which constructs prompts, manages state, invokes tools, and coordinates execution. As models, APIs, environments, and requirements evolve, the harness must be continually modified. Before such a change can be made, a developer or coding agent must identify all code locations that implement the target behavior. This is difficult because production
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안
