| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
- CloudWatch
- go
- golang
- tucker의 go 언어 프로그래밍
- 정보처리기사 실기 기출문제
- PETERICA
- 티스토리챌린지
- 기록으로 실력을 쌓자
- AWS EKS
- 바이브코딩
- MySQL
- minikube
- CKA
- AI
- CKA 기출문제
- 코틀린 코루틴의 정석
- Kubernetes
- LLM
- Linux
- aws
- 오블완
- Rag
- Java
- APM
- SRE
- 공부
- kotlin
- kotlin coroutine
- Pinpoint
- Spring
- Today
- Total
피터의 개발이야기
[AI] Agentic Workflow와 harness 개념 중심 본문
ㅁ 들어가며
ㅇ EP 86. 진짜 내 일을 해결하는 Agentic Workflow (Lablup 신정규 대표) 영상의 핵심 흐름을 Agentic Workflow와 harness 개념 중심으로 챕터화한 요약이다. 각 구간은 실제 대화 흐름 기준으로 묶었으며, 실무 적용 포인트를 중심으로 정리하였다.
ㅁ Agentic AI의 패러다임 전환
핵심 인사이트(약 31:27)
- AI 성능 확장은 더 이상 모델 크기 증가만으로 해결되지 않는다.
- 대신 에이전트 수를 늘리는 방식(agent swarm)으로 확장한다.
- 즉, 단일 모델 → 다수 에이전트 협업 구조로 패러다임이 이동 중이다.
에이전트를 하나에서 10개, 20개로 늘리는 방향으로 확장이 이동했다
실무 적용
실제 시스템 구조도 동일한 흐름으로 진화한다.
기존
User → LLM → Result
현재
User
↓
Planner Agent
↓
Tool Agent / Retrieval Agent / Coding Agent
↓
Evaluator Agent
↓
Result
핵심은 모델 성능이 아니라 orchestration 설계이다.
ㅁ Agentic Workflow의 본질
핵심 인사이트(약 51:45)
Agentic workflow는
"결과를 만드는 것"이 아니라
"결과를 만드는 시스템을 만드는 것"이다.
말로 코딩을 하는데 대상이 결과물이 아니라
코딩을 하는 애를 만드는 것이다
즉
기존 개발
→ 코드 작성
Agentic 개발
→ 코드 생성 시스템 작성
실무 적용
ㅇ 개발자의 역할 변화
| 기존 | Agentic |
| 코드 작성 | 에이전트 설계 |
| 기능 구현 | 워크플로 설계 |
| 테스트 | 자동 평가 루프 |
개발자는 "프로그램 작성자 → 시스템 설계자"로 이동한다.
ㅁ Harness 개념 (Agent 운영 프레임워크)
핵심 인사이트(약 50:40)
Harness는 에이전트를 실행·통제하는 자동화 구조이다.
예시:
- TDD harness
- task 분산 harness
- queue harness
- workflow harness
대화에서 언급된 내용:
외부 harness들(TDD, 작업 분산 등)을 쓰는 경우도 있다
하지만 실제 실무에서는 “내 일을 줄여주는 harness부터 만들라”는 접근을 강조한다.
실무 적용
Harness 예시
task-harness
├ planning agent
├ coding agent
├ review agent
└ test agent
실제 개발 자동화 예시
PR 생성
→ 코드 생성
→ 테스트 실행
→ lint 검사
→ 리뷰 생성
ㅁ Harness = 회사의 구조
핵심 인사이트(약 52:30)
여러 harness를 중첩하면 회사 조직 구조와 동일해진다.
여러 harness를 중첩하면 그게 회사가 된다
구조 예
Company Harness
├ Product Harness
│ ├ Dev Harness
│ └ QA Harness
└ Marketing Harness
즉
Agent system = 조직 구조
실무 적용
ㅇ AI 조직 구조
| 역할 | Agent |
| PM | Planner agent |
| Dev | Coding agent |
| QA | Test agent |
| Ops | Deploy agent |
ㅁ Agentic 개발의 핵심 철학
핵심 인사이트(약 53:00)
개발자가 직접 결과물을 수정하지 않는다.
대신 "생성하는 장치를 수정한다."
결과물을 직접 고치지 않고
결과를 만드는 장치를 계속 고친다
실무 적용
기존 방식
버그 발생
→ 코드 수정
Agentic 방식
버그 발생
→ 에이전트 프롬프트 수정
→ 테스트 harness 수정
→ 워크플로 수정
즉,
debug 대상이 코드가 아니라 시스템이다.
ㅁ Workflow 설계 방법
핵심 인사이트(약 60:10)
Agent workflow는 처음부터 완성되지 않는다.
step-by-step으로 만들어진다
workflow는 처음부터 만들어지는 것이 아니라 step으로 구축된다
실무 적용
Agent 구축 단계
- 문제 정의
- 필요한 agent 식별
- command 설계
- harness 연결
- 반복 개선
ㅁ 핵심 개념 정리
ㅇ Agentic Workflow
정의
AI 에이전트들이 협력하여
복잡한 작업을 자동으로 수행하는 시스템
구조
Planner → Worker → Evaluator
ㅇ Harness
정의
에이전트들을 실행하고
작업 흐름을 통제하는 자동화 프레임워크
예
CI harness
Dev harness
Research harness
ㅁ 실무 적용 요약 (개발자 관점)
ㅇ 에이전트보다 workflow가 중요
- 잘못된 접근: 좋은 모델 찾기
- 올바른 접근: workflow 설계
ㅇ 결과보다 시스템
기존
코드 작성
Agentic
코드 생성 시스템 작성
ㅇ Harness를 먼저 만든다
예
research harness
coding harness
blog harness
ㅁ 마무리
“우리는 이제 코드를 만드는 것이 아니라
코드를 만드는 시스템을 만든다.”
'AI > AI리뷰 | 에세이' 카테고리의 다른 글
| [AI] Obsidian Skills, 로컬 지식베이스와 AI의 연결 (0) | 2026.01.13 |
|---|---|
| [AI] 온톨로지·지식그래프 기반 AI 전환 전략 (1) | 2025.12.12 |
| [AI] 실무 중심 LLM 활용의 핵심 (0) | 2025.12.12 |
| [AI] RAG·Agent·Infra·Compliance를 동시에 다루는 엔지니어의 지식 정리법 (0) | 2025.12.06 |
| [AI] 백엔드 개발자가 본 바이브코딩 - 일할맛 in 판교 세미나 리뷰 (1) | 2025.09.01 |
