TAU-HOME.COM
LOADING

앤트로픽, 장기 실행 코딩 에이전트를 위한 하네스 아키텍처 공개

앤트로픽이 컨텍스트 창 한계를 극복하고 세션 간 개발 연속성을 유지하는 장기 실행 에이전트 하네스 설계 패턴과 환경 구성 방식을 공개했습니다.

tau · 2026년 11월 21일

#Anthropic #AgentSDK #DevTools

앤트로픽, 장기 실행 코딩 에이전트를 위한 하네스 아키텍처 공개

인공지능(AI) 모델의 능력이 발전함에 따라 개발자들은 수 시간에서 수일에 걸쳐 진행되는 복잡한 작업을 AI 에이전트에게 맡기려는 시도를 늘려가고 있습니다. 하지만 여러 컨텍스트 창(Context Window, 대형 언어 모델이 한 번에 처리할 수 있는 입력 토큰의 총량)에 걸쳐 일관된 작업을 수행하도록 만드는 것은 여전히 해결해야 할 과제로 남아 있습니다. 앤트로픽(Anthropic)이 이러한 장기 실행 에이전트의 한계를 극복하기 위해 세션 간 연속성을 유지하는 하네스(Harness, 에이전트가 외부 환경과 상호작용하며 작업을 수행하도록 제어하는 구동 틀) 아키텍처와 환경 구성 방식을 공식 연구 문서를 통해 공개했습니다.

앤트로픽이 공개한 장기 실행 코딩 에이전트 하네스 아키텍처와 세션 간 작업 인계 흐름도

이미지 출처: Anthropic

이번에 공개된 설계 패턴은 AI 코딩 에이전트가 단일 세션의 한계를 넘어 프로젝트를 장기적으로 수행할 수 있도록 돕는 실무적인 가이드를 담고 있습니다. 앤트로픽의 클로드 에이전트 SDK(Claude Agent SDK)를 활용하여 다중 컨텍스트 환경에서 개발 연속성을 확보하는 핵심 메커니즘을 살펴봅니다.

장기 실행 에이전트가 직면한 세션 단절 문제

복잡한 소프트웨어 개발 프로젝트를 단 하나의 컨텍스트 창 안에서 완수하는 것은 현재의 기술 수준으로는 불가능에 가깝습니다. 대형 언어 모델은 각 세션이 시작될 때 이전 세션에서 무슨 일이 있었는지에 대한 기억을 전혀 가지고 있지 않습니다. 마치 여러 엔지니어가 교대 근무를 하지만 인수인계 없이 매번 출근하는 상황과 같습니다.

앤트로픽의 실험에 따르면, 프롬프트만 던져주고 루프 형태로 에이전트를 실행할 경우 두 가지 주요 실패 양상이 나타났습니다.

  • 한 번에 너무 많은 작업을 시도하는 문제: 에이전트가 앱 전체를 한 번에 구현하려고 하다가 중간에 컨텍스트 한계에 도달해 미완료 상태로 세션을 끝마치게 됩니다. 이로 인해 다음 세션의 에이전트는 무엇이 구현되었는지 추정하며 시간을 낭비하게 됩니다.
  • 조기 완료 선언 문제: 일부 기능이 구현된 것을 확인한 후 에이전트가 프로젝트가 완전히 끝났다고 오판하여 작업을 조기에 종료해 버립니다.

이러한 문제를 해결하기 위해 앤트로픽은 초기화 에이전트와 코딩 에이전트를 결합한 이원화 구조를 제안했습니다.

초기화 에이전트와 기능 목록(Feature List) 기반 설계

장기 실행 에이전트 하네스의 첫 단계는 프로젝트의 기초를 다지는 '초기화 에이전트(Initializer Agent)'의 역할입니다.

  • 초기화 스크립트 및 작업 로그 생성: 최초 에이전트 세션은 모델에게 개발 서버를 구동할 수 있는 init.sh 스크립트, 에이전트들의 작업 이력을 기록하는 claude-progress.txt 파일, 그리고 초기 파일 추가 상태를 보여주는 깃(Git) 커밋을 생성하도록 지시합니다.
  • 상세 기능 목록(Feature List) 구조화: 사용자의 초기 요구사항을 확장하여 수백 가지의 구체적인 기능 항목을 담은 JSON 형식의 파일(feature_list.json)을 생성합니다. 예를 들어 웹 앱 클론 프로젝트라면 "사용자가 새 채팅 버튼을 누르고 질문을 입력하면 AI 응답을 볼 수 있다"와 같은 상세 기능들이 모두 나열되며, 초기에는 전부 미완료(passes: false) 상태로 설정됩니다.

이 JSON 방식은 모델이 마크다운 파일에 비해 무단으로 형식을 훼손하거나 내용을 지우는 실수가 적어 에이전트 간 명확한 작업 지침서 역할을 합니다.

증분 구현과 브라우저 자동화 검증

초기 환경이 마련되면 이후의 '코딩 에이전트(Coding Agent)'들은 다음과 같은 체계적인 흐름으로 개발을 이어갑니다.

  • 한 번에 하나의 기능만 증분 구현: 각 세션의 에이전트는 기능 목록에서 아직 완료되지 않은 가장 높은 우선순위의 기능 딱 하나만 집중해서 구현합니다.
  • 깃 커밋과 진행 상황 인계: 작업이 끝나면 명확한 커밋 메시지와 함께 깃(Git)에 변경 사항을 기록하고, 진행 상황 파일에 요약을 남겨 다음 세션의 에이전트가 이전 상태를 완벽히 파악할 수 있도록 합니다.
  • 퍼피티어 MCP를 통한 E2E 테스트: 코드가 변경된 후 에이전트는 퍼피티어 MCP(Puppeteer Model Context Protocol, 모델이 브라우저를 직접 제어하여 웹 페이지를 테스트할 수 있게 해주는 표준 프로토콜) 서버를 실행하여 실제 사용자 관점에서 종단 간(E2E, End-to-End) 검증을 수행합니다. 이를 통해 코드상으로는 드러나지 않는 버그를 스스로 찾아내고 수정할 수 있습니다.

한계와 향후 과제

앤트로픽의 이번 연구는 다중 컨텍스트 창에 걸쳐 AI 에이전트가 실질적인 소프트웨어 개발을 지속할 수 있는 구체적인 엔지니어링 패턴을 제시했습니다. 다만 몇 가지 한계도 존재합니다. 퍼피티어 MCP 환경에서 브라우저 네이티브 알림 모달(Alert Modal)을 시각적으로 인식하지 못하는 등 비전 및 자동화 도구 자체의 제약으로 인해 관련 기능에서 오류가 발생할 여지가 있습니다. 또한, 단일 범용 코딩 에이전트 구조가 최선인지, 혹은 테스트 전담, QA 전담, 코드 정리 전담 등 역할별 전문 에이전트를 조합하는 멀티 에이전트 아키텍처가 더 우수한 성능을 낼지는 향후 연구 과제로 남아 있습니다.

출처

Impact-Site-Verification: 9b3ebd10-6c45-44cf-a014-5b8c19b7b285