AI 에이전트 성능을 끌어올리는 6단계 하네스 최적화 원칙
방대한 프롬프트 대신 검증된 규칙, 도구 축소, 훅과 린터 스크립트 강제, 주기적인 규칙 가지치기를 통해 AI 에이전트 실행 환경(하네스)의 안정성과 정확도를 극대화하는 6가지 실전 지침을 정리했습니다.
소프트웨어 엔지니어이자 AI 실무자인 롭(@robiartec)이 AI 에이전트 실행 환경(Harness, 하네스)의 효율을 극대화하기 위한 6단계 최적화 프레임워크를 공유했습니다. 동일한 기반 모델을 쓰더라도 모델을 감싸는 하네스 설계에 따라 작업 성공률과 실행 비용이 크게 갈린다는 현장 경험에 바탕을 둔 정리입니다.

이미지 출처: https://x.com/robiartec/status/2117056966153392316
원작자는 모델을 효과적으로 감싸는 기법을 다룬 57편 이상의 논문과 스탠퍼드 연구 결과를 종합했다고 밝히며, 모델 자체를 교체하기에 앞서 하네스 구조를 간결하게 가다듬는 일이 에이전트 생산성을 좌우한다고 강조했습니다. 다만 해당 게시물에서 스탠퍼드 연구의 구체적인 논문 명칭이나 링크를 명시하지는 않았으므로, 6배 성능 격차 수치는 엄밀한 학술 벤치마크 결과라기보다는 하네스 설계의 극단적인 영향력을 보여주는 실무적 주장으로 이해하는 편이 안전합니다.
에이전트 하네스란 무엇인가
인공지능 개발 맥락에서 '하네스(Harness)'는 대형 언어 모델(LLM)을 감싸는 소프트웨어 래퍼(Wrapper)와 실행 프레임워크를 뜻합니다. 말의 몸에 굴레와 마구를 채워 원하는 방향으로 안전하게 이끄는 장치처럼, 모델이 어떤 시스템 지침을 따르고 어떤 도구(API·셸·검색기)를 호출하며 산출물을 어떻게 검증할지 통제하는 제어 틀 전체를 가리킵니다.
많은 개발자가 에이전트의 오작동을 마주했을 때 더 비싼 모델로 바꾸거나 수천 줄짜리 지시문을 프롬프트에 덧붙이는 방식을 택합니다. 하지만 무거워진 지침은 문맥 창(Context Window)을 잠식하고 규칙 간 충돌을 일으켜 오히려 모델의 집중력을 떨어뜨립니다. 롭이 제시한 6단계 원칙은 프롬프트를 늘리지 않고도 하네스를 날렵하고 엄격하게 유지하는 핵심 운영법을 다룹니다.
6단계 하네스 최적화 원칙
원작자가 정리한 6가지 핵심 수칙의 원문 취지와 실무 적용 세부 내용은 다음과 같습니다.
1단계: 이전 작업 세션의 교훈을 남김없이 추출하라 (Exprime tus sesiones anteriores)
"에이전트를 사람이 직접 바로잡아야 했던 순간마다 그 수정을 곧바로 규칙으로 만드세요."
에이전트 개발에서 가장 흔한 낭비는 같은 실수를 반복해서 보고 매번 프롬프트 창에서 손으로 고치는 일입니다. 에이전트가 특정 코딩 컨벤션을 어겼거나, 특정 파일 경로를 잘못 탐색했거나, 불필요한 가정을 두고 작업을 진행했다면 해당 교정 사항을 곧바로 팀이나 프로젝트의 규칙 저장소(예: 규칙용 마크다운 파일)에 한 줄짜리 원칙으로 등록해야 합니다. 실패 기록을 규칙으로 축적할 때 에이전트는 작업자의 의도에 맞춘 지속적 기억을 갖추게 됩니다.
2단계: 효과를 입증할 수 없는 규칙은 삭제하라 (Borra lo que no puedas demostrar)
"어떤 규칙이 실제 결과를 개선하지 못한다면, 그 규칙은 문맥만 갉아먹는 소음일 뿐입니다."
지침이 늘어날수록 에이전트는 어떤 지시를 우선해야 할지 혼란을 겪습니다. 좋은 의도로 추가한 규칙이라도 실제로 에러율을 낮추거나 작업 정확도를 올렸다는 근거가 없다면 가차 없이 지워야 합니다. 모든 토큰은 모델의 주의(Attention) 자원을 소모하므로 실효성이 증명되지 않은 문구는 문맥 낭비에 불과합니다.
3단계: 지시문은 극도로 짧게 유지하라 (Mantén tus instrucciones cortas)
"거대한 프롬프트는 실패합니다. 다른 세부 규칙을 가리키는 100줄 안팎의 지침이 승리합니다."
에이전트 시스템 프롬프트 안에 모든 상황별 대처법과 코딩 스타일 가이드를 전부 욱여넣으면 지침 이행률이 급격히 떨어집니다. 최상위 시스템 프롬프트는 100줄 내외의 간결한 진입점 역할만 맡기고, 구체적인 작업 지침은 모듈화된 별도 규칙 파일이나 문서 경로를 참조하도록 링크를 거는 편이 모델의 집중력을 지키는 데 훨씬 유리합니다.
4단계: 도구(Tools)의 수를 과감하게 줄여라 (Recorta tus herramientas)
"도구 수를 줄이고 날카롭게 다듬을수록 적중률은 오르고 버려지는 토큰은 줄어듭니다."
에이전트에 20개, 30개씩 과도한 도구를 쥐여주면 모델은 각 도구의 정의(JSON 스키마)를 읽는 데만 막대한 문맥 토큰을 소모합니다. 더 심각한 문제는 어떤 도구를 써야 할지 선택하는 분기에서 오판 확률이 기하급수적으로 늘어난다는 점입니다. 잘 쓰이지 않거나 역할이 겹치는 도구를 정리하고 필수 도구 서너 개로 범위를 좁히면 첫 번째 시도에서 정답 도구를 호출할 확률이 대폭 향상됩니다.
5단계: 규칙을 자연어 대신 스크립트로 강제하라 (Respalda las reglas con scripts)
"자연어 문장은 단순한 권장 사항에 불과합니다. 진짜 보증은 훅(Hooks), 린터(Linters), 테스트 코드가 해냅니다."
"주석을 반드시 작성하라"거나 "민감 정보를 커밋하지 말라"는 식의 줄글 지침은 모델이 상황에 따라 건너뛰기 쉽습니다. 중요한 제약 조건은 자연어 프롬프트에 맡기지 말고, 실행 전후 훅 스크립트, 코드 정적 분석 린터, 단위 테스트 실행 파이프라인처럼 실패 시 작업을 즉각 중단시키는 소프트웨어적 안전장치로 강제해야 합니다.
6단계: 하네스를 정원 가꾸듯 관리하라 (Cuida tu harness como un jardín)
"철 지난 규칙은 가지치기하고, 큰 변경이 있을 때마다 시스템 전체를 다시 검토하세요."
소프트웨어 프로젝트는 계속 변합니다. 라이브러리가 업데이트되거나 프로젝트 구조가 바뀌면 과거에 유용했던 규칙도 무의미해지거나 오히려 새로운 장애물이 됩니다. 정기적으로 오래된 규칙을 점검해 쓸모없어진 항목을 솎아내고, 대규모 구조 변경 뒤에는 전체 하네스가 군더더기 없이 돌아가는지 재검증해야 합니다.
실무 에이전트 구축에 주는 시사점
롭의 지침은 AI 에이전트 시스템의 중심축이 '프롬프트 문장 다듬기'에서 '소프트웨어 엔지니어링 규율'로 이동했음을 잘 보여줍니다. 성능 좋은 상위 모델이 강력한 엔진이라면, 하네스는 그 동력을 낭비 없이 노면에 전달하는 섀시와 변속기에 가깝습니다.
에이전트가 기대한 대로 동작하지 않는다면 모델 프롬프트를 끝없이 늘리기 전에, 불필요하게 쥐여준 도구가 없는지, 검증 스크립트로 강제할 수 있는 규칙을 줄글로 적어두지 않았는지, 묵은 지침이 문맥을 흐리고 있지 않은지 먼저 점검하는 접근이 필요합니다.
원문 출처
- Rob (@robiartec) X 게시물: Harness + Opus 5.5 por fin puede no tener límites (2026-11-02)