피드로 돌아가기
Dev.toAI/ML
원문 읽기
3계층 구조와 7단계 워크플로우 기반 AI-Native 에이전트 운영 체계 설계
AI-Native Workflow: The Operating Manual for Your Agent
AI 요약
Context
코드베이스와 문서가 준비되어 있어도 AI 에이전트의 일관된 동작을 제어할 운영 체계가 부재한 상황을 해결함. 단순 챗봇 수준을 넘어 실제 엔지니어링 워크플로우에 통합 가능한 정교한 Agentic QA 시스템 구축을 목표로 함.
Technical Solution
- L1(Orchestrator), L2(Specialized Skills), L3(Code Conventions)로 구성된 3계층 로드 구조 설계
- 사용자 입력 텍스트를 분석하여 적절한 L2 Skill로 라우팅하는 Meta-skill 기반의 동적 로딩 메커니즘 구현
- 제안-승인-적용-검증 단계를 거치는 'Audit-then-edit' 계약 기반의 작업 루프 도입
- 탐색-제안-적용-검증-테스트-커밋으로 이어지는 표준화된 7단계 Task Rhythm 강제
- 잘못된 추측 방지를 위해 XPath 사용 및 테스트 실패 억제 등 특정 패턴에 대한 하드 스톱(Hard-stop) 거부 로직 적용
- .claude/skills/ 디렉토리를 Single Source of Truth로 설정하여 도구 간 설정 불일치 해소
실천 포인트
- AI 에이전트 도입 시 기능 구현 전 동작 원칙(Constitution)과 작업 단계(Workflow)를 정의한 L1 레이어 구축 - 에이전트가 임의로 코드를 수정하지 않도록 '범위 제안 -> 사용자 승인 -> 적용' 프로세스 강제 - 'Just do it' 모드와 'Audit' 모드를 분리하여 작업의 중요도에 따른 제어 수준 차등화 - 에이전트의 환각(Hallucination) 방지를 위해 생성 전 필수 탐색(ls, OpenAPI spec 확인 등) 단계 설정