피드로 돌아가기
Dev.toAI/ML
원문 읽기
Agent Harness Engineering 기반의 Agentic Era 설계 패러다임 전환
Google Cloud Next '26 Deep-Dive: Why "Harness Engineering" is the New Prompt Engineering
AI 요약
Context
기존의 LLM 활용 방식이 단순 Prompt Engineering에 의존함에 따라 복잡한 환경 제어와 도구 연동의 한계 발생. 인간 개발자가 모든 문법을 작성하는 전통적 IDE 중심 개발 방식은 급격히 증가하는 코드 생산 속도와 보안 취약점 관리 속도 간의 불균형을 초래함.
Technical Solution
- Model Fine-tuning 대신 모델을 둘러싼 스캐폴딩인 Harness Engineering을 통해 환경 및 도구 연결 최적화
- Virtual File System 등 외부 리소스 접근 권한을 Harness 수준에서 제어하여 코딩 태스크 성능 향상
- Gemini Flash 기반 Online Evals를 도입하여 사용자 피드백을 통한 실시간 추론 오류 탐지 및 루프 최적화
- Red/Green/Blue Agent 구조를 통한 보안 책임의 플랫폼 추상화 및 자동 취약점 탐지-수정-방어 파이프라인 구축
- Model Context Protocol(MCP) 표준화를 통한 원격 서버 기반의 기업급 인증/인가 체계 적용 및 도구 실행 제어
- Agent Skills를 마크다운 기반 소프트웨어 아티팩트로 정의하여 버전 관리 및 취약점 스캔 프로세스 통합
실천 포인트
1. LLM 성능 개선 시 Prompt 수정 전 Harness 수준의 도구 접근 권한 및 컨텍스트 제공 방식 검토
2. AI 생성 코드의 보안 관리를 위해 Shift-Left 방식에서 플랫폼 내장형 자동화 보안 에이전트 도입 고려
3. 에이전트의 행동 지침(Skills)을 코드와 동일한 생명주기(버전 관리, 스캔)로 관리하는 파이프라인 구축