Claude Code 87.8% SWE-bench 달성과 Harness 중심의 AI 개발 패러다임 전환

Context

단순 LLM 기반 코드 생성의 한계로 인한 'Almost-right' 출력물 증가 및 디버깅 비용 상승 현상 발생. 툴의 성능 지표와 실제 생산성 사이의 괴리로 인한 시스템 신뢰도 저하 문제 직면.

Technical Solution

• Model Context Protocol(MCP) 도입을 통한 도구 간 컨텍스트 표준화 및 확장성 확보
• Multi-file Agentic Workflow 설계를 통한 단일 파일 생성 한계를 넘는 기능 단위 구현
• Subagent Orchestration 구조를 활용한 최대 10개 전문 에이전트의 병렬 작업 수행
• AGENTS.md 및 Scoped Rules 기반의 Context Layer 구축으로 AI 생성 코드의 정밀도 제어
• Review Gate 및 Dev/Prod 환경 분리를 통한 AI 에이전트의 프로덕션 데이터 파괴 위험 차단
• Planning-only Mode 설계를 통한 실행 전 논리적 검증 단계 강제화