6-Agent 기반 자율 진화 OS 아키텍처를 통한 엔지니어링 자동화 구현

Harness Engineering in Practice: Building a 6-Agent System That Runs Itself

Charles Wu2026년 4월 27일10분advanced

AI 요약

Context

단순 챗봇의 Stateless 한계와 프롬프트 기반 제어의 불확실성을 극복하기 위한 구조적 접근 필요. 단순한 API 호출을 넘어 상태 유지와 자율적 학습이 가능한 Agent OS 수준의 제어 계층 설계가 요구됨.

Orchestrator(Zoe) 중심의 계층 구조를 통한 Task 분산 및 리소스 최적화 설계
Event Bus와 Shared Context 기반의 IPC 메커니즘을 통한 에이전트 간 비동기 데이터 교환 구현
Request → Confirmed → Final로 이어지는 Three-state Protocol 도입으로 통신 신뢰성 확보 및 불필요한 오버헤드 제거
.learnings/에서 MEMORY.md로 이어지는 5계층 메모리 관리 체계를 통한 자율적 반복 개선 및 오답률 감소
Multi-Model Fallback 전략(GPT-4.1 → Qwen3.5 → Ollama)을 통한 가용성 확보 및 비용 최적화
60개 Cron Task와 Task Callback Watcher를 통한 결정론적 스케줄링 및 상태 모니터링 구현

실천 포인트

1. 상태 기반 통신을 위한 다단계 프로토콜(Three-state) 정의 여부 검토

2. Stateless LLM을 Stateful Agent로 전환하기 위한 계층적 메모리 압축 전략 수립

3. 단일 모델 의존성 제거를 위한 Model Fallback 체인 설계

4. 정기적 상태 점검을 위한 Cron 기반의 Health Check 및 자동 복구 로직 구현

태그