하네스 엔지니어링 — 완전 가이드

Level 01

기초버전

개념 정의 · 비유 · 핵심 원리 · 장단점 · 책임있는 AI · 국내외 사례 · 실천 가이드

FUNDAMENTALS

01 / 개념 정의

세 가지 엔지니어링, 한눈에 비교

AI 활용 방식의 진화 — 프롬프트 → 컨텍스트 → 하네스

💬

Prompt Engineering

프롬프트 엔지니어링

AI에게 "지금 이렇게 해줘"라고 좋은 질문을 던지는 기술. 단발성 지시 중심으로 요청의 품질이 결과를 결정합니다.

→ 무엇을 물어볼 것인가 | 2023~2024

📦

Context Engineering

컨텍스트 엔지니어링

AI가 더 잘 답할 수 있도록 배경 정보 꾸러미를 설계해서 보내는 기술. 정보의 양보다 구조와 관련성이 핵심입니다.

→ 무엇을 보낼 것인가 | 2025

🏗️

Harness Engineering

하네스 엔지니어링

AI 모델을 제외한 에이전트를 둘러싼 모든 것을 설계하는 기술. 도구, 권한, 피드백 루프, 샌드박스 전체를 포함합니다.

→ 시스템 전체를 어떻게 설계할 것인가 | 2026

🏗️ 하네스 엔지니어링

AI 시스템 환경 전체 — 린터, CI, 샌드박스, 권한, 모니터링, 재시도, 가드레일
Agent = Model + Harness

📦 컨텍스트 엔지니어링

하네스 내부 — RAG, MCP, 메모리, 대화 이력 등 모델이 추론 시 보는 모든 토큰

💬 프롬프트 엔지니어링

컨텍스트 내부 — 지시문, 역할 정의, 예시, Chain-of-Thought 등 입력 텍스트 최적화

02 / 비유와 예시

초등학생도 이해하는 비유

AI = 실력은 뛰어나지만 단독 운용은 못 믿는 전문가

Prompt

주문서 잘 쓰기

요리사에게 무엇을 만들지 명확하게 지시하는 행위

"페퍼로니 라지 사이즈 하나, 엣지 크러스트로."

Context

배경 정보 꾸러미

요리사가 더 잘 만들도록 상황 정보를 미리 전달

"4층, 인터폰 고장, 땅콩 알레르기, 지난번 치즈 과다."

Harness

주방 시스템 설계

요리사가 잘 할 수밖에 없는 환경 전체를 구축

알레르기 차단 잠금 + 배달 추적 + CCTV + 품질 피드백 자동화

Prompt

기수의 명령

기수가 말에게 "지금 이렇게 달려!"라고 하는 단발성 지시

"출발! 왼쪽으로! 빠르게!"

Context

출발 전 정보 꾸러미

코스 지도, 날씨, 상대 말 정보를 출발 전에 전달

"오늘 트랙은 진흙이고, 3번 말이 출발이 빠르니 안쪽 코스 유지."

Harness

트랙·안장·고삐 전체

말이 달리는 환경 전체 — 선 밖은 못 나가고, 잘못 가면 자동으로 당겨짐

울타리 + 안장 + 카메라 + 출발문 + 자동 속도 제한 시스템

Prompt

입주민 구두 요청

"소음 좀 줄여주세요" — 매번 새로 부탁해야 하는 단발성 지시

"밤 11시 이후엔 조용히 해주세요."

Context

관리 규칙집 배포

층간소음 규칙집, 쓰레기 분리수거 안내문 — 정보를 주어 더 잘 행동하게 유도

입주민 필독 안내문 (각 세대 배포)

Harness

건물 시스템 설계

CCTV, 화재 감지기, 층간소음 자동 감지, 출입 카드 시스템 — 개인 행동과 무관하게 시스템이 통제

규칙 위반 자동 감지 + 경보 + 기록 + 관리자 알림

03 / 핵심 원리

실무자가 알아야 할 3가지 원리

직무와 관계없이 모든 AI 활용자에게 공통으로 적용됩니다

PRINCIPLE 01

🔧

구조 입력 → 구조 출력

Structure In, Structure Out

자유형 지시보다 구조화된 제약이 효과적
컨벤션 문서를 파일로 버전 관리
브랜드·코딩 규칙을 AI에게 직접 제공
구조화되지 않은 지식은 AI에게 없는 것

직무 무관 모두 적용 가능

PRINCIPLE 02

🎛️

가이드 + 센서 이중 제어

Feedforward + Feedback Loop

가이드만: 규칙 있어도 효과 확인 불가
센서만: 같은 실수를 반복
둘 다 설계해야 AI 자기 교정 가능
린터·테스트 자동화 = 센서 역할
시스템 프롬프트·가이드라인 = 가이드

사이버네틱 거버너 원리

PRINCIPLE 03

💾

하네스는 유지보수되는 소프트웨어

Harness as Code

스킬·프롬프트·MCP 설정은 모두 코드
Git 버전 관리 + PR 팀 리뷰 필수
최소 노출 원칙 — 필요한 것만 제공
Vercel: 도구 80% 제거 후 성능 향상
대부분의 실패 원인은 하네스 설정 문제

표류(Drift) 방지가 핵심

04 / 장단점

핵심 장점 & 주의사항

✅ 핵심 장점

예측 가능하고 재현 가능한 결과
AI가 '마법 상자'에서 '신뢰 가능한 컴포넌트'로 전환됩니다.
모델보다 하네스 개선이 더 효과적
LangChain: 하네스만 교체해 TerminalBench 5위 등극. 모델 교체 없음.
장기 에이전트 운용 가능
메모리를 외재화해 세션이 끊겨도 작업이 이어집니다.
수동 개발 대비 최대 10배 속도
OpenAI 실험: 5개월, 100만 줄, 수동 코드 0줄.

⚠️ 주의사항

초기 구축 비용이 높습니다
Manus: 6개월, 5번 아키텍처 재설계. DB/OS 수준의 인프라 작업.
하네스 표류(Drift) 지속 발생
정기적 유지보수 없이는 AI 결과도 같이 표류합니다.
도구 과다 제공 시 성능 저하
MCP 서버 무분별 추가 → 컨텍스트 비대화 → 오히려 혼란.
안전 설계 없는 자율 에이전트는 위험
새벽 3시 API 재시도 루프로 비용 폭발한 실제 사례 존재.

05 / 책임있는 AI

책임있는 AI 6원칙 × 하네스 적용

한국 AI 기본법(2026.01.22 시행) 기준. 국내외 실제 적용 사례 포함

공정성

FAIRNESS

어떤 사람에게도 차별 없는 결과 보장. 특정 그룹 불이익을 자동으로 탐지·차단해야 합니다.

🇰🇷 국내 금융권

AI 신용평가에 설명가능성(XAI) 의무 부여. 거절 시 근거 설명 필수.

투명성

TRANSPARENCY

AI가 왜 그런 결과를 냈는지 이용자가 이해할 수 있어야 합니다. 블랙박스 AI는 책임있는 AI가 아닙니다.

🇰🇷 네이버 클로바X

AI 생성 라벨 부착, 출처 링크 의무화, 음성 명시적 동의 전환.

책임성

ACCOUNTABILITY

AI가 잘못했을 때 누가 책임지는지 명확해야 합니다. 자율 에이전트 시대에 특히 중요한 원칙입니다.

🇰🇷 AI 기본법

고영향 AI 사업자 위험관리 조직을 개발팀과 독립 운영 의무.

프라이버시

PRIVACY & SECURITY

내 정보를 AI가 함부로 사용하면 안 됩니다. 데이터가 어디로 가는지 이용자가 알아야 합니다.

🇨🇳 딥시크 논란

한국 120만 이용자 데이터 중국 서버 전송 의혹 → 개인정보보호위 조사 착수.

신뢰성

RELIABILITY & SAFETY

AI 실수에 대비한 안전망이 반드시 필요합니다. 고위험 영역은 인간이 최종 확인해야 합니다.

🌍 Google AI 요약

의료·법률 답변에 "전문가 확인 권고" 문구 자동 삽입 의무화.

포용성

INCLUSIVENESS

누구나 AI 혜택을 받아야 하고 소외되면 안 됩니다. 장애인·고령자를 포함한 보편 설계가 필요합니다.

🌍 TikTok

추천 유사성 77% 초과 시 다양성 강제 노출. 청소년 야간 제한 적용.

06 / 내 일상 속 하네스

이미 쓰고 있었습니다

하네스 엔지니어링은 낯선 기술이 아닙니다. 이미 우리 일상 속에 있습니다.

📱

인스타그램

피드백 센서

"이 게시물이 불쾌하세요?" → 알고리즘 즉시 반영

▶️

유튜브 안내

피드포워드 가이드

자해·혐오 검색 시 상담 전화 자동 안내

🏦

카카오뱅크

보안 하네스

AI 이상거래 감지 후 결제 자동 차단

🤖

ChatGPT 거절

권한 제한 하네스

위험한 질문에 답변하지 않는 것

📰

AI 뉴스 출처

투명성 하네스

AI 요약 옆 "원문 보기" 링크 자동 첨부

07 / 실천 가이드

오늘 바로 시작하는 4단계

STEP 01

문서화

규칙을 문서화하세요

브랜드 가이드라인을 파일로 저장
코딩 컨벤션을 레포에 커밋
업무 원칙을 마크다운으로 정리
매번 말하지 말고 문서를 읽게

STEP 02

체크포인트

인간 검토 포인트 설계

계획 단계에서 사람이 먼저 확인
금융·의료·법률은 반드시 적용
마케팅 카피도 고위험 영역
초기 단계 오류 발견이 훨씬 저렴

STEP 03

최소화

도구를 최소화하세요

필요한 도구만 AI에게 허용
권한·데이터 접근 범위 명시 제한
도구 많을수록 혼란·실수 증가
Vercel 도구 80% 제거 후 향상

STEP 04

버전 관리

하네스를 버전 관리하세요

시스템 프롬프트를 Git으로 관리
변경 시 반드시 팀 리뷰 거치기
혼자 수정하지 않기
설정 표류 = AI 결과 표류

08 / 직군별 설명

마케터·PR 직군에게 설명하기

기술 용어 없이, 브랜드·리스크 언어로 바로 통하는 설명법

AI한테 매번 잔소리하지 않아도 되게,
처음부터 규칙을 심어두는 것

💬

이렇게 대화를 시작해보세요

AI로 카피 써본 적 있으시죠? 근데 쓸 때마다 톤이 달라지고, 어떤 날은 브랜드 분위기랑 전혀 다른 문장이 나오고. 그래서 결국 다시 수정하게 되잖아요.

그 이유가 뭐냐면, AI한테 매번 "우리 브랜드는 이런 느낌이야"라고 새로 알려줘야 하기 때문이에요. 마치 알바생이 출근할 때마다 처음 만나는 것처럼요.

하네스 엔지니어링은 그걸 바꾸는 거예요. 알바생한테 매번 교육하는 게 아니라, 아예 매뉴얼 북이랑 체크리스트를 만들어두고, 그걸 벗어나면 자동으로 걸리게 하는 시스템을 만드는 거죠.

첫째

프롬프트 엔지니어링은
"그때그때 부탁하는 것"

"친근한 톤으로 써줘", "보장 같은 말은 쓰지 마", "짧게 써줘" — 매번 이렇게 말해줘야 해요. 한 번 말하면 그 대화에서만 기억하고, 다음엔 또 잊어요.

둘째

컨텍스트 엔지니어링은
"배경 설명을 미리 챙겨주는 것"

대화 시작 전에 브랜드 가이드, 지난달 잘 됐던 카피 사례, 피해야 할 표현 목록을 한꺼번에 넣어주는 거예요. 그러면 AI가 훨씬 맥락에 맞게 써주죠. 근데 이것도 매번 챙겨야 해요.

셋째

하네스 엔지니어링은
"시스템을 한 번만 만들어두는 것"

브랜드 가이드, 금지 표현, 승인된 메시지 톤을 딱 한 번 설계해두면, 누가 써도, 언제 써도 그 안에서만 결과가 나와요. 신입 직원이 써도, 외부 대행사가 써도 똑같이요.

🔄 마케터·PR한테 가장 와닿는 말로 바꾸면

기술 용어

마케터 언어

하네스 엔지니어링

브랜드 가이드를 AI 안에 심어두는 것

피드포워드 가이드

출발 전에 규칙 알려주기

피드백 센서

잘못 나오면 자동으로 잡아주는 장치

권한 제한

AI가 할 수 있는 것과 없는 것을 미리 정해두기

컨텍스트 표류

AI가 점점 브랜드 분위기를 잊어가는 현상

실무에서 바로 쓸 수 있는 예시

⚖️

상황 1 — 법적 리스크

컴플라이언스 자동화

AI가 "환급 보장", "100% 절세" 같은 표현을 쓰면 안 되는 업종 있잖아요. 매번 "이런 말 쓰지 마"라고 할 게 아니라, 아예 그 단어들이 나오지 못하게 막아두는 거예요. 법무팀이나 컴플라이언스가 매번 검토 안 해도 되고요.

🎨

상황 2 — 브랜드 일관성

대행사·팀원 무관하게 동일한 톤

대행사 세 곳이 각각 AI로 콘텐츠를 만들어도, 우리 브랜드 톤이 유지되게 하려면 어떻게 해야 할까요. 매번 피드백 줄 게 아니라, 처음부터 같은 기준 안에서만 작업하게 틀을 잡아두는 거죠.

📊

상황 3 — 캠페인 품질

성과 데이터를 AI가 항상 참고

A/B 테스트에서 잘 됐던 표현, 반응 좋았던 후킹 문장들을 AI가 매번 참고하게 해두면, 새 캠페인 카피 뽑을 때마다 따로 찾아볼 필요가 없어요. 그 데이터가 이미 AI 작업 환경 안에 들어가 있으니까요.

AI한테 매번 설명하는 게 지치셨다면,
그 설명을 시스템으로 만들어두는 게 하네스 엔지니어링이에요.

Level 02

고급버전

등장 배경 · 핵심 구성 요소 7가지 · 실험 데이터 · PEV 루프 · GitHub 레포 · 공식 레퍼런스

ADVANCED

08 / 등장 배경

세 가지 패러다임의 진화

2023
~24

PROMPT

프롬프트 엔지니어링 — "무엇을 물어봐야 하나?"

LLM에 전달하는 지시문 텍스트 최적화. 역할 정의, 예시 제공, Chain-of-Thought가 핵심 기법으로 부상했습니다.

설계 대상: 지시문 텍스트

2025

CONTEXT

컨텍스트 엔지니어링 — "무엇을 보여줘야 하나?"

LLM이 추론 시 보는 모든 토큰(RAG, MCP, 메모리, 대화 이력)을 설계하는 개념이 주목받기 시작했습니다.

설계 대상: 컨텍스트 윈도우 전체

2026
.02

HARNESS

하네스 엔지니어링 — "전체 환경을 어떻게 설계해야 하나?"

Mitchell Hashimoto가 블로그에서 개념 언급 후 OpenAI 공식 아티클로 확산. Thoughtworks Technology Radar Vol.34(2026.04)에 산업 핵심 트렌드로 공식 선정.

설계 대상: 에이전트 외부 환경 시스템 전체

09 / 핵심 구성 요소

하네스를 이루는 7가지 레이어

항목을 클릭해 상세 내용을 펼쳐볼 수 있습니다

📄

컨텍스트 파일

CLAUDE.md / AGENTS.md / .cursorrules

▾

에이전트가 작업 시작 시 읽는 프로젝트 지침 파일. 빌드 명령, 코딩 규칙, 네이밍 컨벤션을 담습니다. OpenAI는 이것이 "system of record" 역할을 해야 한다고 강조했습니다.

## Build
./gradlew build        # 전체 빌드
./gradlew test         # 테스트 실행

## 코딩 규칙
- 패키지 방향: domain → app → infra
- 엔티티는 기본 지연 로딩
- 커밋 메시지: 한국어, 마침표 없이

⚠️ 함정: 거대한 AGENTS.md에 모든 것을 담으면 에이전트가 중요 제약을 놓칩니다. 컨텍스트 윈도우는 희소 자원입니다. 맵(Map) 구조로 분리하세요.

🔌

MCP 서버

Model Context Protocol — 외부 도구 연동

▾

에이전트가 외부 도구와 데이터 소스에 접근할 수 있게 합니다. 이슈 트래커 티켓 읽기, 브라우저 자동화, 내부 문서 검색 등이 가능해집니다.

claude mcp add --transport http \
  jira https://mcp.jira.example.com/mcp

claude mcp add --transport stdio github \
  -- npx -y @modelcontextprotocol/server-github

⚠️ 도구 정의 자체가 토큰을 소비합니다. 현재 작업에 필요한 MCP 서버만 연결하고 나머지는 비활성화하세요.

📂

스킬 파일 (Skill Files)

Progressive Disclosure — 필요할 때만 접근

▾

Anthropic이 Claude Code용으로 도입했으나, 현재 Codex·OpenCode 등 개방형 표준. 에이전트가 특정 작업이 필요하다고 판단할 때에만 해당 지침/도구에 접근하는 프로그레시브 디스클로저 원칙으로 작동합니다.

💡 모든 지침을 시스템 프롬프트에 넣으면 성능이 오히려 하락합니다. SKILL.md 파일 하나당 하나의 역할만 담는 것이 핵심 패턴입니다.

⚙️

기계적 강제 & 코드 가비지 컬렉션

Linter / CI / Structure Tests — 피드백 루프 자동화

▾

하네스와 컨텍스트 엔지니어링이 가장 명확하게 분리되는 지점. 린터가 단순 오류 반환을 넘어, 실패 시 수정 지침을 에이전트 컨텍스트에 직접 주입하도록 설계합니다.

# 의존성 방향 강제 (OpenAI 사례)
Types → Config → Repo → Service → Runtime → UI
# 위반 감지 시 즉시 피드백 루프 활성화

# 백그라운드 가비지 컬렉션 에이전트
코드·문서 발산 스캔 → 리팩토링 PR 자동 생성

🤝

서브에이전트 & 컨텍스트 방화벽

Context Rot 방지 — 구조화된 결과물만 전달

▾

장시간 실행 시 컨텍스트가 쌓이면서 성능이 저하되는 "컨텍스트 롯(Context Rot)" 해결. 에이전트 간에는 날 것의 대화가 아닌 구조화된 결과물만 전달합니다.

Initializer Agent
  → 작업 계획 + 피처 목록(200개+) 생성
  → 모두 "미완성" 상태로 기록
       ↓
Coding Agent(s)
  → 각 피처 독립 실행 (컨텍스트 방화벽)
  → 완성 시 "완료"로 업데이트
  → 진행 로그에 이어서 기록

🛡️

샌드박스 & 보안 레이어

Control Plane / Compute Plane 엄격 분리

▾

OpenAI의 공식 샌드박스 아키텍처 원칙: 하네스 컨트롤 플레인(인증·빌링·오케스트레이션)과 샌드박스 컴퓨트 플레인(파일·셸·포트)의 엄격한 분리. 매니페스트 계약, 재개 가능한 세션 상태를 포함합니다.

컨트롤 플레인: 인증, 빌링, 오케스트레이션, 세션 상태
            ↕ (매니페스트 계약)
컴퓨트 플레인: 파일 시스템, 셸 실행, 포트, 샌드박스 메모리

📊

관찰 가능성 & 추적 (Observability)

OpenTelemetry / LangSmith / Arize Phoenix

▾

모든 AI 판단과 도구 호출을 자동으로 기록하고 분석하는 레이어. LangChain이 LangSmith 트레이스 기반으로 실패 패턴을 분석해 TerminalBench 30위에서 5위로 향상시킨 핵심 방법론입니다.

OTEL 추적 → 에이전트 모든 추론 단계 기록
LangSmith → 실패 패턴 자동 분석
Arize Phoenix → 오프라인 감사 및 재현
AI 판사(LLM-as-Judge) → 품질 등급 자동 업데이트

10 / PEV 루프

Plan → Execute → Verify

에이전트가 작업을 스스로 검증하도록 강제하는 핵심 피드백 루프

📝

PLAN

에이전트가 작업 목록 작성. 세부 단계 분해 후 실행 전 인간 검토 체크포인트 삽입.

⚡

EXECUTE

각 항목 순차 실행. 린터·테스트·빌드를 자동 실행하며 결과를 컨텍스트에 주입.

✅

VERIFY

스스로 결과 확인. 빌드 통과? 테스트 통과? UI 비교? 실패 시 자동 루프 재시작.

설계 원칙: 실패는 크게, 성공은 조용히. 에이전트 컨텍스트에 장황한 성공 출력을 쏟아붓지 마세요. 실패 메시지에는 반드시 수정 지침을 포함하세요.

11 / 실험 데이터

하네스가 결과를 바꾼 증거

모두 모델 가중치 변경 없이, 하네스만 개선한 결과입니다

EXPERIMENT 01 — OpenAI Codex

100만 라인, 수동 코드 0줄
하네스 기반 5개월 프로젝트

기간2025.08~2026.01

팀 규모3→7명

수동 작성 코드0줄

AI 생성 코드~100만 라인

병합된 PR약 1,500개

10×수동 개발 대비 속도 향상

EXPERIMENT 02 — Hashline Format

편집 형식만 바꿨더니
6.7% → 68.3% 폭등

연구자Can Boluk (2026.02)

변경 사항도구 형식만 변경

모델 변경 여부없음 (가중치 고정)

출력 토큰-20% 효율화

대상 모델Grok Code Fast 1

+61.6%p하네스만 변경한 성능 향상폭

EXPERIMENT 03 — LangChain

모델 고정, 하네스만 개선
Terminal Bench 30위 → 5위

사용 모델gpt-5.2-codex (고정)

개선 전 점수52.8% (30위)

개선 후 점수66.5% (5위)

향상폭+13.7%p

방법자기 검증 루프 추가

30→5위모델 교체 없이 25계단 상승

12 / GitHub 레포지토리

지금 바로 활용 가능한 도구들

walkinglabs/awesome-harness-engineering

github.com/walkinglabs/awesome-harness-engineering

하네스 엔지니어링 도구 및 가이드 종합 모음. Citadel(Claude Code & Codex 격리 하네스), Harbor(에이전트 평가·개선), Harness Evolver(하네스 자율 진화) 포함.

CitadelHarborHarness Evolverskills.sh

ai-boost/awesome-harness-engineering

github.com/ai-boost/awesome-harness-engineering

문제 유형별 하네스 컴포넌트 정리. OpenAI "A Practical Guide to Building AI Agents"(2026.04), NVIDIA OpenShell, Microsoft Agent Governance Toolkit 포함.

OWASP Top10OpenShellGovernance

aiming-lab/AutoHarness

github.com/aiming-lab/AutoHarness

AI 에이전트용 자동화 하네스 프레임워크. 3단계 파이프라인, 6단계 거버넌스, 리스크 패턴 매칭, YAML 컨스티튜션, 트레이스 기반 진단. v0.1.0 공개.

AutoHarness.wrap()958 tests ✓v0.1.0

HKUDS/OpenHarness

github.com/HKUDS/OpenHarness

완전한 하네스 아키텍처를 갖춘 오픈소스 에이전트 런타임. Claude/OpenAI/Codex/Kimi 등 다중 공급자 지원. Auto-Compaction(컨텍스트 압축 시 태스크 상태 보존) 내장.

pip install openharness-aiMulti-providerAuto-Compaction

13 / 공식 레퍼런스

필독 1차 문서 모음

OpenAI — Harness Engineering in an Agent-First World

openai.com/index/harness-engineering/

개념 공식화, 100만 라인 실험 보고. 하네스 엔지니어링이라는 용어가 업계에 정착된 결정적 문서.

Mitchell Hashimoto — My AI Adoption Journey

mitchellh.com/writing/my-ai-adoption-journey

하네스 엔지니어링 용어 최초 사용. 에이전트 실수 반복 방지를 위해 시스템을 바꿔야 한다는 핵심 원칙 제시.

Martin Fowler — Harness Engineering for Coding Agent Users

martinfowler.com/articles/exploring-gen-ai/harness-engineering

가이드·센서·컴퓨테이셔널 요소·하네스 템플릿 등 가장 체계적인 개념 정리.

LangChain — Improving Deep Agents with Harness Engineering

blog.langchain.com/improving-deep-agents-with-harness-engineering/

Terminal Bench 실험 상세 분석. 실패 패턴 분석 + 자기 검증 루프 적용 사례.

Anthropic Engineering — Effective Harnesses for Long-Running Agents

anthropic.com/engineering/effective-harnesses-for-long-running-agents

이니셜라이저 에이전트, 피처 목록 외재화, 자기 검증 아키텍처 상세 설명.

Thoughtworks Technology Radar Vol.34 (2026.04)

thoughtworks.com/radar

하네스 엔지니어링을 산업 핵심 매크로 트렌드로 공식 선정. 실험→반복성·안정성 추구 단계로 이동 평가.

14 / 실전 체크리스트

처음 시작하는 팀을 위한 Quick Start

모든 메커니즘을 한꺼번에 구축할 필요 없습니다. 이 세 가지가 가장 빠른 ROI를 냅니다.

Step 1 — 컨텍스트 파일 작성

CLAUDE.md / AGENTS.md 생성
빌드 명령, 테스트 방법 기록
코딩 규칙, 금지 패턴 명시
에이전트 실수마다 규칙 추가

Step 2 — MCP 선택적 연결

자주 참조하는 외부 시스템만 연결
이슈 트래커, 위키가 대표적
불필요한 연결은 토큰 낭비
도구 수 최소화 원칙 적용

Step 3 — 린터 & CI 연결

기존 린터/CI 출력을 AI가 읽게 구성
CI 실패 → 에이전트 자동 수정 루프
실패 메시지에 수정 지침 포함
PEV 루프로 자기 검증 강제

하네스엔지니어링

하네스
엔지니어링