정의
대규모 언어 모델(LLM)을 활용하여 하루 500건 이상의 복잡한 데이터 분석 요청을 결정론적이고 안정적으로 처리하기 위해 설계된 다층적 에이전트 운영 체계다.
핵심 속성
- Harness (분업화된 구조): 단일 프롬프트의 부하를 줄이기 위해 4단계(Listener, Dispatcher, Orchestrator, Worker)로 기능을 분리한다.
- Metric Registry (명시적 지식): 비즈니스 지표의 정의, 계산식, 필터를 YAML 형태로 관리하여 용어의 모호성을 제거한다.
- Operational Loop (운영 루프): 실패 사례를 기록하고 이를 재발 방지 테스트(Eval)로 연결하는 지속적 품질 개선 순환 구조다.
- Safety Layers (안전망): 권한 제어(Role), 게이트(Gate), 규칙(Rule), 그리고 코드 레벨에서 실행을 강제 차단하는 훅(Hook)으로 구성된다.
관계
- 20260515-architecture-over-monolithic-prompts — 연장: 구조적 분리를 통한 성능 최적화 원리
- 20260515-deterministic-metric-registry — 하위개념: 데이터 일관성을 위한 지식 레이어 구현체
- 20260515-code-level-safety-hooks — 하위개념: 비결정적 AI를 통제하는 결정적 제어 장치
인용
“Harness로 흐름을 만들고, Knowledge Layer로 기준을 만들고, Hook으로 신뢰를 만들면 일을 돕는 AI가 아니라, 일을 하는 AI를 만들게 됩니다.”
출처
- 📎 클리핑:
20260515-agree-join-linkedin.md
클리핑 · linkedin.com