정의

AI 에이전트 하네스(Agent Harness)는 LLM 기반 에이전트를 제어하고 작업을 수행하도록 하는 소프트웨어 프레임워크다. 2026년 초 기준, 두 가지 대립하는 설계 철학이 주목받았다: **반복적 수련(PRD-loop)**과 직교적 최소 기능(orthogonal minimal harness).

핵심 속성

  • 반복적 수련 (Ralph Loop)

    • 목적: 명확한 PRD(Product Requirements Document)를 기반으로 에이전트가 목표를 달성할 때까지 자율적으로 반복 수행.
    • 예시: Geoffrey Huntley의 Ralph Wiggum 루프, Oh-My-Opencode.
    • 장점: 정교한 명세가 있을 때 높은 효율.
    • 단점: 불확실한 문제에는 부적합, 많은 토큰 소모.
  • 직교적 최소 기능 (Orthogonal Minimal Harness)

    • 목적: 서로 독립적인 최소 기능 단위를 조합하여 다양한 작업을 가능하게 함.
    • 예시: Mario Zechner의 Pi, Peter Steinberger의 OpenClaw.
    • 철학: RGB 원색처럼 직교적인 기능을 결합해 모든 색을 만들어내는 방식.
    • 장점: 유연성, 확장성, Human in the Loop 지원.
    • 단점: 보안 위험(OpenClaw의 샌드박싱 무시), 복잡한 조정 필요.

관계

인용

“직교적인 것들을 만들고 그거를 선형 결합 또는 결합하면 다른 것들을 다 조합해낼 수 있는 그런 뉘앙스입니다."
"Pi를 만든 Mario는 샌드박싱에 대한 중요한 이야기들을 유튜브에서 해요. … 어떤 기술을 선하게 쓰는 거에 관심 있는 분인데 같이 교류를 하는 Peter는 훨씬 더 급진적이고 샌드박싱을 무시했거든요.”

출처

클리핑 · YouTube