Agent Harness Engineering

systematicls의 X Article “What The New 100x Agentic Engineer Looks Like In The Era Of Fable & GPT 5.6”은 에이전틱 코딩의 생산성 격차가 어디서 생기는지 다룬 글이다. 핵심은 단순하다. 모델이 강해질수록 차이는 “AI가 코드를 잘 쓰는가"보다 사람이 원하는 결과와 trade-off를 얼마나 정확히 표현하는가에서 난다. TL;DR 핵심 정리 평준화는 일어나지 않는다: 에이전트가 코드를 대신 써도, 에이전트 뒤의 사람이 가진 맥락·판단·선호에 따라 결과 품질은 크게 갈린다. 새 병목은 선호 표현이다: 강한 모델은 구현 후보를 많이 만들 수 있지만, 어떤 후보가 우리 상황의 Pareto frontier에 가까운지는 사람이 알려줘야 한다. 선언형과 명령형을 구분해야 한다: 목표만 중요한 일은 선언형으로 맡기고, 실패 비용이 큰 핵심 경로는 명령형 제약으로 좁혀야 한다. 전략은 하네스에, 전술은 작업 지시문에: 조직 전체 원칙은 규칙·스킬·검증 루프로 저장하고, 프로젝트별 핵심 20%는 작업마다 분명히 적어야 한다. 1) 에이전트가 모두를 같은 수준으로 만들지는 않는다 초기에는 코딩 에이전트가 개발자 생산성을 평준화할 것이라는 기대가 있었다. 누구나 좋은 모델을 쓰면 비슷한 결과를 낼 수 있다는 생각이다. ...

Addy Osmani가 2026년 6월 8일 Substack을 통해 제시한 개념으로, AI 코딩 에이전트(Claude Code, Codex 등)를 직접 프롬프트 하는 대신 에이전트를 프롬프트하고 관리하는 시스템(Loop) 을 설계하는 접근법입니다. 원문: Loop Engineering TL;DR 요약 핵심 전환 : “에이전트를 프롬프트하지 말고, 에이전트를 프롬프트하는 Loop를 설계하라” — 프롬프트 엔지니어링에서 시스템 설계로의 전환. Loop의 정의 : AI가 스스로 작업 발견 → 처리 → 검증 → 다음 작업 결정하는 재귀적·자동화된 루프. 타이머 기반 실행, 하위 에이전트 생성, 자체 유지. 5+1 구성 요소 : Automations(스케줄 기반 작업 발견), Worktrees(병렬 작업 격리), Skills(프로젝트 지식 저장), Plugins(외부 도구 연결), Sub-agents(Maker-Checker 분리), Memory(디스크 기반 상태 관리). 실전 예시 : 매일 아침 자동화로 CI 실패 발견 → Skills로 분석 → Worktree에서 Sub-agent 수정 → PR 생성 → 티켓 업데이트. 리스크 : 검증은 여전히 인간 몫이며, Comprehension Debt와 Cognitive Surrender가 주요 위험 요소. 핵심 개념 Loop Engineering은 Agent Harness Engineering의 상위 개념입니다. ...