에이전틱 엔지니어링의 핵심 하네스의 정의와 논쟁

최근 에이전트 인프라를 구축하며 하네스라는 용어를 자주 접하게 된다. 하네스는 AI 모델이 실제 환경에서 동작할 수 있도록 감싸고 있는 소프트웨어 인프라를 의미한다. 모델이 뇌라면 하네스는 그 결정을 실제 세상의 연산과 데이터로 변환하여 실행하는 신체와 같다.

하네스의 구체적인 기능은 다양하다. 모델의 도구 호출을 가로채서 실제 로컬 명령을 실행하거나, 대화 기록이 길어질 때 컨텍스트를 요약하고 관리하는 일이 포함된다. 모델의 출력을 검증하고 형식이 틀렸을 때 재시도를 요청하거나, 위험한 명령 실행 전에 사용자의 승인을 받는 제어 레이어 역할도 수행한다. 세션이 종료되어도 작업 상태를 저장하여 다음 연결 시 복원하는 것 역시 하네스의 몫이다.

현재 업계에서는 하네스의 비중을 두고 흥미로운 논쟁이 이어지고 있다. 앤트로픽이나 OpenAI 같은 모델 제조사들은 최소한의 하네스가 정답이라고 주장한다. 최신 모델은 스스로 사고 과정을 조율할 수 있으므로, 외부에서 복잡한 로직을 강제하면 오히려 성능이 저하된다는 논리다. 하드코딩된 복잡한 스캐폴딩은 모델이 업데이트되면 금방 낡은 방식이 되어버리며, 불필요한 지시사항이 늘어나 토큰을 낭비하고 모델의 주의력을 분산시킨다는 점도 근거로 든다.

반대로 하네스가 곧 제품이라고 믿는 진영도 존재한다. 모델의 능력을 극대화하기 위해서는 정교한 워크플로우 설계가 필수적이며, 이는 모델 성능과는 별개의 경쟁력이라는 주장이다. 실제로 커서와 같은 도구가 높은 기업 가치를 인정받는 이유는 모델 그 자체보다 모델을 사용하는 경험을 최적화한 하네스의 가치 덕분이다.

개인적으로는 현재 모델의 발전 속도를 고려할 때 최소한의 하네스 구조가 더 적합하다고 본다. 모델이 이미 충분히 똑똑해지고 있는 상황에서 인간이 만든 어설픈 로직으로 모델의 앞길을 막을 필요는 없기 때문이다. 다만 하네스 엔지니어링이 하나의 공학적 분야로 자리 잡고 있는 만큼, 앞으로 기술이 어떻게 고도화될지는 계속해서 지켜볼 예정이다.