Agent Harness는 AI의 진정한 비밀 병기입니다

AI의 진정한 비밀 병기는 기반 모델이 아니라 agent harness입니다. Gamma의 공동 창업자이자 CPO인 Jon Noronha는 에이전트를 계획하고, 행동하며, 작업을 검토하는 추론 루프라고 정의합니다. Harness는 에이전트가 실행될 수 있도록 돕는 도구, 환경, 맥락, 사용자 대면 제어 장치 등 주변 시스템을 의미합니다.

초기 Gamma 제품은 수작업으로 구축된 일회성 LLM 호출 시퀀스에 의존했습니다. 이는 개요나 단일 슬라이드를 생성하기 위해 프롬프트를 수동으로 연결해야 함을 의미했습니다. Noronha는 에이전트 혁명이 이러한 취약하고 선형적인 접근 방식을 LLM이 다음과 같은 작업을 수행할 수 있는 더 높은 수준의 루프로 대체한다고 설명합니다:

• 도구 선택
• 작업 검사
• 일련의 실행 호출을 통한 결과물 수정

Noronha는 LLM이 작업의 90%를 수행한다는 의미를 내포한 "GPT wrapper"라는 비판에 반론을 제기합니다. 그는 모델의 원시적인 기능을 유용한 결과물로 전환하는 작업의 대부분은 주변 제품 시스템인 harness가 수행한다고 주장합니다. OpenAI나 Anthropic과 같은 모델 기업들조차 harness 개발에 막대한 투자를 하고 있다는 점이 그 중요성을 뒷받침합니다.

이제 단 하나의 프롬프트로 작은 AI 공장을 가동할 수 있습니다. 일반적인 Gamma 요청을 예로 들어보겠습니다. 사용자가 정리되지 않은 메모나 PDF를 붙여넣고 20페이지 분량의 프레젠테이션을 요청합니다. 그 프롬프트가 입력되는 순간, Gamma의 agent harness는 AI가 작동할 수 있는 전용 환경인 클라우드 기반 agent sandbox를 즉시 생성합니다.

이 샌드박스 내에서 에이전트는 먼저 누락된 정보를 식별하고, 청중 인구 통계(예: "학교용 교육 프레젠테이션인가요?")와 같은 질문을 사용자에게 던지며, Notion이나 Slack과 같은 외부 커넥터를 호출하여 관련 맥락을 가져옵니다. 이 초기 단계만으로도 고가 및 저가 모델을 포함한 3~4개의 서로 다른 모델이 사용될 수 있으며, 사용자의 선택을 위한 생성형 UI를 렌더링합니다.

다음으로 시스템은 슬라이드 개요를 작성하는데, 이 과정에서 여러 번의 LLM 호출이 추가로 발생합니다. 이후 vision models와 검색 임베딩을 활용하여 수천 개의 라이브러리 중 가장 적합한 시각적 템플릿을 선택하고, 사용자 선호도(예: "빨간색이나 파란색으로 원해요")에 따라 이를 맞춤 설정합니다. 단 하나의 슬라이드를 생성하기 전에도 정보 수집, UI 렌더링, 템플릿 선택을 조정하는 과정에서 4~5개의 서로 다른 모델을 거쳐 30~40회의 LLM 호출이 발생할 수 있습니다.

마지막으로 프레젠테이션이 구축됨에 따라 harness는 지속적으로 작업을 검사합니다. Vision models는 생성된 슬라이드를 분석하여 잘린 이미지, 낮은 대비, 정렬 불량, 간격 오류와 같은 일반적인 문제를 찾아냅니다. 문제가 감지되면 에이전트는 자동 수정 기능을 실행하여 전달 전까지 세련되고 고품질의 결과물을 보장합니다. 이러한 quality loop는 프로덕션 수준의 제품을 출시하는 데 매우 중요합니다.

Harness는 범용 에이전트가 어려움을 겪는 지점에서 빛을 발합니다. Gamma의 공동 창업자 Jon Noronha는 맞춤형 harness가 필수적인 두 가지 명확한 신호를 제시합니다. 작업에 주관적 판단이 포함되어야 하며, 사용자가 최종 결과물의 세부 사항에 깊은 관심을 가질 때입니다. 범용 에이전트는 괜찮은 프레젠테이션 초안을 작성할 수는 있지만, 그 결과물이 공간 구성이나 시각적 품질에 대한 디자이너의 안목을 만족시키는 경우는 드뭅니다.

시각적 커뮤니케이션을 고려해 보세요. 에이전트가 코드 실행 여부나 테스트 통과 여부를 평가하는 코딩과 달리, 창의적인 에이전트는 디자인 품질을 평가해야 합니다. 예를 들어, Gamma의 harness는 에이전트가 사용자의 예술적 스타일과 창의적 선호도를 이해하고, 이미지를 생성 및 배치한 다음 시각적 적합성을 검사할 수 있는 도구를 제공합니다. 이러한 피드백 루프는 Gamma - AI 기반 프레젠테이션, 문서 및 웹페이지와 같은 제품에 매우 중요합니다.

개인 게임 개발 사례를 상상해 보세요. 일반적인 에이전트는 게임의 초안을 생성할 수 있지만, 맞춤형 harness를 사용하면 코딩을 모르는 사람도 지속적으로 세계를 형성할 수 있습니다. 지속적인 피드백을 통해 에이전트는 환경, 캐릭터 디자인, 내러티브 요소를 반복적으로 개선하며, 단순한 초기 생성을 넘어 협업적이고 상세한 세계 구축으로 나아갈 수 있습니다. 이러한 반복적인 개선이야말로 잘 설계된 harness의 진정한 힘입니다.

창업자는 이제 뚜렷한 우위를 추구해야 합니다. 세 가지 경로가 잠재적인 이점을 제공합니다. 진정으로 독특한 제품 비전, 전문 도구를 학습시키는 독점 데이터, 또는 AI를 물리적 서비스 및 실제 거래와 통합하는 비즈니스 모델입니다. 이러한 경로는 단순히 대규모 언어 모델(LLM)을 래핑하는 수준을 넘어섭니다.

법률이나 의료와 같은 전문 분야나 규제 산업은 깊은 도메인 컨텍스트, 강력한 통합, 엄격한 검증의 필요성을 강조합니다. 이러한 분야의 맞춤형 harness는 복잡한 프로토콜을 이해할 뿐만 아니라 검증 가능한 결과물을 제공해야 합니다. 이러한 수준의 엄격함은 harness를 단순한 기능 그 이상으로 격상시키지만, 여기에서도 harness만으로는 난공불락의 해자를 보장하지는 않습니다.

기회를 검증하려면 다음을 자문해 보세요. 에이전트가 무엇을 보고, 하고, 확인하고, 사용자에게 질문해야 하는가? 고정된 프롬프트 체인을 사용하는 일반 모델이 왜 이를 잘 수행할 수 없는가? 예를 들어, Gamma의 성공은 시각적 디자인, 사용자 선호도, 반복적 개선을 이해하는 harness에서 비롯되며, 이는 기본적인 텍스트-투-프레젠테이션 프롬프트가 수행할 수 있는 범위를 훨씬 뛰어넘는 작업입니다.

진정한 비밀 병기는 모델 자체가 아니라, 에이전트가 주관적이고 상세한 작업을 수행할 수 있게 해주는 정교하고 컨텍스트를 인식하는 환경입니다. 이러한 agent harness에 대한 집중은 혁신의 다음 물결을 주도하며, 창업자들에게 지속 가능한 가치를 구축할 수 있는 실질적인 방법을 제공합니다.

agent harness란 무엇인가요?

agent harness는 AI 에이전트가 작업을 수행하고, 결과를 검사하며, 이를 개선할 수 있도록 하는 도구, 환경, 지침 및 피드백 루프를 의미합니다.

agent harness는 프롬프트 체인과 어떻게 다른가요?

프롬프트 체인은 고정된 모델 호출 순서를 따릅니다. 반면, harness는 에이전트에게 도구와 상태를 제공하여 에이전트가 스스로 행동을 선택하고, 진행 상황을 검사하며, 동적으로 수정할 수 있게 합니다.

Gamma는 어떻게 agent harness를 사용하나요?

Gamma는 모델, 사용자 컨텍스트, 템플릿, 이미지 생성, 레이아웃 도구 및 시각적 품질 검사를 조정하여 프레젠테이션 및 기타 시각적 콘텐츠를 생성하고 개선합니다.

버티컬 agent harness를 위한 좋은 기회란 무엇인가요?

범용 에이전트가 안정적으로 제공할 수 없는 도메인별 도구, 판단력, 의미 있는 사용자 입력 또는 검증이 필요한 작업을 찾아보세요.