하네스 엔지니어링

요즘 AI는 단순히 코드를 추천하는 수준을 넘어서, 프로젝트 파일을 읽고 코드를 수정하고 테스트까지 실행하는 Coding Agent 형태로 발전하고 있습니다.

그런데 AI에게 그냥

"회원 탈퇴 기능 만들어줘."

라고 맡기면 항상 원하는 결과가 나오는 것은 아닙니다.

기존 프로젝트 구조와 다른 코드를 만들 수도 있고, 테스트를 빼먹거나 보안상 문제가 있는 코드를 작성할 수도 있습니다.

그래서 AI가 정해진 방식대로 일하고, 결과까지 검증할 수 있는 환경을 만들어주는 것이 중요해졌습니다.

이런 환경을 다루는 개념이 Harness Engineering입니다.

Harness가 뭘까?

Harness는 원래 말의 움직임을 제어하는 마구나 고삐라는 뜻입니다.

AI도 비슷합니다.

AI 모델이 아무리 뛰어나도, 어떤 파일을 볼 수 있는지, 어떤 도구를 사용할 수 있는지, 어떤 규칙을 지켜야 하는지가 정해져 있지 않으면 예상하지 못한 방식으로 작업할 수 있습니다.

그래서 AI 주변에 이런 환경을 만들어줍니다.

프로젝트 정보

- 프로젝트 구조

- API 문서

- 기존 코드

개발 규칙

- 코딩 규칙

- 아키텍처 규칙

도구

- 파일 읽기 / 수정

- Git

- Terminal

- Build / Test

제한

- 운영 DB 접근 금지

- Secret 접근 금지

- 위험한 명령 제한

이런 환경을 Harness라고 보면 됩니다.

쉽게 말하면,

Harness는 AI가 실제로 일을 할 수 있도록 정보, 도구, 규칙, 권한을 연결해주는 환경입니다.

Harness Engineering은?

Harness Engineering은 이 Harness를 잘 설계해서 AI가 안정적으로 작업할 수 있도록 만드는 것입니다.

예를 들어 AI가 코드를 수정한 뒤 이렇게 동작하게 만들 수 있습니다.

코드 작성 ↓ Build ↓ Test ↓ 문제 발생 ↓ 에러 결과를 AI에게 전달 ↓ AI가 수정 ↓ 다시 Test

AI가 한 번 코드를 만들고 끝나는 게 아니라, 결과를 확인하고 다시 수정하게 만드는 구조입니다.

이런 반복 구조를 Feedback Loop라고 볼 수 있습니다.

중요한 건 "검증도 AI에게 맡기지 않는 것"

Harness Engineering에서 중요한 부분 중 하나가 바로 기계적인 검증입니다.

예를 들어 AI에게

"네가 만든 코드가 규칙을 잘 지켰는지 확인해줘."

라고 다시 물어볼 수도 있습니다.

하지만 검증하는 쪽도 AI이기 때문에 같은 실수를 놓칠 수 있습니다.

그래서 코드로 확인할 수 있는 것은 코드로 검증하는 방식이 더 좋습니다.

예를 들어,

Build Unit Test Integration Test Lint Architecture Test Security Scan

같은 검사를 실제 프로그램으로 실행합니다.

그러면 AI의 판단이 아니라 결과가 명확하게 나옵니다.

PASS 또는 FAIL

예를 들어 프로젝트에서

Controller → Service → Repository

구조만 허용한다고 했을 때,

AI에게

"이 구조를 잘 지켜줘."

라고 말하는 것에서 끝내는 게 아니라,

Controller가 Repository를 직접 호출하면 테스트나 Build가 실패하도록 만들 수도 있습니다.

이게 Harness Engineering에서 말하는 중요한 방향 중 하나입니다.

규칙을 설명하는 것보다, 규칙을 어기면 실패하도록 만드는 것 입니다.

Prompt Engineering과는 뭐가 다를까?

Prompt Engineering은 AI에게 어떻게 요청할 것인가에 가깝습니다.

예를 들면,

"Spring Boot로 만들어줘. 생성자 주입을 사용해줘."

처럼 요청을 잘 작성하는 것입니다.

Harness Engineering은 그보다 조금 더 넓습니다.

매번 긴 프롬프트를 작성하는 대신,

프로젝트 규칙을 미리 준비하고, AI가 사용할 도구와 권한을 정하고, 작업 결과를 테스트하도록 환경 자체를 만들어두는 것입니다.

정리하면,

Prompt Engineering → AI에게 어떻게 말할까?

Harness Engineering → AI가 어떤 환경에서 일하게 할까? → 그리고 결과를 어떻게 검증할까?

라고 보면 이해하기 쉽습니다.