클로드 코드(Claude Code)를 분해하여 하네스 엔지니어링 무료 강좌로 만들기
하네스 엔지니어링을 배우는 가장 빠른 방법은 무엇일까요? 클로드 코드(Claude Code)를 처음부터 직접 구축하는 것입니다. 왜 하네스 엔지니어링일까요? LangChain은 모델은 그대로 유지하고 하네스만 변경했습니다. 그들의 코딩 에이전트(coding agent) 성능은 최고 수준의 코딩 에이전트 벤치마크인 Terminal-Bench에서 53%에서 67%로 향상되었습니다. 상위 30위권 밖에서 상위 5위권으로 올라간 것입니다. 모델은 동일하지만, 하네스만 개선된 것입니다.
지난 몇 달 동안 저는 클로드 코드(Claude Code), OpenCode, 그리고 Pi를 분해하여 내부 작동 방식을 살펴보았습니다.
그리고 이것이 결실을 맺기 위해 코딩 에이전트를 출시할 필요는 없습니다. 동일한 기반은 이커머스, 금융 또는 영업 등 어떤 분야의 에이전트에도 적용될 수 있습니다.
게다가 사람들은 클로드 코드(Claude Code)나 Codex에 의존하기보다는 자체 하네스를 구축해야 할 필요성을 점점 더 인식하고 있습니다. Ramp가 커스텀 하네스로 운영을 확장하는 것이 완벽한 예시입니다.
그래서 저는 제가 배운 것을 바탕으로, 클로드 코드(Claude Code)를 처음부터 직접 구축하여 하네스 엔지니어링에 대한 심층 강좌로 만들었습니다. 이 강좌는 무료이며 오픈 소스입니다: 8개의 아티클, 6개의 비디오, 그리고 하나의 코드베이스로 구성되어 있습니다. 코딩하며 배우는 사람들에게 완벽합니다. 모든 것이 Python으로 되어 있습니다.
완전한 투명성을 위해, Modal, Opik, Kitaru가 이 강좌를 후원하고 있으며, 이를 통해 독립적인 AI 엔지니어로서 100% 무료로 제공할 수 있게 되었습니다.
여기 제가 생각하기에 모든 하네스를 구축하고 유지하는 데 핵심이라고 생각하는 8단계가 있습니다:
- 하네스 설계(Design the harness)
- 기본 에이전트 루프 구축(Build the bare-bones agent loop)
- 로컬 및 원격으로 샌드박싱(Sandbox it, locally and remotely)
- 필수적인 컨텍스트 엔지니어링 기법 4가지 적용(Apply 4 essential context engineering techniques)
- 컨텍스트 엔지니어링 기법으로 서브 에이전트 추가(Add subagents as a context engineering technique)
- 클라우드에 헤드리스로 배포: CLI, 웹훅, 크론(Deploy it headless to the cloud: CLI, webhooks, cron)
- 측정하기 위한 벤치마크 구축(Build benchmarks to measure it)
- 에이전트 디버깅을 위해 실패한 실행 재현(Replay failed runs to debug agents)
모든 자료는 GitHub에 있습니다: https://github.com/decodingai-magazine/building-a-coding-agent-from-scratch-course
다른 분들은 어떻게 생각하시나요? 여러분의 에이전트에서 이 단계들 중 어떤 것이 가장 어려웠나요?