OpenHarness와 ohmo로 이해하는 AI 에이전트 인프라와 개인 에이전트의 실제 구현

이 글은 AI 에이전트를 실제로 동작 가능한 시스템으로 만들기 위해 무엇이 필요한지를 중심으로,
OpenHarness와 그 위에서 동작하는 개인 AI 에이전트 ohmo를 설명합니다.
단순한 챗봇이 아닌, 장시간 세션을 유지하며 도구를 사용하고, 코드를 작성하고, 테스트와 PR까지 수행하는 에이전트가 어떤 구조로 구현되는지 기술적인 관점에서 정리합니다.

반응형

---

AI 에이전트의 한계와 Agent Harness의 필요성

대부분의 LLM 기반 도구는 여전히 “질문 → 답변” 구조에 머물러 있습니다.
모델은 똑똑하지만, 스스로 파일을 읽고, 명령을 실행하고, 이전 작업을 기억하며, 안전하게 행동할 수는 없습니다.

이 간극을 메우기 위해 등장한 개념이 Agent Harness입니다.

Agent Harness는 LLM을 감싸는 실행 인프라로, 다음 요소를 포함합니다.

• 도구 실행 능력 (hands)
• 파일·환경 관찰 능력 (eyes)
• 세션 간 기억 (memory)
• 권한과 안전 경계 (permissions)

즉, 모델은 ‘생각’을 담당하고, Harness는 ‘행동’을 담당합니다.

---

OpenHarness란 무엇인가

OpenHarness는 이 Agent Harness 개념을 경량화된 오픈소스 Python 구현체로 제공하는 프로젝트입니다.
연구 목적이 아닌, 실제 개발·운영 환경에서 AI 에이전트를 실행하는 것을 목표로 설계되었습니다.

OpenHarness의 핵심 목표는 다음과 같습니다.

• 실제 프로덕션 수준의 AI 에이전트 구조를 이해할 수 있게 할 것
• 도구, 메모리, 권한, 멀티 에이전트를 실험 가능한 형태로 제공할 것
• Claude 스타일의 기존 도구·플러그인 생태계를 그대로 활용할 수 있을 것

---

Agent Harness의 핵심 구조

1. Agent Loop 엔진

OpenHarness의 중심은 Agent Loop입니다.
이 루프는 다음 흐름을 반복합니다.

1. 모델에 메시지와 도구 스펙을 전달
2. 스트리밍 응답 수신
3. 모델이 도구 호출을 결정
4. 권한 검사 → 도구 실행 → 결과 반환
5. 결과를 다시 모델 컨텍스트에 주입

이 구조 덕분에 에이전트는 스스로 다음 행동을 결정할 수 있으며,
Harness는 그 행동을 안전하고 관측 가능하게 실행합니다.

---

2. Tools와 Toolkit

OpenHarness는 43개 이상의 기본 도구를 제공합니다.

• 파일 I/O: 읽기, 쓰기, 편집, 검색
• 쉘 실행
• 웹 검색 및 fetch
• Notebook 셀 편집
• MCP(Model Context Protocol) 연동
• 에이전트 및 태스크 관리

모든 도구는 다음 특성을 가집니다.

• Pydantic 기반 입력 검증
• JSON Schema 자동 설명
• 실행 전 권한 검사
• 실행 전·후 Hook 지원

---

3. Skills 시스템

Skills는 필요할 때만 로드되는 지식 모듈입니다.
Markdown 파일 기반으로 정의되며, 모델이 상황에 맞게 불러옵니다.

예시 Skill:

• 코드 리뷰
• 디버깅
• 테스트 작성
• 커밋 메시지 생성
• PDF, Excel 처리

Claude의 anthropics/skills와 호환되기 때문에 기존 자산을 그대로 사용할 수 있습니다.

---

4. Context와 Memory 관리

OpenHarness는 장시간 세션을 전제로 설계되었습니다.

• CLAUDE.md 자동 탐색 및 컨텍스트 주입
• 컨텍스트 자동 압축(Auto-Compaction)
• MEMORY.md 기반의 영속 메모리
• 세션 이력 복원 및 재개

이를 통해 에이전트는 수 시간, 수 일 단위 작업도 중단 없이 이어갈 수 있습니다.

---

5. Permission과 Governance

AI 에이전트의 가장 중요한 요소 중 하나는 안전입니다.

OpenHarness는 다음을 제공합니다.

• 다단계 권한 모드(Default, Auto, Plan)
• 경로 단위 접근 제한
• 위험 명령 차단
• 도구 실행 전 사용자 승인 다이얼로그
• PreToolUse / PostToolUse Hook

이 구조로 인해 에이전트는 강력하지만 통제 가능한 상태로 유지됩니다.

---

6. 멀티 에이전트와 Swarm Coordination

OpenHarness는 단일 에이전트에 그치지 않습니다.

• 서브 에이전트 생성
• 작업 위임
• 팀 레지스트리
• 백그라운드 태스크 실행

이를 통해 하나의 문제를 여러 에이전트가 나누어 해결하는 Swarm 구조를 구성할 수 있습니다.

---

ohmo: 개인 AI 에이전트의 구현

ohmo는 OpenHarness 위에서 동작하는 개인 AI 에이전트 애플리케이션입니다.

핵심 특징은 다음과 같습니다.

• 단순 챗봇이 아닌, 장기 세션 기반 에이전트
• Slack, Telegram, Discord, Feishu 등 메신저 연동
• 코드 작성, 테스트 실행, PR 생성까지 자율 수행
• 기존 Claude Code 또는 Codex 구독 그대로 사용
• 별도의 API 키 불필요

ohmo는 로컬에 전용 워크스페이스를 생성하고,
에이전트의 성격, 사용자 정보, 장기 메모리를 파일 단위로 관리합니다.

---

OpenHarness와 ohmo 사용 흐름 예시

1. 설치 및 설정

• OpenHarness 설치 후 oh setup 실행
• 제공자 선택 및 인증만으로 초기 설정 완료

Claude, OpenAI, Codex, Copilot, Moonshot 등 다양한 백엔드 지원

---

2. CLI 기반 사용

• 단일 프롬프트 실행
• JSON 출력 및 스트리밍 이벤트 출력
• 스크립트 및 자동화 파이프라인에 활용 가능

---

3. ohmo 개인 에이전트 실행

• ohmo 초기화
• 채널 및 제공자 설정
• 게이트웨이 실행 후 메신저에서 바로 사용

에이전트는 대화를 넘어서 지속적인 작업 파트너로 동작합니다.

---

기술적 특장점 정리

• Agent Harness 개념을 구조적으로 구현한 오픈소스
• Claude 스타일 도구·플러그인 생태계와의 높은 호환성
• 장기 세션, 멀티 에이전트, 권한 모델을 기본 제공
• CLI, TUI, 메신저까지 연결되는 일관된 사용자 경험
• 연구용이 아닌 실제 개발 워크플로우 중심 설계

---

728x90

AI 에이전트의 다음 단계

AI 에이전트의 핵심은 모델이 아니라 인프라입니다.
OpenHarness는 “모델이 무엇을 할지 결정하고, 시스템이 그것을 안전하게 실행한다”는 구조를 명확히 보여줍니다.

ohmo는 그 구조가 개인 개발자의 일상 속에서 어떻게 작동할 수 있는지를 보여주는 사례입니다.

앞으로의 AI 에이전트는 더 똑똑해지는 것보다,
더 오래 기억하고, 더 안전하게 행동하며, 실제 일을 끝까지 해내는 방향으로 진화할 것입니다.
OpenHarness와 ohmo는 그 변화를 구체적인 코드와 구조로 제시하고 있습니다.

300x250

https://github.com/HKUDS/OpenHarness

GitHub - HKUDS/OpenHarness: "OpenHarness: Open Agent Harness with a Built-in Personal Agent--Ohmo!"