암벽 등반을 할 때 하니스는 몸에 두르는 벨트와 끈입니다. 카라비너와 로프를 연결해 추락을 막고, 초크백이나 퀵드로 같은 도구를 매달 자리를 만들어주죠. 등반가가 산을 오르는 힘은 하니스가 아니라 등반가 자신에게서 나오지만, 하니스 없이는 그 힘을 실제로 쓸 수 없습니다.
요즘 AI 업계에서 부쩍 자주 들리는 “에이전트 하니스”라는 말도 비슷한 구조를 가리킵니다. 개발자 블로그 EARENDIL은 이 개념을 등반 하니스에 빗대 풀어 설명했고, 비슷한 시기 뉴스레터 Latent Space와 OpenAI 공식 블로그도 이 계층을 각각 다른 각도에서 조명했죠.
출처:
- What is a Harness? – EARENDIL
- The Evolution of the Agent Harness – Latent Space
- Codex as a platform: build on the open agent harness – OpenAI
모델은 뇌, 하니스는 몸
Latent Space의 필자 Dan McAteer는 하니스를 “모델의 마음에 몸을 붙여주는 것”이라고 표현합니다. 2022년 11월 처음 나온 ChatGPT를 떠올려보면 이해가 쉽죠. 그때는 도구도, 검색도, 별다른 추론 과정도 없었습니다. 학습 데이터와 그 순간 입력된 프롬프트 안에 갇힌, 말 그대로 “통 속의 뇌”였던 것.
하니스는 모델을 그 통 밖으로 꺼내주는 장치입니다. 모델 가중치를 뺀 나머지 전부, 그러니까 모델을 둘러싼 환경과 도구, 맥락과 안전장치가 여기 해당하는 겁니다. 하니스가 있어야 모델은 정보를 지각하고(맥락), 행동하고(도구 호출), 기억을 유지하고(메모리와 압축), 스스로 넘지 말아야 할 선을 지킬 수 있습니다(권한과 가드레일).
EARENDIL은 하니스가 하는 일을 크게 네 가지로 정리합니다. 모델의 응답 방식을 규정하는 지시문 세트를 제공하고, 도구를 호출할 수 있게 연결하고, 실행 환경을 마련하고, 사용자와 상호작용할 인터페이스를 붙이는 것. 개발자가 터미널에서 쓰는 도구든, 채팅 앱이나 이메일로 동작하는 형태든 이 네 가지 역할은 공통적입니다.
작년 크리스마스에 무슨 일이 있었나
Latent Space는 “2025년 크리스마스 무렵부터 에이전트가 갑자기 작동하기 시작했다”는 관찰에서 글을 시작합니다. 트랜스포머를 발명한 연구자 중 한 명인 Lukasz Kaiser도 한 인터뷰에서 “지난겨울 큰 도약이 있었는데, 정확히 뭐가 그걸 만들었는지는 짚어내기 어렵다”고 말했죠.
McAteer의 답은 모델과 하니스가 동시에 발전하다가, 두 개선 곡선이 마침 같은 시점에 교차했다는 것. 사람들이 “모델이 좋아졌다”고 체감한 변화의 상당 부분이 실제로는 모델을 감싸는 껍데기 쪽에서 왔다는 뜻입니다. 그리고 그는 흥미로운 흐름 하나를 짚는데, 하니스가 하던 역할을 모델이 점점 자기 가중치 안으로 흡수하고, 엔지니어들은 흡수된 부분을 하니스에서 지워나간다는 겁니다.
하니스가 플랫폼이 되다
이 계층이 실제로 성능을 얼마나 좌우하는지 보여주는 사례가 OpenAI의 Codex입니다. OpenAI 개발자 블로그에 따르면 ARC-AGI-3 벤치마크에서 추론 결과를 유지하고 맥락을 압축하는 방식만 바꿨는데도 GPT-5.6 Sol의 점수가 13.3%에서 38.3%로 뛰었고, 출력 토큰은 6분의 1로 줄었습니다. 모델은 그대로 두고 하니스만 손댄 결과입니다.
OpenAI는 이 오픈소스 Codex 하니스를 앱, CLI, IDE 확장 뒤에서 공통으로 돌아가는 엔진으로 공개했습니다. 개발자가 매번 범용 코딩 어시스턴트에 작업을 맞추는 대신, 자신의 엔지니어링 워크플로나 운영 대시보드, 보안 조사 도구처럼 특정 업무에 맞춘 소프트웨어 위에 이 하니스를 얹을 수 있게 한 것. 하니스가 소스코드로 공개돼 있어 개발자가 그 동작 방식을 직접 들여다보고 자신의 제품에 맞게 조정할 수 있다는 점도 강조합니다.
왜 지금 이 개념을 알아야 하나
지금 Zig로 6메가바이트짜리 하니스를 만든 fx나, CLI 에이전트 12종을 하나로 묶은 Munder Difflin 같은 프로젝트가 잇따라 나오는 것도 같은 흐름 위에 있습니다. 하니스가 독립된 소프트웨어 계층으로 자리 잡으면서, 이제 이 부분 자체가 경쟁과 실험의 무대가 된 셈이죠.
평소 쓰는 Claude Code나 Codex CLI가 “AI가 알아서 코드를 짜주는 마법 상자”처럼 느껴졌다면, 실제로는 모델과 그 모델을 실제로 움직이게 하는 하니스라는 두 층으로 나눠서 보는 게 더 정확합니다. 같은 모델이라도 어떤 하니스에 물려 있느냐에 따라 결과가 크게 달라질 수 있다는 뜻입니다.
참고자료:
답글 남기기