LangChain: 자체 agent harness를 구축하는 법 (agent = model + harness)

LangChain은 무엇을 발표했나요?

LangChain은 2026년 6월 3일 자체 agent harness를 구축하는 법을 설명하는 Sydney Runkle의 기술 가이드를 발표했다. 가이드는 harness를 언어 모델을 실세계와 연결하는, 모델 주위의 골격으로 정의하며, 이를 agent = model + harness라는 공식으로 압축한다. harness의 역할은 주어진 과제에 맞는 적절한 컨텍스트를 적절한 시점에 모델에 전달하는 것이다. harness가 없으면 모델은 단지 텍스트 생성기일 뿐이지만, harness와 함께라면 환경에서 행동할 수 있는 에이전트가 된다.

create_agent란 무엇인가요?

가이드의 핵심 도구는 LangChain의 create_agent로, 에이전트를 구축하기 위해 모델, 도구, 시스템 프롬프트라는 세 가지 입력을 요구한다. 이 도구는 의도적으로 미니멀하며, 이는 수많은 옵션을 제공하는 대신 위에 쌓아 올리는 기본 틀을 제공한다는 것을 의미한다. create_agent는 맞춤화를 수많은 매개변수로 해결하는 대신 미들웨어를 주된 맞춤화 메커니즘으로 노출하여, 핵심 자체를 변경하지 않고 핵심 주위에 레이어를 추가함으로써 에이전트를 구축한다.

미들웨어는 agent-loop를 어떻게 형성하나요?

미들웨어는 특정 지점에서 agent-loop에 연결된다. 모델 호출 전후, 도구 호출 전후, 그리고 에이전트의 시작(startup)과 종료(teardown) 시점이다. 이 지점들에서 미들웨어는 맞춤화를 위한 네 개의 레버를 제공한다. 결정론적 로직, 도구, custom state, 스트림 핸들러다. 결정론적 로직은 예측 가능한 규칙을 추가하고, 도구는 능력을 확장하며, custom state는 루프 전반에 데이터를 저장하고, 스트림 핸들러는 출력 흐름을 관리한다. 이 레버들은 모델을 재작성하지 않고 에이전트의 행동을 정밀하게 형성할 수 있게 한다.

이 글은 어떤 프로덕션 요구사항을 다루나요?

가이드는 8가지 흔한 프로덕션 요구사항을 해당하는 미들웨어 유형에 매핑한다. 이 요구사항들은 컨텍스트 관리, 메모리, 환경과의 상호작용, 위임, 오류 처리, 정책 시행(enforcement), 스티어링(steering), 비용 제어다. 각각에 대해 이 글은 에이전트의 기본 로직을 재작성하는 대신 적절한 미들웨어로 해결하는 법을 보여준다. 이로써 복잡한 프로덕션 문제들은 필요에 따라 켜는 모듈식의 재사용 가능한 구성 요소로 분해된다.

”task-harness fit”은 무엇을 의미하나요?

가이드의 결론은 “task-harness fit”, 즉 과제와 harness 사이의 부합도가 에이전트의 효율성을 결정적으로 좌우한다는 것이다. 같은 모델이라도 harness가 구체적인 과제에 얼마나 맞춰졌는지에 따라 뛰어난 에이전트가 될 수도, 빈약한 에이전트가 될 수도 있다. 이 메시지는 초점을 모델 선택에서 harness 설계로 옮기며, 에이전트의 품질이 종종 모델 자체보다 모델 주위의 골격에 더 의존함을 시사한다.

이 접근법이 에이전트 개발자에게 중요한 이유는 무엇인가요?

프로덕션에서 에이전트를 구축하는 엔지니어에게 가이드는 명확한 멘탈 모델과 구체적인 도구를 제공한다. 에이전트를 모델과 harness로 분리하고 미들웨어를 통해 맞춤화를 노출함으로써, LangChain은 프로덕션 요구사항을 레이어 추가로 해결하는 모듈식 접근법을 장려한다. “task-harness fit”에 대한 강조는 에이전트의 성공이 강력한 모델에서 자동으로 오는 것이 아니라, 적절한 컨텍스트를 적절한 시점에 모델에 주는 신중하게 맞춰진 harness에서 온다는 점을 상기시킨다.