AI 에이전트를 위한 아키텍처 계층 하네스: Architecture Compiler 오픈소스 프로젝트

실용적 조언

아키텍처 결정 기준을 기계 학습 가능한 패턴 레지스트리로 관리하여 에이전트의 설계 일관성을 확보하십시오.
AI 워크플로에 결정론적 컴파일러를 도입하여 동일 입력-동일 출력의 재현성을 보장하십시오.

섹션별 상세

AI 에이전트의 실행 품질 개선만으로는 실제 운영 맥락에 적합한 아키텍처를 보장할 수 없다는 한계가 지적됐다. 작성자는 에이전트가 생성한 아키텍처가 기술적으로는 논리적일지라도 팀의 특정 제약이나 비용, 플랫폼 요구사항을 무시하는 경우가 많다는 의견을 밝혔다. 이를 해결하기 위해 실행 계층이 아닌 아키텍처 계층에서의 제어가 필요하다는 인식이 공유됐다.

Architecture Compiler는 기계 학습 가능한 패턴 레지스트리를 통해 아키텍처 판단 기준을 정형화한다. 각 패턴은 제약 조건, 비기능적 요구사항(NFR), 비용 및 도입 트레이드오프를 포함하며, 이를 통해 문서나 대화 기록에 흩어진 지식을 기계가 읽을 수 있는 형태로 변환한다. 입력된 사양에 따라 패턴 간의 관계를 평가하여 최적의 설계를 도출하는 구조이다.

결정론적 컴파일러 방식을 도입하여 AI의 창의성보다는 결과의 재현성과 검토 가능성에 집중했다. 표준 사양(canonical spec)을 입력받아 플랫폼, 언어, 가용성 목표, 비용 한도 등의 명시적 제약 조건과 패턴을 대조하여 평가한다. 동일한 입력에 대해 항상 동일한 출력을 생성함으로써 인간 아키트의 검토 효율을 개선했다.

AI 워크플로 내에 승인 및 재승인 경계를 설정하여 아키텍처 일관성을 강제한다. 구현 과정에서 아키텍처 가정이 변경될 경우, 이를 단순히 구현 세부 사항으로 치부하지 않고 다시 컴파일 단계로 라우팅하도록 설계됐다. 이는 Bird ID 웹 앱 사례 연구를 통해 실제 적용 가능성이 확인되었으며, 인간의 판단을 대체하는 것이 아니라 보강하고 집행하는 도구로 자리 잡았다.

용어 해설

하네스(Harness): — AI 에이전트가 작업을 수행할 때 필요한 도구, 컨텍스트, 실행 환경 등을 제어하고 지원하는 프레임워크나 테스트 환경을 의미한다. 이는 에이전트의 출력을 검증하고 안정적인 실행을 보장하는 핵심 인프라 역할을 한다.
비기능적 요구사항(NFR): — 시스템의 기능 외적인 특성인 성능, 보안, 가용성, 비용 효율성 등을 의미한다. 아키텍처 설계 시 기술적 타당성을 결정하는 핵심 지표로 활용된다.
결정론적(Deterministic): — 동일한 입력에 대해 항상 동일한 출력을 생성하는 성질이다. AI의 무작위성을 배제하고 결과의 재현성과 검토 가능성을 보장하기 위해 사용되며, 특히 신뢰성이 중요한 시스템 설계에서 필수적이다.
아키텍처 결정 기록(ADR): — 아키텍처 설계 시 내린 결정과 그 이유, 맥락을 기록한 문서이다. 팀 내 지식 공유와 이력 관리에 활용되며, 에이전트가 과거의 결정을 이해하도록 돕는다.