이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Dynamic Workflows를 통해 에이전트의 규칙과 설정을 체계적으로 감사하고 불필요한 요소를 제거하여 에이전트의 성능과 컨텍스트 관리 효율을 높일 수 있다.
배경
AI 코딩 에이전트 활용이 증가하면서 에이전트의 행동을 제어하는 '하네스(Harness)' 설정이 비대해지고 레거시화되는 문제가 발생하고 있다.
대상 독자
AI 코딩 에이전트를 실무에 활용하며 에이전트 성능 최적화가 필요한 개발자.
의미 / 영향
AI 에이전트의 설정이 방대해지는 문제를 해결할 수 있는 자동화된 관리 방법론을 제시한다. 에이전트의 성능 저하를 막고 유지보수 비용을 줄이는 실무적인 워크플로우 운영 패턴을 확립할 수 있다.
챕터별 상세
00:00
하네스 레거시 문제와 Dynamic Workflows
AI 코딩 에이전트의 행동을 제어하는 하네스는 시간이 지남에 따라 불필요한 규칙과 중복된 지시사항이 쌓여 레거시화된다. 이를 해결하기 위해 Claude Code의 신기능인 Dynamic Workflows를 활용한다. Dynamic Workflows는 여러 서브 에이전트를 오케스트레이션하여 복잡한 작업을 수행하는 기능이다. 이를 통해 낡은 하네스를 진단하고 다이어트 시킬 수 있는 워크플로우를 설계한다.
하네스(Harness)는 AI 에이전트의 행동을 제어하기 위한 규칙, 설정, 프롬프트 세트를 의미한다.
03:54
Dynamic Workflows 개념 및 실행 방법
Dynamic Workflows는 JavaScript를 사용하여 여러 서브 에이전트를 한꺼번에 오케스트레이션하는 기능이다. 실행 방법은 프롬프트에 'ultracode' 키워드를 포함하거나 자연어로 요청하는 방식이 있다. 또한 '/effort' 명령어를 통해 모델의 작업 노력 수준을 조절할 수 있다. 내장된 '/deep-research' 워크플로우를 실행하면 검색, 교차 검증, 합성의 5단계 파이프라인이 자동 실행된다.
오케스트레이션은 여러 AI 에이전트나 도구를 조율하여 복잡한 작업을 수행하는 패턴을 의미한다.
09:30
하네스 최적화 워크플로우 설계
하네스 최적화를 위해 '/harness-legacy-scan'과 '/harness-diet' 두 가지 워크플로우를 설계한다. 스캔 워크플로우는 인벤토리, 분석, 계획, 적대적 검토의 4단계 구조로 구성된다. 인벤토리 단계에서 하네스 관련 파일을 목록화하고, 분석 단계에서 불필요한 컨텍스트 비용을 검증한다. 이후 계획 단계에서 리팩터링을 수행하고, 적대적 검토 단계에서 삭제/축소 항목을 반박 검토하여 안전성을 확보한다.
18:30
워크플로우 실행 및 결과 분석
설계한 워크플로우를 실행하면 16개의 에이전트가 병렬로 작동하여 109개의 항목을 발견하고 160만 토큰을 사용하여 분석을 완료한다. 실행 결과, SKILL.md 파일의 본문이 2,600줄에서 1,800줄로 줄어들어 컨텍스트 윈도우 효율이 개선되었다. 또한 활성 스킬 수가 29개에서 28개로 조정되었으며, 불필요한 노션 워크스페이스 아카이브 스킬이 정리되었다.
20:38
워크플로우 저장 및 재사용
작성한 워크플로우는 키보드 's' 키를 눌러 저장할 수 있다. 저장 시 프로젝트 내 .claude/workflows/ 폴더에 JavaScript 파일로 생성되어 다음에도 재사용이 가능하다. 주기적으로 한 달에 한두 번 정도 스캔 및 다이어트 워크플로우를 실행하여 에이전트 설정을 최신 상태로 유지하는 것을 권장한다.
언급된 리소스
GitHub워크플로우 프롬프트 Gist
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 06. 04.수집 2026. 06. 04.출처 타입 YOUTUBE
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
