TL;DR

이 레포는 LLM 주변의 하니스 엔지니어링을 개념과 누적된 코드를 통해 단계적으로 학습하게끔 설계되어 있습니다. 각 섹션은 하나의 메커니즘만 추가한 상태로 src/가 누적되며, test.py로 로컬 검증하고 demo.py로 라이브 동작을 확인할 수 있게 구성되어 있습니다. Claude Code, Hermes, mini-swe-agent 같은 실전 사례를 동일한 렌즈로 비교해 설계 선택을 빠르게 판단할 수 있습니다.

주요 기능

• 섹션별 누적 코드로 루프 확장을 단계적으로 확인할 수 있습니다
• 각 섹션에 runnable src/와 demo.py/test.py가 포함되어 실습이 가능합니다
• 인기 에이전트(Claude Code, Hermes, mini-swe-agent)를 사례로 비교합니다
• 섹션 간 diff가 변화 요인을 명확하게 드러내므로 학습 곡선이 단축됩니다

어떻게 동작하는가

레포는 에이전트 하니스의 구성요소를 23개 섹션으로 분할해 계단식으로 쌓아 올리는 방식으로 작동합니다. 각 섹션은 README로 개념을 제시하고 src/에는 누적되는 loop.py와 그 섹션이 추가하는 메커니즘을 담아, 이전 섹션과의 diff로 변화 지점을 추적할 수 있습니다. 또한 test.py로 로컬 검증을 하고 demo.py로 실제 API 호출을 통해 동작을 확인하게끔 구성되어 있어 설계 이해에서 실행 검증까지 한 사이클을 제공합니다.

해결 문제

모델 호출만으로는 해결되지 않는 도구 호출, 상태 유지, 권한 검사 같은 운영 문제를 실무 관점에서 해소하려고 합니다. 작은 루프에서 시작해 메모리, 스케줄링, 동시성, 멀티 에이전트 등 실무 요소를 단계적으로 누적함으로써 구현 격차를 줄입니다. 또한 실제 오픈소스 에이전트 사례들을 같은 관점으로 비교해 설계 선택을 판단하기 쉬운 근거를 제공합니다.

지금 주목받는 이유

에이전트형 애플리케이션이 빠르게 늘면서 모델 주변의 하니스에 대한 실무 지침 수요가 커지고 있습니다. 이 레포는 개념 글과 실행 가능한 코드, 그리고 사례 비교를 모두 제공하므로 엔지니어링팀이 실무로 옮기기 쉬운 학습경로를 제공합니다. 깃허브 스타와 포크 수는 커뮤니티 관심을 반영합니다.

차별점

• 섹션별로 코드가 누적되며 각 섹션이 추가하는 '한 가지 메커니즘'만 보여주므로 변화 원인을 바로 알 수 있습니다
• 각 섹션에 offline 테스트와 live demo를 병행해 설계 이해와 실행 검증을 동시에 지원합니다
• Claude Code, Hermes, mini-swe-agent 같은 실전 시스템을 동일한 렌즈로 분석해 설계 선택을 비교할 수 있습니다

사용 사례

• LLM을 이용한 도구 연동 에이전트의 하니스 설계를 빠르게 학습하려는 개발자
• 에이전트 아키텍처 선택지를 실전 사례와 코드로 비교하려는 설계자
• 프로토타입 단계에서 단계별로 안전성·권한·메모리 패턴을 검증하려는 엔지니어

시작하기

레포 루트에서 가상환경을 만들고 requirements.txt를 설치한 뒤 .env.example을 복사해 ANTHROPIC_API_KEY를 넣으면 기본 준비가 끝납니다. 각 섹션은 먼저 sections/NN/src/test.py로 로컬 논리 검증을 하고 이상 없으면 demo.py로 라이브 API 동작을 확인하는 순서를 권장합니다. 섹션은 아래에서 위로 읽도록 설계되어 있으며 섹션 간 diff로 추가된 메커니즘을 추적하면서 진행하면 학습 효율이 높습니다.

요구사항

• Python 3.x 실행 환경
• ANTHROPIC_API_KEY (라이브 demo 실행용)
• requirements.txt에 고정된 패키지들(레포 루트에 포함)

이미지 분석