ONEDEV

designing-real-world-ai-agents-workshop

AI Agent FrameworksskillPython

★ 507주당 +2조회 4

무엇인가

이 저장소는 MCP 서버 두 개로 구성된 멀티에이전트 시스템을 직접 만들어 보게 하는 워크숍 자료 묶음이다. 하나는 Gemini의 Google Search 그라운딩과 YouTube 영상 분석으로 리서치 브리프를 만드는 Deep Research Agent이고, 다른 하나는 그 브리프를 받아 LinkedIn 포스트를 생성·검수·수정하는 Writing Workflow다. 규율하는 영역은 에이전트가 어떤 도구를 언제 호출할지 스스로 정하게 만드는 절차, 생성물을 평가자-최적화자 루프로 반복 개선하는 절차, 그리고 그 절차를 MCP 도구·리소스·프롬프트로 노출하는 방식이다.

어떻게 동작하나

동작 방식은 두 갈래다. 완성된 코드를 실행하는 경로에서는 FastMCP로 등록한 MCP 서버가 도구·리소스·프롬프트를 노출하고, 하네스가 이를 호출해 research.md와 post.md를 산출한다. 직접 구현하는 경로에서는 implement_yourself/ 디렉터리에 준비된 스켈레톤과 미리 정리된 티켓 목록을 두고, /implement 슬래시 스킬이 SWE 에이전트와 Tester 에이전트를 티켓 단위로 번갈아 호출해 해당 디렉터리가 참조 구현과 같아질 때까지 루프를 돈다. 리서치 파이프라인은 deep_research 호출을 여러 번 반복하고, URL이 있으면 analyze_youtube_video를 거친 뒤 빈 부분을 다시 채우고 compile_research로 합친다. 글쓰기 파이프라인은 generate post → review → edit를 반복한 뒤 이미지를 생성한다.

무엇과 다른가

일반적인 프롬프트 모음이나 단일 규칙 파일과 달리, 이 묶음은 실행 가능한 서버 코드와 구현 절차를 함께 배포한다. 규칙 파일만 주입하는 스킬은 에이전트의 행동을 문장으로 제약하지만, 여기서는 MCP 서버가 도구 스키마와 리소스를 제공하고 평가 파이프라인이 Opik 기반 LLM-as-judge로 산출물 점수를 매긴다. 또한 implement_yourself/ 경로는 하네스를 해당 폴더에서 열도록 요구해 참조 구현을 읽지 못하게 격리한다. 결과물을 복사하는 대신 같은 구조를 다시 짜게 만드는 것이 다른 점이다.

어떻게 쓰나

세 가지 사용 경로가 있다. 워크숍 영상과 슬라이드로 전체 구조를 먼저 파악하거나, 저장소를 내려받아 Getting Started와 Running the Code 절차에 따라 MCP 서버·스킬·평가 파이프라인을 실행하거나, implement_yourself/ 폴더에서 하네스를 직접 열고 implement_yourself/README.md의 킥오프 안내에 따라 /implement 스킬로 구현을 시작한다. README에는 별도의 설치 명령이 제시되어 있지 않으므로 각 절차 문서를 따라야 한다.

전제와 한계

하네스는 MCP를 지원해야 하며 README는 Claude Code와 Cursor를 예로 든다. 리서치 단계는 Gemini의 Google Search 그라운딩과 YouTube 영상 분석에 의존하므로 해당 기능을 쓸 수 있는 API 접근이 전제이고, 평가 파이프라인은 Opik을 사용한다. 저장소가 제공하는 것은 워크숍 범위의 예제 시스템이며 프로덕션 배포·운영은 다루지 않는다. implement_yourself/ 경로는 하네스의 작업 디렉터리를 그 폴더로 한정해야 격리가 성립한다.

관련 논문 3

유사 도구