learn-claude-code: 이것이 무엇인지, 어떤 문제를 해결하는지 & 왜 인기를 얻고 있는지

해결하는 문제

이 프로젝트는 AI 에이전트를 위한 "harness"를 구축하기 위한 포괄적인 교육 프레임워크를 제공합니다. 이는 에이전시(agency)가 프롬프트 체이닝(prompt-chaining)이나 노코드 워크플로우 빌더를 통해 생성된다는 오해를 바로잡으며, 대신 에이전시는 모델의 속성인 반면, harness는 모델이 행동할 수 있도록 하는 운영 환경(도구, 지식 및 권한)이라고 주장합니다.

작동 방식

이 프로젝트는 단일하고 일정한 "agent loop"를 기반으로 구축되는 20개의 점진적인 레슨 시리즈로 구성되어 있습니다. 각 레슨은 핵심 루프를 변경하지 않고 에이전트의 능력을 향상시키기 위한 새로운 메커니즘을 도입합니다. 이러한 메커니즘에는 다음이 포함됩니다:

• Tooling: 원자적이고 결합 가능한 도구(예: bash, file I/O)를 구현합니다.
• Context Management: 긴 세션을 처리하기 위해 컨텍스트 압축 및 메모리 서브시스템을 구현합니다.
• Task Orchestration: 의존성 그래프와 백그라운드 실행을 갖춘 작업 시스템을 생성합니다.
• Collaboration: 비동기 메일박스와 공유 통신 프로토콜을 갖춘 에이전트 팀을 설정합니다.
• Governance: 권한 경계와 승인 워크플로우를 수립합니다.
• Integration: Model Context Protocol (MCP)를 사용하여 외부 기능을 연결합니다.

대상 사용자

이 프로젝트는 "harness engineer"를 위해 설계되었습니다. 즉, 단순한 프롬프트 엔지니어링을 넘어 특정 도메인, 특히 소프트웨어 엔지니어링 분야에서 자율형 AI 에이전트를 배포하는 데 필요한 전문가 수준의 인프라를 구축하는 방법을 배우고자 하는 개발자들을 위한 것입니다.

주요 특징

• Progressive Curriculum: 단순한 bash가 활성화된 루프에서 포괄적인 에이전트 harness까지 이어지는 20단계 경로.
• Harness-Centric Philosophy: 모델( "driver")에 지능을 주입하려고 시도하는 대신 운영 환경("vehicle")에 집중합니다.
• Concrete Implementations: 각 레슨에 대해 실행 가능한 code.py 파일과 설명이 담긴 README를 포함합니다.
• Architectural Patterns: 서브에이전트 격리, 온디맨드 기술 로딩, 그리고 worktree 격리를 위한 패턴을 가르칩니다.