AI 에이전트 실전 운영 6-Layer 패키지

이 글은 AI 에이전트를 단순 프롬프트 수준이 아니라, 실제 운영 가능한 체계로 도입하기 위한 6개 레이어 패키지를 안내합니다.

핵심은 다음입니다.

발견(Discovery) → 규칙(Governance) → 표준 산출물(Artifacts) → 강제(Adapters) → 실행(Execution) → 평가(Evaluation)

즉, 설계 → 실행 → 피드백까지 이어지는 닫힌 루프(Closed Loop) 를 만드는 것이 목적입니다.

구성 파일 (다운로드)

아래 6개 파일을 순서대로 사용합니다.

Layer 1 — Bootstrap

• 01_BOOTSTRAP_PROMPT.md
  • 첫 접점 프롬프트
  • Discovery 질문, 근거 태그, Discovery Packet 생성
  • 다음 단계(Handoff) 포함
  • GitHub 문서 열기

Layer 2 — Governance

• 02_GOVERNANCE_SPEC.md
  • 운영 헌법 / 가드레일
  • 위험도(R0~R3), 승인 정책, 품질 점수
  • sub-agent, skill/hook 설계 기준
  • GitHub 문서 열기

Layer 3 — Artifacts

• 03_ARTIFACT_TEMPLATES.md
  • canonical 문서 생성 템플릿
  • AGENTS.md, ARCHITECTURE.md, TEST_STRATEGY.md 등
  • GitHub 문서 열기

Layer 4 — Tool Adapters

• 04_TOOL_ADAPTERS.md
  • 도구별 투영 및 강제
  • Claude / Cursor / CI / hooks / CODEOWNERS 적용
  • GitHub 문서 열기

Layer 5 — Execution (신규)

• 05_EXECUTION_PROTOCOL.md
  • 실제 작업 수행 규약
  • 실행 루프, 실패 분류, retry / rollback / stop 규칙
  • Completion Evidence 및 Task Ledger 정의
  • GitHub 문서 열기

Layer 6 — Evaluation (신규)

• 06_EVAL_HARNESS.md
  • 실행 성과 측정 및 피드백 루프
  • Task Ledger 기반 최소 계측
  • 자동화 범위 조정 근거 제공
  • GitHub 문서 열기

설계 원칙 요약

• Canonical source는 Layer 3 (Artifacts)
• Layer 4는 Projection (도구별 투영)
• Layer 5~6은 운영 루프 (실행 + 평가)
• 모든 단계에서 근거 태그 유지
  • [Observed] [User-stated] [Derived] [Assumption] [Proposal] [Missing]

사용 방법 (중요)

Phase 1 — Setup (1회 수행)

1. 01_BOOTSTRAP_PROMPT.md 실행 → Discovery Packet 생성
2. 02_GOVERNANCE_SPEC.md 적용 → Governance 확정
3. 03_ARTIFACT_TEMPLATES.md → canonical 문서 생성
4. 04_TOOL_ADAPTERS.md → enforcement 구성

👉 여기까지가 설계 및 환경 구축 단계

Phase 2 — Run Loop (반복 수행)

1. 05_EXECUTION_PROTOCOL.md → 실제 작업 실행
2. 06_EVAL_HARNESS.md → 결과 평가 및 정책 조정

👉 05 → 06을 반복하면서 시스템이 점진적으로 개선됩니다.

핵심 차이

이 패키지는 아래 방식과 다릅니다.

• ❌ 단순 프롬프트 기반 개발
• ❌ 한 번 실행하고 끝나는 구조

대신 다음을 제공합니다.

• ✅ 실행 표준 + 실패 대응 규약
• ✅ 작업 성과 측정 + 피드백 루프
• ✅ 자동화 범위 점진 확장 근거

즉,

“AI가 코드를 생성하는 구조”가 아니라 “AI가 지속적으로 개선되는 운영 시스템”을 만드는 구조입니다.

한 줄 요약

01~04는 설계, 05~06은 운영이다.

둘이 합쳐져야 진짜 Agentic System이다.