하네스 엔지니어링(Harness Engineering)과 gstack 개념을 Ollama와 같은 로컬 LLM 환경에 적용하여 사용하는 방법

하네스 엔지니어링(Harness Engineering)과 gstack 개념을 Ollama와 같은 로컬 LLM 환경에 적용하여 사용하는 방법

작성자:

하네스 엔지니어링(Harness Engineering)과 gstack 개념을 Ollama와 같은 로컬 LLM 환경에 적용하여 사용하는 방법을 정리해 드립니다.

제시해주신 저장소(https://github.com/jaypakdevkr/harness_eng_gstackjaypakdevkr/harness_eng_gstack)는 Garry Tan의 gstack(Claude Code 기반의 Multi-Agent 스킬 팩)과 하네스 엔지니어링 방법론을 기반으로, 이를 로컬 혹은 오픈소스 환경(Ollama 등)에서 호환되도록 포팅하거나 템플릿화한 프로젝트입니다.

1. 하네스 엔지니어링 & gstack의 핵심 개념 요약

  • 하네스 엔지니어링 (Harness Engineering): AI 모델(Agent)이 코드를 바로 짜게 만드는 것이 아니라, 사전에 검증할 수 있는 ‘하네스(안전장치/테스트 프레임워크)’를 먼저 견고하게 설계한 후 에이전트가 그 규격 안에서 작동하도록 제어하는 개발 방법론입니다.

  • gstack: AI 에이전트에게 1인 개발팀의 다양한 역할(CEO, 설계 매니저, 시니어 개발자, QA 등)을 슬래시 명령어 형식으로 부여하여 구조화된 워크플로우를 타게 만드는 스킬 팩입니다.

2. Ollama 로컬 모델에서 활용하는 아키텍처 및 연동 방법

Ollama 단독으로는 파일 편집이나 브라우저 테스팅 등의 ‘Tool Use(도구 사용)’ 연동에 한계가 있으므로, 자율형 코딩 에이전트 CLI 프레임워크와 결합하여 harness_eng_gstack 구조를 주입해야 합니다.

1단계: 에이전트 환경 구축 (예: LlamaIndex / LangChain CLI 또는 Cline/Cursor)

gstack의 프롬프트 스킬 팩 파일(SKILL.md 또는 마크다운 템플릿)들을 로컬 에이전트가 참조할 수 있도록 설정합니다.

  • Ollama 프롬프트 창이나 로컬 에이전트 환경에 해당 리포지토리의 시스템 프롬프트(역할 분담 및 가이드라인)를 로드합니다.

2단계: Ollama에 고성능 코딩 로컬 모델 준비

하네스 엔지니어링과 복잡한 gstack의 다중 페르소나(CEO, EM, QA 등) 규칙을 이해하려면 추론 능력이 뛰어난 로컬 모델이 필요합니다. 아래 모델 중 하나를 Ollama로 실행합니다.

Bash

# 코드 추론 및 지시 이행 능력이 뛰어난 Qwen 계열 또는 Llama 3 계열 추천
ollama run qwen2.5-coder:14b  # (권장: 가성비 및 성능 균형)
# 또는 시스템 사양이 높은 경우
ollama run qwen2.5-coder:32b

3단계: 하네스 워크플로우 적용 (실전 개발 프로세스)

로컬 AI 개발 시 즉시 코드를 짜달라고 요구하지 않고, harness_eng_gstack 가이드에 따라 시스템 프롬프트를 분리하여 순차적으로 프롬프팅합니다.

  1. /plan-ceo-review (기획/검증 단계)

    • Ollama에게 제품의 핵심 가치와 비즈니스 요구사항 관점에서 기능 요구 명세서를 검토받습니다.

    • “이 기능이 정말 필요한가? 최소 기능 제품(MVP) 관점에서 스코프를 줄일 방법은 없는가?”를 먼저 질문합니다.

  2. /plan-eng-review (하네스/설계 단계)

    • 코드를 작성하기 전에, Ollama에게 시스템 아키텍처와 테스트 하네스 규격(API 스펙, 데이터 구조, Edge 케이스 체크리스트)을 먼저 ASCII 다이어그램이나 마크다운 문서로 정의하게 합니다.

  3. Implementation (구현 단계)

    • 위에서 확정된 하네스(설계 가이드라인 및 테스트 케이스)를 Ollama에게 프롬프트 컨텍스트로 제공하고, “이 규격을 완벽히 준수하는 코드를 작성하라”고 지시합니다.

  4. /qa (검증 단계)

    • 작성된 코드가 2단계에서 정의한 에러 핸들링 및 가드레일을 통과하는지 검증하는 테스트 코드를 생성 및 수행하게 합니다.

3. 로컬 환경 적용 시 팁 및 유의사항

  • 컨텍스트 윈도우(Context Window) 확보: gstack 프롬프트 팩은 페르소나가 구체적이고 규칙이 정교하기 때문에 프롬프트 양이 많습니다. Ollama 설정(Modelfile)에서 num_ctx 값을 최소 16384 또는 32768 이상으로 늘려주어야 프롬프트 유실 없이 하네스 엔지니어링이 작동합니다.

  • 마크다운 기반 템플릿화: 해당 깃허브 저장소에 내장된 역할별 마크다운 파일들을 복사하여 로컬 커스텀 에이전트의 System Prompt 모듈로 등록해두면, 마치 Claude Code에서 /plan-eng-review를 호출하는 것처럼 로컬 모델을 제어할 수 있습니다.

하네스 엔지니어링과 gstack 방법론 분석 영상 이 영상은 최근 AI 코딩 패러다임에서 큰 주목을 받고 있는 Gstack의 역할 분리 아키텍처와 OpenAI/Anthropic이 강조하는 하네스 엔지니어링의 본질을 분석하여, AI 에이전트를 실무에 어떻게 효과적으로 적용할 수 있는지 명확히 설명해 줍니다.