에이전트 설계를 위한 참고 저장소 10개
작업 환경, 정보, 메모리, 평가를 설계할 때 찾아볼 GitHub 저장소와 수업에서 써볼 작은 과제를 정리합니다.
에이전트에게 작업을 맡기려면 어떤 정보를 읽게 할지, 어디까지 실행하게 할지, 결과를 무엇으로 확인할지 정해야 합니다. 여기서 에이전트는 목표에 따라 도구를 사용하고 여러 단계를 수행하는 AI(Artificial Intelligence, 인공지능) 프로그램을 뜻합니다.
투쏠의 게시물과 함께 제공된 ‘에이전틱 AI 설계에 도움 되는 GitHub 저장소 10개’를 출발점으로 삼았습니다. studio.soluta가 2026년 10월 16일 각 저장소의 README(저장소 소개 문서)를 확인하고, 자료의 종류와 수업에서 해볼 과제를 정리했습니다. 아래 과제는 studio.soluta의 제안이며, 소개한 프로그램을 설치하거나 실행해 검증한 기록은 아닙니다.
무엇을 찾을 때 여는가
GitHub는 코드와 문서를 보관하고 변경 이력을 관리하는 서비스입니다. 아래 저장소 중에는 읽을거리를 모은 목록도 있고, 직접 개발에 쓰는 코드도 있습니다.
| 지금 정할 내용 | 찾아볼 항목 | 자료의 종류 |
|---|---|---|
| 작업 규칙과 실행 범위 | 1. 하네스 | 자료 목록 |
| 반복 작업의 시작과 종료 | 2. 루프 | 운영 패턴·명령 도구 |
| 작업에 전달할 정보 | 3. 컨텍스트 | 자료 목록 |
| 외부 도구의 입력과 권한 | 4. MCP 서버 | 학습용 코드 |
| 다음 작업에 남길 기록 | 5. 메모리 | 자료 목록 |
| 여러 에이전트의 역할 | 6. 오케스트레이션 | 자료 목록 |
| 검사와 사람의 승인 | 7. 가드레일 | 자료 목록 |
| 결과의 합격 기준 | 8. 평가 | 자료 목록·실습 예제 |
| 중단 뒤에 이어갈 상태 | 9. Cloudflare Agents | 개발용 코드 |
| 실패 원인을 찾을 기록 | 10. 관측성 | 자료 목록 |
1. 하네스 — 작업 환경을 정합니다
walkinglabs/awesome-harness-engineering
하네스 엔지니어링(Harness Engineering)은 에이전트가 일하는 주변 환경을 설계하는 일입니다. 이 저장소는 지시 파일, 컨텍스트, 검증, 실행 제약을 다룬 글과 사례를 모읍니다. 목차의 지시 파일·작업 흐름과 검증 항목부터 읽으면 내 프로젝트에 필요한 규칙을 찾기 쉽습니다.
작은 과제: 작업 폴더에 ‘읽을 자료’, ‘수정할 파일’, ‘완료 확인 방법’을 적습니다. 예를 들어 제품 소개문을 맡긴다면 제품 사양을 읽고 소개문 사본만 수정하며, 가격과 치수가 원자료와 같은지 확인하도록 정합니다.
2. 루프 — 반복 작업의 끝을 정합니다
cobusgreyling/loop-engineering
작업을 발견하고 에이전트에게 맡긴 뒤 결과를 검사하고 상태를 남기는 운영 패턴을 제공합니다. 시작용 CLI(Command Line Interface, 명령어로 실행하는 도구)도 있으며, README는 처음에는 보고서만 받는 방식으로 시작하도록 안내합니다.
작은 과제: ‘새 자료 확인 → 변경점 정리 → 사람이 검토 → 기록’의 순서를 종이에 적고 한 번 직접 수행합니다. 반복을 자동화하기 전에 호출 횟수, 비용 상한, 실패했을 때 멈출 조건을 적습니다.
3. 컨텍스트 — 필요한 정보를 고릅니다
yzfly/awesome-context-engineering
컨텍스트(Context)는 모델이 현재 작업에서 참고하는 정보입니다. 이 목록은 정보를 찾고, 구조화하고, 압축하고, 작업별로 나누는 연구와 도구를 소개합니다. 작업 지시와 참고 문서를 함께 전달하는 방식을 살펴볼 때 사용할 수 있습니다.
작은 과제: 브랜드 소개문을 쓸 때 반드시 필요한 제품 사실과 문체 예시를 고릅니다. 지금 쓰지 않는 과거 회의록은 별도 목록에 두고, 결과에 빠진 정보가 있을 때만 추가합니다.
4. MCP 서버 — 연결할 도구의 범위를 봅니다
MCP(Model Context Protocol)는 인공지능 프로그램을 외부 자료와 도구에 연결하는 규약입니다. 이 저장소는 Filesystem, Git, Fetch, Memory 등의 참조 구현을 제공합니다. 공식 README는 개발자가 연결 방식을 배우는 교육용 예제라고 명시하며, 운영 환경에 쓸 때는 별도의 보안 검토가 필요하다고 안내합니다.
작은 과제: 파일을 다루는 도구 하나를 골라 읽을 폴더, 쓸 폴더, 반환할 결과를 표로 적습니다. 실제 파일 접근 권한을 주기 전에 복사본만 있는 실습 폴더를 기준으로 범위를 정합니다.
5. 메모리 — 다음 작업에 남길 내용을 고릅니다
mnemoverse/awesome-agent-memory
에이전트 메모리(Agent Memory)는 작업이 끝난 뒤 정보를 보관하고 필요한 때 다시 찾는 방식입니다. 이 저장소는 메모리 서비스, 공개 코드, MCP 서버, 평가 자료와 논문을 나눠 소개합니다.
작은 과제: 작업을 마친 뒤 확정한 결정, 그 근거, 다음 행동을 기록하고 다음 대화에서 불러옵니다. 이전 결정과 새 지시가 다르면 무엇이 바뀌었는지도 적습니다. 비밀번호나 고객 개인정보는 이 실습 기록에 넣지 않습니다.
6. 오케스트레이션 — 역할과 전달 순서를 정합니다
vivy-yi/awesome-agent-orchestration
오케스트레이션(Orchestration)은 여러 에이전트의 역할과 작업 순서를 조정하는 일입니다. 이 목록에서는 순차 진행, 병렬 진행, 상위 에이전트가 작업을 나누는 구조와 관련 프레임워크를 비교할 수 있습니다.
작은 과제: 조사 담당은 출처가 있는 사실 목록을, 작성 담당은 그 목록을 쓴 초안을, 검토 담당은 원자료와 다른 문장을 반환하도록 적습니다. 실제로 여러 에이전트를 실행하기 전에 한 대화에서 역할별 결과가 구분되는지 확인합니다.
7. 가드레일 — 검사와 승인 기준을 둡니다
enguard-ai/awesome-ai-guardrails
가드레일(Guardrail)은 입력·출력·행동이 정해진 기준을 벗어나는지 검사하는 장치입니다. 이 저장소는 개인정보, 응답 적합성, 내용 검증, 프롬프트 인젝션 등의 범주로 자료를 모읍니다. 프롬프트 인젝션은 외부 문서에 숨긴 지시로 에이전트의 행동을 바꾸려는 시도입니다.
작은 과제: 안내 메일 초안에서 수신자, 날짜, 금액을 원자료와 대조하는 확인표를 만듭니다. 초안 작성과 실제 발송을 별도 단계로 두고 발송 전에 사람이 확인하도록 정합니다.
8. 평가 — 결과물로 완료를 확인합니다
에이전트 평가(Evaluation)는 답변, 도구 호출, 실행 과정, 바뀐 상태를 기준에 맞춰 확인하는 일입니다. 이 저장소는 관련 글과 벤치마크를 모으며, PATTERNS.md에는 실행 예제와 평가 패턴을 제공합니다.
작은 과제: 제품 소개문에서 제품명·치수·가격이 맞는 경우와 틀린 경우를 하나씩 준비합니다. 같은 확인표로 두 결과를 구분할 수 있는지 시험합니다. 웹 작업이라면 생성한 파일이 열리는지와 요청한 내용이 화면에 있는지도 확인합니다.
9. 상태형 에이전트 — 중단한 작업을 이어갑니다
Cloudflare Agents는 SDK(Software Development Kit, 프로그램 개발에 쓰는 코드와 도구 모음)입니다. Durable Objects라는 상태 저장 실행 환경을 바탕으로 에이전트별 기록, 예약 작업, 실시간 통신과 여러 단계의 작업 흐름을 구현합니다. README에는 상태를 저장하는 카운터 예제가 있습니다.
작은 과제: ‘접수 → 작성 중 → 검토 요청 → 완료’처럼 진행 상태를 정하고, 중단 후 다시 시작할 때 필요한 정보 목록을 만듭니다. 실제 개발을 시작한다면 카운터 예제부터 살펴보고 배포와 모델 호출 비용을 확인합니다.
10. 관측성 — 실패한 과정을 따라갑니다
anhermon/awesome-agent-observability
관측성(Observability)은 실행 기록을 살펴 시스템 안에서 무슨 일이 있었는지 파악하는 능력입니다. 이 목록은 호출 추적 도구, 평가 도구, OpenTelemetry(실행 기록과 측정값을 수집하는 표준 및 도구)를 소개합니다.
작은 과제: 작업마다 시작 시각, 사용한 도구, 결과 파일, 실패 이유를 기록합니다. 같은 요청이 실패했을 때 원자료를 읽는 단계인지, 파일을 만드는 단계인지 찾아봅니다. 기록에 민감한 입력이 그대로 남지 않는지도 확인합니다.
수업에서는 한 작업부터 적용합니다
처음에는 제품 소개문이나 주간 자료 정리처럼 결과를 직접 확인할 수 있는 작업 하나를 고릅니다. 그 작업의 지시와 참고자료를 정한 뒤 결과 확인표를 만들고, 다음 대화에서 이어갈 기록을 남깁니다. 이 과정에서 부족한 부분이 드러나면 해당 저장소를 찾아봅니다.
이 글에서 확인한 범위는 저장소의 공개 소개와 자료 구성입니다. 목록에 포함된 모든 도구의 품질이나 안전성을 검증한 것은 아닙니다. 설치·배포 시에는 해당 도구의 현재 인증 방식, 요금, 권한과 운영 조건을 확인합니다.
출처와 확인일
- 최초 자료 소개: 투쏠(@ai_tusol)의 Instagram 게시물
- 제공된 자료: 에이전틱 AI 설계에 도움 되는 GitHub 저장소 10개. 이 Notion 페이지는 직접 열리지 않아 사용자가 제공한 본문으로 확인했습니다.
- 저장소 확인: 2026년 10월 16일, 위에 연결한 GitHub 저장소 10곳의 README를 직접 확인했습니다.
- 편집·실습 제안: studio.soluta. 원문의 소개 순서를 유지하고 설명은 저장소 원문을 기준으로 다시 작성했습니다.