A meta-skill that designs domain-specific agent teams, defines specialized agents, and generates the skills they use.
이 번역은 AI가 원문 README를 옮긴 것입니다. 원문이 항상 우선합니다.
English | 한국어 | 日本語
Harness는 Claude Code를 위한 팀 아키텍처 팩토리입니다. "build a harness for this project" (영어) 또는 "하네스 구성해줘" (한국어) 또는 "ハーネスを構成して" (일본어)라고 말하면, 플러그인이 도메인 설명을 에이전트 팀과 그들이 사용하는 스킬로 변환합니다. 이는 6개의 사전 정의된 팀 아키텍처 패턴 중에서 선택됩니다.
Harness는 Claude Code의 에이전트 팀 시스템을 활용하여 복잡한 작업을 조정된 전문 에이전트 팀으로 분해합니다. "build a harness for this project"라고 말하면 프로젝트 도메인에 맞춰 에이전트 정의(.claude/agents/)와 스킬(.claude/skills/)을 자동으로 생성합니다.
Harness는 Claude Code 생태계의 L3 메타 팩토리 계층에 위치합니다. 이 계층은 하네스 자체가 아니라 다른 하네스를 생성하는 계층입니다. L3 내에서 특정 하위 계층인 팀 아키텍처 팩토리를 선택합니다.
| 계층 | 역할 | 함께 공존하는 이웃 | ||
|---|---|---|---|---|
| L3 — 메타 팩토리 / 팀 아키텍처 팩토리 (우리) | 도메인 문장 → 에이전트 팀 + 스킬, 6개의 사전 정의된 팀 패턴 사용 | — | ||
| L3 — 메타 팩토리 / 런타임 구성 팩토리 | 결정론적이고 반복 가능한 런타임 구성 | coleam00/Archon | ||
| L3 — 메타 팩토리 / Codex 런타임 포트 | 동일한 개념, Codex 런타임 | SaehwanPark/meta-harness | ||
| L2 — 크로스 하네스 워크플로우 | 여러 하네스 간 스킬/규칙/훅 표준화 | affaan-m/ECC |
Archon은 결정론적 런타임 구성을 생성합니다. Harness는 팀 아키텍처(파이프라인, 팬아웃/팬인, 전문가 풀, 생산자-검토자, 감독자, 계층적 위임)와 에이전트가 사용하는 스킬을 생성합니다. 동일한 L3의 다른 하위 계층입니다. 런타임 결정론을 원하면 Archon을, 팀 아키텍처를 원하면 Harness를 선택하거나 결합하세요.
Phase 1: 도메인 분석
↓
Phase 2: 팀 아키텍처 설계 (에이전트 팀 vs 서브에이전트)
↓
Phase 3: 에이전트 정의 생성 (.claude/agents/)
↓
Phase 4: 스킬 생성 (.claude/skills/)
↓
Phase 5: 통합 및 오케스트레이션
↓
Phase 6: 검증 및 테스트
/plugin marketplace add revfactory/harness
/plugin install harness@harness-marketplace
# skills 디렉토리를 ~/.claude/skills/harness/로 복사
cp -r skills/harness ~/.claude/skills/harness
harness/
├──.claude-plugin/
│ └── plugin.json # 플러그인 매니페스트
├── skills/
│ └── harness/
│ ├── SKILL.md # 메인 스킬 정의 (6단계 워크플로우)
│ └── references/
│ ├── agent-design-patterns.md # 6가지 아키텍처 패턴
│ ├── orchestrator-template.md # 팀/서브에이전트 오케스트레이터 템플릿
│ ├── team-examples.md # 5개의 실제 팀 구성 예제
│ ├── skill-writing-guide.md # 스킬 작성 가이드
│ ├── skill-testing-guide.md # 테스트 및 평가 방법론
│ └── qa-agent-guide.md # QA 에이전트 통합 가이드
└── README.md
Claude Code에서 다음과 같은 프롬프트로 트리거합니다:
Build a harness for this project
Design an agent team for this domain
Set up a harness
| 모드 | 설명 | 권장 대상 | ||
|---|---|---|---|---|
| 에이전트 팀 (기본값) | TeamCreate + SendMessage + TaskCreate | 협업이 필요한 2개 이상의 에이전트 | ||
| 서브에이전트 | 직접 Agent 도구 호출 | 일회성 작업, 에이전트 간 통신 불필요 |
| 패턴 | 설명 | ||
|---|---|---|---|
| Pipeline | 순차적 종속 작업 | ||
| Fan-out/Fan-in | 병렬 독립 작업 | ||
| Expert Pool | 컨텍스트에 따른 선택적 호출 | ||
| Producer-Reviewer | 생성 후 품질 검토 | ||
| Supervisor | 중앙 에이전트가 동적 작업 분배 | ||
| Hierarchical Delegation | 하향식 재귀적 위임 |
Harness가 생성하는 파일:
your-project/
├──.claude/
│ ├── agents/ # 에이전트 정의 파일
│ │ ├── analyst.md
│ │ ├── builder.md
│ │ └── qa.md
│ └── skills/ # 스킬 파일
│ ├── analyze/
│ │ └── SKILL.md
│ └── build/
│ ├── SKILL.md
│ └── references/
Harness 설치 후 Claude Code에 아래 프롬프트를 복사하여 붙여넣으세요:
심층 연구
Build a harness for deep research. I need an agent team that can investigate
any topic from multiple angles — web search, academic sources, community
sentiment — then cross-validate findings and produce a comprehensive report.
웹사이트 개발
Build a harness for full-stack website development. The team should handle
design, frontend (React/Next.js), backend (API), and QA testing in a
coordinated pipeline from wireframe to deployment.
웹툰/만화 제작
Build a harness for webtoon episode production. I need agents for story
writing, character design prompts, panel layout planning, and dialogue
editing. They should review each other's work for style consistency.
YouTube 콘텐츠 기획
Build a harness for YouTube content creation. The team should research
trending topics, write scripts, optimize titles/tags for SEO, and plan
thumbnail concepts — all coordinated by a supervisor agent.
코드 리뷰 및 리팩토링
Build a harness for comprehensive code review. I want parallel agents
checking architecture, security vulnerabilities, performance bottlenecks,
and code style — then merging all findings into a single report.
기술 문서화
Build a harness that generates API documentation from this codebase.
Agents should analyze endpoints, write descriptions, generate usage
examples, and review for completeness.
데이터 파이프라인 설계
Build a harness for designing data pipelines. I need agents for schema
design, ETL logic, data validation rules, and monitoring setup that
delegate sub-tasks hierarchically.
마케팅 캠페인
Build a harness for marketing campaign creation. The team should research
the target market, write ad copy, design visual concepts, and set up
A/B test plans with iterative quality review.
Harness는 Claude Code/에이전트 프레임워크 생태계에서 혼자가 아닙니다. 다음 저장소는 인접 계층에 있으며, 각각은 "X는..., Harness는..." 형태로 설명되어 필요에 맞는 것을 선택하거나 여러 개를 결합할 수 있습니다.
| 저장소 | 그들의 위치 | Harness와의 관계 | ||
|---|---|---|---|---|
| coleam00/Archon | "하네스 빌더" — 결정론적이고 반복 가능한 런타임 구성 | 동일 L3, 인접 하위 계층. Archon은 런타임 구성 팩토리, Harness는 팀 아키텍처 팩토리입니다. 런타임 결정론을 원하면 Archon을, 팀 아키텍처를 원하면 Harness를 선택하거나 결합하세요. | ||
| SaehwanPark/meta-harness | 동일 개념의 Codex 포트 | 동일 L3, 다른 런타임. Claude Code에서는 Harness를, Codex에서는 meta-harness를 사용하세요. | ||
| affaan-m/ECC | "에이전트 하네스 성능 및 워크플로우 계층" (기존 하네스 위에 위치) | 다른 계층. ECC는 하네스 간 표준화 계층이고, Harness는 하네스를 생성하는 팩토리입니다. 직렬 결합이 가능합니다. | ||
| wshobson/agents | 서브에이전트/스킬 카탈로그 (182개 에이전트, 149개 스킬) | 팩토리 ↔ 부품 공급. wshobson은 쇼핑할 카탈로그이고, Harness는 팀을 설계합니다. Harness가 생성한 팀 내에서 wshobson 항목을 부품으로 흡수할 수 있습니다. | ||
| LangGraph | 상태 그래프 오케스트레이션, LLM에 구애받지 않음 | 다른 트랙. LangGraph는 장기 실행, 상태 복구 가능한 오케스트레이션용이고, Harness는 빠른 Claude Code 네이티브 팀 설계용입니다. |
revfactory/harness-100 — 10개 도메인에 걸친 100개의 프로덕션 준비 에이전트 팀 하네스로, 영어와 한국어로 제공됩니다 (총 200개 패키지). 각 하네스는 4-5명의 전문 에이전트, 오케스트레이터 스킬, 도메인별 스킬과 함께 제공되며, 모두 이 플러그인으로 생성되었습니다. 콘텐츠 제작, 소프트웨어 개발, 데이터/AI, 비즈니스 전략, 교육, 법률, 건강 등을 다루는 1,808개의 마크다운 파일.
revfactory/claude-code-harness — 15개의 소프트웨어 엔지니어링 작업에 걸쳐 구조화된 사전 구성이 LLM 코드 에이전트 출력 품질에 미치는 영향을 측정한 통제 실험.
| 지표 | Harness 없음 | Harness 사용 | 개선 | ||
|---|---|---|---|---|---|
| 평균 품질 점수 | 49.5 | 79.3 | +60% | ||
| 승률 | — | — | 100% (15/15) | ||
| 출력 분산 | — | — | -32% |
주요 발견: 효과는 작업 복잡성에 비례합니다. 작업이 어려울수록 개선 폭이 더 큽니다 (+23.8 기본, +29.6 고급, +36.2 전문가).
모든 곳에서 사용할 정확한 표현: +60% 평균 품질 (49.5 → 79.3), 15/15 승률, -32% 분산 (n=15, 저자 측정 A/B, 타사 복제 대기 중).
전체 논문: Hwang, M. (2026). Harness: Structured Pre-configuration Improves LLM Code Agent Output Quality. arXiv preprint.