Strands Agents: Harness SDK 오픈소스 프레임워크 분석

이 문서는 프로덕션 환경에서 확장성 있는 AI 에이전트를 빌드하고 배포하기 위해 고안된 Strands Agents Harness SDK의 아키텍처와 엔지니어링 패턴을 정의합니다.

1. 아키텍처 개요: Agent Harness Pattern

Strands SDK는 에이전트의 오케스트레이션 루프, 컨텍스트 상태 및 도구 바인딩 환경을 감싸는 하네스(Harness) 구조를 중심에 둡니다. 이를 통해 복잡한 AI 모델의 추론 결과를 통제하고 인프라에 결합합니다.

graph LR
    UserApp[개발자 Application] -->|Interface| Harness[Agent Harness]
    Harness -->|State & Memory| Memory[Memory Manager]
    Harness -->|Token Optimization| Context[Context Manager]
    Harness -->|Execute & Correct| Tools[Tools & Sandbox]
    Harness -->|Model Agnostic API| LLM[LLM Engine: GPT/Claude/Gemini/Ollama]
  • 모델 추상화 (Model Agnostic): Bedrock, OpenAI, Gemini, Claude, Ollama 등 다변화된 LLM 백엔드를 단일화된 SDK 규격으로 연결하여 런타임 스위칭을 제공합니다.
  • 다국어 네이티브 SDK: Python (strands-agents)과 TypeScript (@strands-agents/sdk) 생태계를 동시 지원하여 클라이언트와 서버 사이드 개발을 커버합니다.

2. 핵심 프레임워크 기능

2.1. 컨텍스트 압축 및 비용 절감 (Context Management)

에이전트가 긴 대화나 방대한 스크린 히스토리를 가질 때 토큰 소모를 동적으로 제어합니다. 중복되거나 오래된 도구 실행 결과 및 프롬프트 요소를 압축 알고리즘을 통해 줄여 API 비용을 절감합니다.

2.2. 자율 예외 수정 (Guardrails & Steering)

LLM이 잘못된 인자로 도구를 호출하거나 런타임 에러(Runtime Error)를 발생시키는 경우, 이를 하네스가 가로채어 에이전트에게 자체 수정용 컨텍스트(Feedback Context)를 주입합니다. 이를 통해 사용자 개입 없이 자율적으로 에러를 복구합니다.

2.3. 클라우드 네이티브 배포 인프라

AWS Lambda, Docker, Amazon EKS 및 Fargate와 같이 격리된 서버리스 컴퓨트 환경에 최적화된 리드앤라이트 인터페이스를 구비하고 있습니다.

3. 실전 구현 예시

다음은 Python SDK를 활용하여 자율 예외 수정 가드레일이 탑재된 Strands 에이전트를 선언하는 구현 스펙 예시입니다.

from strands_agents.harness import AgentHarness
from strands_agents.tools import ToolRegistry
 
# 1. 도구 등록 및 선언
registry = ToolRegistry()
 
@registry.register_tool(name="fetch_user_profile")
def fetch_user_profile(user_id: str) -> dict:
    """사용자의 인적 사항을 DB에서 반환합니다."""
    # 비즈니스 로직
    return {"user_id": user_id, "group": "Enterprise"}
 
# 2. 에이전트 하네스 초기화
harness = AgentHarness(
    model_provider="anthropic",
    model_name="claude-3-5-sonnet",
    tool_registry=registry,
    enable_self_correction=True,  # 자율 예외 수정 활성화
    context_limit_tokens=8000     # 컨텍스트 최적화 상한치
)
 
# 3. 에이전트 실행 및 런타임 루프 진입
result = harness.run(
    prompt="Retrieve profile for user ERP-909 and verify access."
)
print("Agent Outcome:", result.output)

🔗 관련 문서 링크