6. 용어 사전

챕터 본문에서 노란 밑줄을 클릭하면 여기로 옵니다. 뒤로가기(←)로 원래 챕터로 돌아갈 수 있어요.

대량의 텍스트로 학습해서, 주어진 문맥 뒤에 이어질 다음 토큰의 확률을 계산하고 예측하는 모델. Claude, GPT 같은 모델들이 여기 속합니다. "이해"하는 것처럼 보이는 답변도 결국은 다음 토큰 예측을 아주 잘 반복한 결과입니다.

모델이 텍스트를 처리하는 최소 단위. 한 단어 전체일 수도, 단어 일부일 수도 있습니다(예: "안녕하세요"가 여러 토큰으로 쪼개질 수 있음). 모델은 한 글자가 아니라 이 토큰 단위로 다음 것을 예측합니다. API 요금도 보통 토큰 개수 기준으로 계산됩니다.

모델이 한 번에 "읽을 수 있는" 텍스트의 최대 길이(토큰 수 기준). 대화, 파일 내용, 도구 실행 결과가 전부 이 한도 안에 들어가야 합니다. 한도를 넘기면 오래된 내용을 요약하거나 잘라내야 합니다.

모델이 "이 도구를, 이런 입력으로 실행해줘"라는 의미를 담아 출력하는 특별한 형식의 텍스트. 하네스(Claude Code 등)가 이 형식을 감지해서 실제 프로그램 실행으로 옮깁니다. 모델 자신은 실행하지 않고, 실행을 "요청"하는 텍스트만 만듭니다.

추론 → 도구 호출 감지 → 실행 → 결과를 다시 모델에 입력 → 다시 추론... 을 도구 호출이 없어질 때까지 반복하는 구조. 챗봇이 "한 번 답하고 끝"이라면, 에이전트는 목표를 이룰 때까지 스스로 여러 번 반복합니다.

AI 앱이 외부 도구/데이터에 연결하는 방식을 표준화한 규격. 도구를 제공하는 쪽(MCP 서버)과 도구를 사용하는 쪽(MCP 클라이언트, 즉 하네스)이 분리되어, 하나의 MCP 서버를 여러 AI 앱이 공통으로 재사용할 수 있습니다.

메인 세션과는 별도의, 독립된 컨텍스트 윈도우를 가진 에이전트. 조사나 대량 파일 읽기처럼 컨텍스트를 많이 소모하는 작업을 맡겨두고, 요약된 결과만 메인 세션으로 돌려받습니다. 메인 대화의 컨텍스트가 불필요하게 오염되는 걸 막아줍니다.

메인 에이전트가 지휘자 역할을 하며 여러 서브에이전트/도구에 작업을 나눠 맡기고(병렬 처리 포함), 결과를 취합해 다음 판단을 내리는 전체 설계. "하네스 엔지니어링"이 다루는 핵심 주제 중 하나입니다.

특정 작업(배포 절차, 코드 리뷰 기준 등)에 필요한 지식/절차를 미리 파일로 정리해두고, 관련 상황이 됐을 때만 컨텍스트에 불러오는 구조. 매번 긴 설명을 대화에 넣지 않아도, 필요한 순간에만 "전문가 매뉴얼"처럼 로드됩니다.

에이전트 루프의 특정 시점(도구 실행 전/후, 세션 시작 등)에 자동으로 실행되도록 미리 걸어둔 규칙/스크립트. 예: "터미널 명령어를 실행하기 직전에 항상 이 검사부터 하라"처럼, 모델의 판단에 맡기지 않고 시스템 차원에서 강제하는 안전장치입니다.