앤스로픽(Anthropic)의 AI 코딩 도우미 클로드 코드(Claude Code)에 혁신적인 자가 학습 스킬 레이어 '오토하네스(Autoharness)' 플러그인이 등장했습니다. 이 도구는 AI 에이전트가 실제 코딩 세션에서 사용자의 작업 패턴과 피드백을 바탕으로 새로운 스킬을 자동으로 학습하고, 유사한 스킬은 통합하며, 더 이상 사용되지 않는 스킬은 정리하여 스킬 레이어를 항상 최적의 상태로 유지합니다. 기존에는 수동으로 관리해야 했던 AI 스킬을 스스로 진화시키는 방식으로, AI의 활용성과 효율성을 한 단계 끌어올릴 잠재력을 보여줍니다.
오토하네스는 '빅 모델 대 빅 하네스(Big Model vs Big Harness)'라는 개념처럼, 모델 자체의 성능 향상뿐 아니라 모델을 둘러싼 '하네스(Harness)' 즉, 보조 시스템의 중요성을 강조합니다. 이 플러그인은 별도의 데이터 수집이나 평가 루프 없이 사용자의 실제 작업 에피소드에서 스킬을 추출합니다. 새로운 에피소드가 발생하면 기존 스킬과 비교하여 중복되거나 유사한 시나리오의 스킬은 하나로 통합하고, 사용 빈도에 따라 스킬의 생존 여부를 결정합니다. 특히, 오토하네스는 자신이 생성한 스킬만 관리하며, 사용자가 직접 작성하거나 설치한 다른 스킬에는 전혀 영향을 주지 않아 기존 작업 환경과의 충돌을 최소화합니다. 개발사인 타이거리스 랩스(Tigerless Labs)는 이 기술을 통해 클로드 코드의 코어 벤치(CORE-Bench) 성능이 42%에서 78%로 향상되었다고 밝히며, 스킬 레이어의 자동 관리가 AI 성능에 미치는 긍정적인 영향을 입증했습니다.
오토하네스의 등장은 AI 에이전트의 활용 방식에 중요한 변화를 가져올 것으로 예상됩니다. 기존 AI 에이전트들은 특정 작업을 수행하기 위해 미리 정의된 스킬 세트에 의존하거나, 새로운 스킬을 학습시키기 위해 복잡한 데이터 수집 및 미세조정(fine-tuning) 과정을 거쳐야 했습니다. 하지만 오토하네스는 이러한 과정을 자동화하여 AI가 실시간으로 변화하는 작업 환경에 적응하고 스스로 능력을 확장할 수 있도록 돕습니다. 이는 개발자들이 AI 에이전트를 더 쉽게 배포하고 관리할 수 있게 하며, 최종 사용자에게는 더욱 유연하고 지능적인 AI 경험을 제공할 것입니다. 장기적으로는 AI 에이전트가 인간의 개입 없이도 복잡한 문제 해결 능력을 지속적으로 향상시키는 '자율 에이전트(autonomous agent)' 시대의 도래를 가속화하는 중요한 발판이 될 수 있습니다.