2026년 9월 3일, OpenAI는 GPT-6 Astra를 출시했습니다.
많은 사람들이 단순히 Codex 모델 설정을 Astra로 전환하고 거기서 멈춥니다.
하지만 OpenAI는 그날 모델만 업데이트한 것이 아닙니다. 공식 발표에는 Codex 'Harness'를 Astra와 함께 업데이트했다고 명시되어 있습니다 (출처: OpenAI "GPT-6 Astra: A new generation of intelligence" https://openai.com/index/gpt-6-astra/ ).
뇌와 그 뇌가 작동하는 환경. OpenAI는 이 둘을 동시에 재구축했습니다.
하지만 불명확한 지침이나 모순된 규칙이 남아 있다면, Astra는 작업 중간에 멈추거나 계속 확인을 요청할 수 있습니다.
이 글에서는 다음 세 가지를 제공합니다.
- Codex Harness를 구성하는 8가지 요소에 대한 전체 설명 (우선순위 포함)
- 즉시 복사하여 사용할 수 있는 4가지 진단 및 인벤토리 프롬프트
- 오늘 30분 안에 시작할 수 있는 실행 순서
아낄 필요가 없으니, 가장 중요한 프롬프트를 먼저 공유하겠습니다. 이 프롬프트는 Codex가 현재 프로젝트 상태를 스스로 보고하도록 만듭니다.
▼ 여기서부터 복사
당신은 Codex Harness Designer입니다.
목표는 GPT-6 Astra가 이 프로젝트에서 "매번 상세한 지침 없이도 안전하고, 재현 가능하며, 끝까지 작업을 완료할 수 있는" 상태를 만드는 것입니다.
먼저, 어떤 변경도 하지 마십시오. 현재 프로젝트 구성, 설정 파일, 사용 가능한 기능을 검토한 후 다음을 진단하십시오:
- AGENTS.md: 목적, 따라야 할 규칙, 금지 사항, 완료 조건, 참고 자료가 명확합니까?
- docs / context: 필요한 정보를 스스로 찾을 수 있도록 구조가 정리되어 있습니까? 오래되었거나 중복되거나 모순된 설명이 있습니까?
- Skills: 어떤 반복 작업을 Skill로 전환해야 합니까? 반대로, 어떤 Skill이 불필요합니까?
- MCP / Plugins: 어떤 외부 도구나 데이터 연결이 누락되었습니까?
- Environment: 종속성, 설정, 테스트 실행을 스스로 재현할 수 있습니까?
- Permissions / Sandbox: 과도한 권한이 부여되었습니까? 반대로, 작업을 막는 보류 승인이 너무 많습니까?
- Hooks / Tests: 실행 전 검사, 비밀 감지, 테스트, 완료 검사를 자동화할 수 있습니까?
- Browser / Computer Use: 완성된 제품을 실제로 작동시켜 확인해야 하는 작업이 있습니까?
- Subagents: 연구, 검토, 테스트처럼 병렬화하면 더 빠를 작업이 있습니까?
- Feedback Loop: 과거 실패나 수정 지침을 AGENTS.md / docs / Skill / Hook / Test에 다시 피드백하는 메커니즘이 있습니까?
출력 형식: A. 각 항목을 5점 척도로 평가 B. 상위 5가지 중요 결함 C. 오늘 30분 안에 고칠 수 있는 것 D. 일주일 안에 체계화할 것 E. 생성/변경할 파일 및 구체적인 변경 제안 F. 보안/권한 위험 G. 구현 우선순위
추측에 기반하여 설정을 조작하지 마십시오. 판단하기 전에 현재 사용 가능한 Codex 기능과 버전을 확인하십시오. 기능이 Experimental / Beta / Deprecated인지 명확히 밝히십시오.
제가 이 진단 결과를 검토할 때까지 파일을 변경하거나, 권한을 확장하거나, 외부 서비스에 연결하지 마십시오.
▲ 여기까지 복사
이것을 다 읽기 전에 실행하면 나중에 시간을 절약할 수 있습니다.
이 글의 대상 및 사용법
이 글의 대상은 2026년 9월 7일 기준의 Codex입니다. Codex는 빠르게 업데이트되므로, 읽기 전에 날짜를 확인하십시오.
포함된 내용은 8가지 Harness 구성 요소, 7가지 성숙도 수준, 그리고 4가지 복사 가능한 프롬프트 템플릿입니다.
대상 독자는 "Codex를 사용하지만 AGENTS.md를 작성한 후 멈춘 사람들"입니다. 기술 용어는 첫 등장 시 설명을 추가하여 비엔지니어도 읽을 수 있도록 했습니다.
모든 내용을 읽지 않아도 가치를 얻을 수 있도록 각 요소에 "우선순위"를 포함했습니다. 높은 우선순위의 것만 골라도 최소한의 기능은 작동할 것입니다.
"Harness"란 정확히 무엇인가?
Harness는 모델, 도구, 인간을 연결하여 작업을 수행하는 시스템입니다.
OpenAI의 기술 블로그 "Unrolling the Codex agent loop" (2026년 1월, Michael Bolin)에서 Codex Harness는 "모든 Codex 경험의 기초가 되는 핵심 에이전트 루프 및 실행 로직"으로 설명됩니다 (https://openai.com/index/unrolling-the-codex-agent-loop/ ).
에이전트 루프는 다음 반복을 의미합니다:
- 사용자 입력 수신
- 모델에 질의하여 사고
- 모델이 선택한 도구 실행
- 결과를 보여주고 다시 사고
이 루프를 실행하는 것은 모델이 아니라 Codex 측입니다.
회사에 비유하자면:
Astra = 매우 유능한 직원의 두뇌. Harness = 그 직원이 일하는 회사 자체. 취업 규칙, 내부 Wiki, 업무 절차, 내부 시스템 접근 권한, 승인 규칙, 검사 프로세스, 동료들.
흔한 실수는 "AGENTS.md = Harness"라고 대충 요약하는 것입니다. AGENTS.md는 Harness의 한 부분일 뿐입니다. 회사가 배포된 규칙집 하나만으로 돌아가지 않는 것과 같습니다.
실제로는 AGENTS.md, Skills, MCP, Hooks, 권한 설정, 실행 환경, 브라우저, Subagents 등의 요소를 결합하여 "편안한 작업 환경"을 만드는 전체적인 노력을 Harness Engineering이라고 합니다. 이 글은 이 의미로 이 용어를 사용합니다.
Astra 출시로 실제로 무엇이 바뀌었는가?
세 가지가 있으며, 모두 OpenAI가 공식적으로 밝힌 내용입니다.
- OpenAI는 두뇌와 환경을 동시에 개선했습니다.
Astra가 발표되었을 때 OpenAI는 Codex Harness를 업데이트했다고 명시적으로 밝히며, Mind2Web 브라우저 작동 벤치마크에서 GPT-5.6 Sol 환경 대비 작업 완료 속도가 1.9배 빨라졌다고 보고했습니다.
OSWorld 2.0에서 Astra는 GPT-5.6 Sol의 65.7%에 비해 72.6%의 점수를 기록했습니다. 또한, 필요한 시간에 대한 시뮬레이션 평가에서는 작업당 약 75분에서 약 40분으로 감소했다고 보고했습니다.
여기서 주의가 필요합니다: 이는 OpenAI 자체에서 발표한 수치이며 특정 조건에서의 벤치마크 결과입니다. 사용자 환경에서 1.9배 빨라질 것이라는 보장은 없습니다.
하지만 핵심은 분명합니다. 속도 향상은 모델 단독이 아닌 모델과 실행 환경의 조합에서 비롯되었다는 것입니다.
- Astra는 "주변 지침"을 훨씬 더 잘 읽습니다.
이는 실무에서 가장 효과적인 변화입니다.
OpenAI의 모델 가이드라인에 따르면 Astra는 지침 수행 능력이 더 강력하지만, Skills 및 AGENTS.md와 같은 파일에 포함된 지침에 더 민감할 수 있습니다. 따라서 모델이 액세스할 수 있는 Skills 및 기타 파일을 감사(audit)할 것을 강력히 권장합니다 (https://developers.openai.com/api/docs/guides/latest-model ).
동일 문서에는 더 구체적인 경고가 포함되어 있습니다. Skill 파일 내의 불명확하거나 모순된 지침은 모델이 초기 단계에서 멈추고 작업을 차단할 수 있다는 것입니다.
상황은 이렇습니다:
두뇌가 더 똑똑해졌습니다. 따라서 이전보다 좋은 규칙과 나쁜 규칙 모두에 더 충실해졌습니다.
작년부터 계속 추가해 온 AGENTS.md에 쓸모없는 문장이 남아 있다고 가정해 보십시오. Sol은 적절히 무시했을 수도 있습니다. Astra는 그것을 엄격히 따를 것입니다.
- 위임 및 메모리 처리의 변화
공식 발표에 따르면, Astra는 이제 Codex 내에서 컨텍스트 윈도우 간에 노트를 유지할 수 있어, 매번 축적된 세부 정보를 단일 요약으로 다시 압축할 필요가 없습니다. 이는 긴 작업 중 정보 손실을 줄여줍니다.
하지만 2026년 9월 7일 기준으로 이는 실험적 기능입니다. config.toml에서 명시적으로 활성화해야 하며 기본적으로 꺼져 있습니다. OpenAI는 향후 몇 주 안에 Astra의 기본 기능이 될 것이라고 발표했지만, 현재로서는 직접 설정을 추가하지 않으면 작동하지 않습니다.
반면, 모델 가이드라인은 Astra의 경우 "Subagents에 대한 위임이 예상한 워크플로우만큼 자주 발생하지 않을 수 있다"고 언급합니다. 즉, 병렬 처리를 원한다면 Harness 측에서 언제 위임할지 지정해야 합니다.
가이드라인은 또한 Astra가 상세하고 형식화된 응답을 선호하는 경향이 있으므로, 필요한 스타일과 구조를 지정해야 한다고 언급합니다.
이 모든 것은 "모델이 똑똑하니 내버려 두라"가 아니라 "똑똑하기 때문에 지정된 대로 정확히 움직이니, 사양을 수정하라"는 점을 지적합니다.
Harness의 8가지 요소 지도
여기에 나열된 8가지 요소와 나중에 설명할 7가지 성숙도 수준은 공식 OpenAI 정의가 아닙니다. 지금까지 본 공식 정보를 바탕으로 이 글을 위해 독자적으로 정리한 것입니다. 실용적인 프레임워크로 사용하십시오.
회사 비유와 우선순위가 포함된 지도는 다음과 같습니다:
- AGENTS.md | 취업 규칙 및 기본 방침 | 우선순위: 최상
- docs / Context | 내부 Wiki 및 매뉴얼 | 우선순위: 높음
- Skills | 표준 운영 절차 | 우선순위: 높음
- MCP / Plugins | 내부 시스템 연결 | 우선순위: 중간
- Environment | PC, 책상, 작업 환경 | 우선순위: 높음
- Permissions / Sandbox | 권한 및 승인 규칙 | 우선순위: 최상
- Hooks / Tests | 자동 검사 및 점검 | 우선순위: 중간
- Browser / Subagents | 눈, 손, 부하 직원 | 우선순위: 중간
초보자는 1번과 6번부터 시작해야 합니다. 이유는 간단합니다. 이 두 가지만 정리해도 다른 요소의 기반이 다져지기 때문입니다. 하지만 다른 요소를 확인하지 말라는 의미는 아닙니다. MCP를 통해 연결된 외부 서비스의 권한, Skills의 절차, Hooks가 실행하는 스크립트는 모두 안전성 검증의 대상입니다. 특히 MCP는 외부와의 연결이므로, 대상이 신뢰할 수 있는지, 부여된 권한이 최소한인지 별도로 확인하십시오.
아래는 각 요소에 대한 설명입니다.
지침 및 지식 계층 | AGENTS.md, docs, Skills
AGENTS.md
정의: 저장소 루트에 배치되는 마크다운 파일입니다. Codex는 작업을 시작하기 전에 이를 읽고 프로젝트별 규칙으로 취급합니다.
기능: "항상 이 명령어로 테스트를 실행하라" 또는 "이 디렉토리는 건드리지 마라"와 같은 전제 조건을 매번 프롬프트에 작성하지 않아도 됩니다.
거의 모든 사람이 여기서 하는 실수는 너무 많이 채우는 것입니다.
OpenAI의 기술 블로그 "Harness engineering: leveraging Codex in an agent-first world" (2026년 2월 11일, Ryan Lopopolo)는 내부 실패 사례를 설명합니다. 거대한 AGENTS.md를 시도한 결과 컨텍스트 압박, 남은 오래된 규칙, 무엇이 중요한지에 대한 혼란이 발생했습니다 (https://openai.com/index/harness-engineering/ ).
팀은 AGENTS.md를 약 100줄의 "지도"로 운영하는 방식으로 전환했습니다. 세부 사항은 docs 아래에 배치하고, AGENTS.md는 단순히 그것들을 가리키도록 했습니다.
유능한 신입 사원에게 1,000페이지 분량의 규칙집을 암기시키는 대신, "막히면 이 선반을 봐"라고 알려주는 안내 지도를 주는 것과 같습니다. 이것이 차이입니다.
컨텍스트는 유한한 자원입니다. 거대한 지침 파일은 작업 자체나 읽어야 할 코드의 위치를 밀어냅니다.
지도 스타일의 AGENTS.md는 일반적으로 다음과 같습니다:
▼ 여기서부터 복사
AGENTS.md
이 프로젝트는 무엇인가?
(1-3줄. 무엇을 만들고 있으며, 누가 사용하는가?)
먼저 읽을 것
- 디자인 정책: docs/architecture.md
- 디렉토리 구조: docs/structure.md
- 용어집: docs/glossary.md
- 과거 실패 및 수정 사항: docs/postmortems.md
따라야 할 규칙
- 테스트: (실제 명령어)로 모두 실행하고, 실패가 남은 상태에서 완료를 보고하지 마십시오.
- 금지 영역: (경로 목록)
- 커밋 전: (linter / formatter 명령어)
완료 정의
다음 모든 조건이 충족될 때만 "완료"를 보고하십시오:
- 테스트 통과
- 변경 의도를 한 문단으로 설명 가능
- 의도하지 않은 부작용에 대해 자체 확인 완료
확실하지 않을 때
추측하지 말고, 최소 두 가지 옵션을 제시하고 저에게 물어보십시오.
지침 우선순위
- 나(사용자)의 즉각적인 지침
- 이 AGENTS.md
- Skills의 절차 상위 지침과 모순되는 하위 지침은 무시할 수 있습니다. 지침을 건너뛰는 경우 그 이름을 보고하십시오.
▲ 여기까지 복사
마지막의 "지침 우선순위"는 Astra 및 이후 모델에서 특히 효과적입니다. 모델 가이드라인은 사용자 지침과 Skill 지침 중 무엇이 우선하는지 명확히 하라고 명시합니다.
docs / Context
정의: AGENTS.md가 참조하는 실제 지식 저장소입니다. 디자인 문서, 아키텍처 다이어그램, 용어집, 과거 결정 기록 등이 포함됩니다.
기능: Codex는 필요할 때만 읽으므로 컨텍스트를 지속적으로 소모하지 않습니다.
Harness Engineering 글에서 눈에 띄는 점은 초기 진행 속도가 느렸던 이유에 대한 설명입니다. Codex의 능력 부족 때문이 아니라 "환경이 충분히 지정되지 않았기 때문"이었습니다.
부족했던 것은 도구, 추상화, 내부 구조, 그리고 Codex가 읽을 수 있는 형태의 정보였습니다.
따라서 무언가 실패했을 때 팀의 반응은 "더 열심히 시도하게 하라"가 아니었습니다. "어떤 기능이 부족하며, 그것을 에이전트가 읽고 실행할 수 있게 만들려면 어떻게 해야 할까?"를 고민하는 것이었습니다.
이것이 Harness Engineering의 핵심입니다. 프롬프트를 수정하지 말고 환경을 수정하십시오.
명확히 하자면, 이는 OpenAI 내부의 한 사례 연구입니다. 3명의 팀이 5개월 동안 인간이 작성한 코드 0줄로 약 100만 줄과 1,500개의 PR을 생성했지만, 일반 사용자가 동일한 결과를 재현할 수 있다는 의미는 아닙니다.
Skills
정의: SKILL.md 형식의 파일입니다. 특정 작업을 매번 동일한 절차로 실행하기 위해 필요한 지침, 참고 자료, 스크립트를 함께 묶습니다.
기능: 좋은 프롬프트를 복사하여 붙여넣는 것에서 작업 자체를 저장하는 것으로 전환할 수 있습니다.
예를 들어, "기사 작성"을 Skill로 만들면 내용은 다음과 같습니다:
- 리서치
- 사실 확인
- 제목 제안
- 구조 설계
- 작성
- 금지 표현 확인
- 최종 검토
Astra 및 이후 모델에서 주의할 점은 너무 많이 추가하지 않는 것입니다. Skill 이름과 설명은 컨텍스트에 로드되므로, 개수가 늘어나면 설명이 잘려 어떤 것을 선택할지 판단하기 어려워집니다. 설명이 모순되거나 모두 "나를 사용하라"고 주장하면 모델이 작업에 맞지 않는 Skill을 로드할 수 있습니다.
Skills는 "특정 작업에만 필요한 절차"를 위한 것이지 "매번 필요한 지침"을 위한 것이 아닙니다. 이것을 혼동하는 것은 AGENTS.md에 모든 것을 작성하는 것과 같습니다.
손과 발 계층 | MCP, Plugins, Environment
MCP / Plugins
정의: MCP는 Codex를 외부 도구 및 데이터에 연결하기 위한 표준으로, CLI와 IDE 확장 모두에서 사용할 수 있습니다. Plugins는 Skills, Connectors, MCP 도구를 함께 배포하는 메커니즘입니다. Codex에서는 ChatGPT 데스크탑 앱과 CLI에서 사용할 수 있지만 IDE 확장에서는 사용할 수 없습니다.
기능: Codex가 외부 문서, 브라우저, 디자인 도구 등에 접근할 수 있게 합니다.
Astra가 아무리 똑똑해도 필요한 정보에 도달할 수 없다면 의미가 없습니다. 내부 시스템 계정이 없는 유능한 직원과 같습니다.
하지만 우선순위는 중간으로 설정했습니다. MCP를 추가할수록 도구 선택지가 늘어나고 컨텍스트가 소모됩니다. 올바른 접근 방식은 현재 도달하는 데 어려움을 겪고 있는 것만 추가하는 것입니다.
Environment
정의: 종속성, 설정 절차, 테스트 실행 방법, 작업 디렉토리 구조 등 실제로 손을 움직이기 위한 기반입니다.
기능: Codex가 "실행하고 확인하는" 지점까지 스스로 주도할 수 있습니다. 이것이 없으면 Codex는 단순한 코드 작성기로 전락합니다.
간단한 확인 방법은 깨끗한 상태에서 "설정하고, 테스트를 통과시키고, 결과를 보고하라"고 요청하는 것입니다. 멈추는 곳이 바로 누락된 부분입니다.
Git worktree를 사용하여 각 작업별로 디렉토리를 분리하면 여러 병렬 작업이 충돌할 가능성이 줄어듭니다.
안전 및 검사 계층 | Permissions, Sandbox, Hooks
Permissions / Sandbox
정의: Codex가 얼마나 자동으로 실행할 수 있는지를 결정하는 두 가지 독립적인 설정입니다. 샌드박스는 파일 및 네트워크의 도달 범위를 결정하고, 승인 정책은 인간의 확인이 필요한 위치를 결정합니다.
공식 Codex 문서에 따르면 CLI 및 IDE 확장의 초기 설정은 네트워크 액세스가 제한되고 활성 작업 공간 내에서만 쓰기가 가능합니다 (https://developers.openai.com/codex/sandbox ).
샌드박스에는 3가지 수준이 있습니다:
- read-only: 읽기만 가능하고 쓰기는 불가능합니다. 상담 및 계획용입니다.
- workspace-write: 작업 폴더 및 임시 디렉토리 내에서 쓰기가 가능합니다. 표준 설정입니다.
- danger-full-access: 어디든 쓸 수 있습니다. 사실상 샌드박스를 제거합니다.
일반적으로 사용되는 Auto 프리셋은 workspace-write와 "필요할 때만 승인 요청"의 조합입니다. Codex는 작업 공간 외부를 편집하거나 네트워크에 접속하려고 할 때 멈추고 확인합니다.
세션 중간에 전환하려면 /permissions 명령어를 사용할 수 있습니다. 현실적인 운영 방식은 계획 단계에서는 read-only, 실행 단계에서는 Auto를 사용하는 것입니다.
여기서 이해해야 할 점은 자율성이 모든 것을 허용하는 것을 의미하지는 않는다는 것입니다.
승인이 귀찮다고 danger-full-access로 도피하는 것은 가장 비효율적인 해결책입니다. 특정 디렉토리에만 쓰면 된다면 해당 위치만 허용하면 됩니다.
▼ 여기서부터 복사
【Codex CLI: 계획 및 작업을 위한 구성 예시】
대상은 Codex CLI 0.134.0 이상입니다.
설정은 "공통", "계획", "작업"의 세 파일에 저장됩니다.
이 전체 설명을 하나의 구성 파일에 붙여넣지 마십시오. 각 대상에 해당하는 설정만 작성하십시오.
대상은 표준 Codex 설정입니다.
■ 1. 공통 설정
경로: ~/.codex/config.toml
기존 설정을 삭제하지 말고 다음 항목을 추가하거나 변경하십시오. 동일한 [sandbox_workspace_write]가 있으면 중복 헤더를 피하기 위해 내부를 편집하십시오.
[sandbox_workspace_write]
network_access = false
필요한 경우에만 추가 승인 디렉토리를 지정하십시오.
writable_roots = ["/absolute/path/to/approved-directory"]
추가 쓰기 대상이 필요한 경우에만 writable_roots 줄 시작 부분의 #을 제거하고 예제 경로를 실제 절대 경로로 바꾸십시오.
■ 2. 계획 설정
경로: ~/.codex/plan.config.toml
다음 두 줄을 공통 설정과 별도의 파일로 저장하십시오.
approval_policy = "on-request"
sandbox_mode = "read-only"
■ 3. 작업 설정
경로: ~/.codex/work.config.toml
다음 두 줄을 또 다른 별도의 파일로 저장하십시오.
approval_policy = "on-request"
sandbox_mode = "workspace-write"
■ 사용 방법
시작 명령어를 구성 파일에 작성하지 말고, 프로젝트 폴더의 터미널에서 실행하십시오.
계획을 위해 시작:
codex --profile plan
작업을 위해 시작:
codex --profile work
선택한 프로필 설정이 공통 설정 위에 계층화됩니다.
프로젝트 측 설정 및 조직 제한 사항도 적용되므로, 시작 후 /permissions로 실제 권한을 확인하십시오.
참고: network_access = false는 샌드박스 내에서 실행되는 명령어의 통신 설정입니다. MCP와 같은 외부 연결에 대한 권한은 별도로 확인하십시오.
▲ 여기까지 복사
경계를 하나 확장하는 것과 경계 자체를 버리는 것은 완전히 다릅니다. 네트워크 액세스도 마찬가지로, 종속성 패키지를 가져와야 하는 프로젝트에만 유효한 판단입니다.
Hooks / Tests
정의: Codex 처리 중간에 자체 스크립트나 MCP 도구를 삽입하는 메커니즘입니다. Stable 기능으로 기본적으로 활성화되어 있습니다.
기능: 예를 들어, 다음과 같은 자동화가 가능합니다:
- 도구 실행 직전에 위험한 명령어 중지
- API 키와 같은 비밀 정보 검사
- 파일 편집 직후 linter 실행
- 작업 종료 시 테스트 통과 확인
"실수하지 않도록 조심하라"에서 "실수하면 시스템이 중지된다"로 바꾸는 것입니다.
하지만 OpenAI 자체적으로 Hooks를 절대적인 강제 경계가 아닌 가드레일로 취급하라고 경고합니다. Codex가 다른 도구 경로를 통해 동등한 작업을 실행할 수 있기 때문입니다.
진정으로 막고 싶은 것은 Hooks가 아닌 샌드박스 및 권한 수준에서 막아야 합니다. Hooks는 그 위에 추가되는 두 번째 그물입니다.
눈과 팀 계층 | Browser, Subagents
Browser / Computer Use
웹사이트를 구축하고 "코드를 작성했으니 끝"이라고 하는 것은 낭비입니다.
참고: 여기서 설명하는 Computer Use (실제 화면 조작)는 현재 Codex 데스크탑 앱 버전의 기능입니다. 이 장에서 다루는 내장 Browser / Computer Use는 ChatGPT 데스크탑 앱에서 사용됩니다. Codex CLI 또는 IDE 확장에서는 내장 Browser를 사용할 수 없습니다. CLI/IDE에서 브라우저 작업을 하려면 MCP 또는 Playwright와 같은 다른 메커니즘을 준비하십시오.
다음과 같이 해야 합니다:
- 브라우저 열기
- 실제 화면 표시
- 작동 시도
- 고장난 부분 찾기
- 수정
- 다시 확인
Astra는 컴퓨터 작동 벤치마크에서 크게 개선된 세대이므로, 이 과정을 위임할 가치가 있습니다. OSWorld 2.0에서 시간이 75분에서 40분으로 줄었다는 보고가 정확히 이것에 관한 것입니다.
Harness Engineering 사례 연구에서는 Codex가 Chrome DevTools Protocol, DOM, 스크린샷, 로그, 메트릭을 처리하여 버그 재현부터 수정 및 검증까지 모든 것을 처리할 수 있는 환경을 만들었습니다.
Subagents
정의: Codex가 여러 하위 에이전트에게 작업을 분할하는 메커니즘입니다. 각각은 독립적인 컨텍스트를 가집니다.
기능: 리서치, 테스트, 로그 분석, 요약과 같은 읽기 위주의 독립적인 작업을 병렬화합니다.
두 가지 주의사항:
하나는 여러 에이전트가 동시에 동일한 코드를 작성하면 충돌이 발생한다는 것입니다. 쓰기 작업을 병렬화할 때 주의하십시오.
다른 하나는 단순히 토큰 소비가 증가한다는 것입니다. 빨라지지만 저렴해지지는 않습니다.
그리고 Astra와 관련하여 모델 가이드라인은 위임 빈도가 예상보다 낮을 수 있다고 말합니다. 병렬 처리를 원한다면 AGENTS.md 또는 프롬프트에 "리서치 작업을 분할하여 병렬로 실행할 수 있습니다"라고 명시적으로 지정하십시오.
Astra 시대의 역전 | 추가가 아닌 인벤토리
8가지 요소를 나열했지만, 제가 전달하고 싶은 가장 중요한 것은 그 반대입니다.
Astra를 위해 가장 먼저 해야 할 일은 기존 지침의 인벤토리입니다. OpenAI는 또한 모델이 참조하는 Skills 및 AGENTS.md와 같은 지침을 감사할 것을 권장합니다. 필요한 지침은 유지하고, 누락된 부분은 채우고, 오래되었거나 모순된 지침은 확인 후 수정하거나 줄이십시오.
OpenAI 가이드라인에서 사용된 동사는 "추가"가 아니라 "감사"입니다.
Astra를 사전 검증한 팀들의 보고도 같은 방향을 가리킵니다. AI 코딩 도구 제공업체인 Kilo는 리뷰에서 Astra가 분명히 더 적은 AGENTS.md 스캐폴딩을 필요로 하며, 지난 1년 동안 축적된 "모델이 이탈하지 않도록 하는 지침"의 대부분이 이제 불필요하다고 썼습니다. 또한, bloated agents 파일이 있다면 절반을 삭제하고 다시 시도해 보라고 제안했습니다 (https://blog.kilo.ai/p/gpt-6-astra-what-we-learned-previewing ).
이는 한 회사의 의견일 뿐 공식적인 견해는 아닙니다. 그러나 "모순된 지침이 조기 중단을 유발할 수 있다"는 공식 가이드라인과 완벽하게 일치합니다.
모델이 똑똑할수록 오래된 지침에 더 걸려 넘어집니다. 역설적이지만 사실입니다.
인벤토리는 Codex 자체가 수행할 때 가장 빠릅니다.
▼ 여기서부터 복사
이 저장소의 AGENTS.md, docs 아래의 모든 파일, 그리고 로드된 모든 Skill 파일을 읽어주십시오. 아직 변경하지 마십시오.
GPT-6 Astra로 작업한다고 가정하고, 다음을 분류하여 보고하십시오:
【유지】 여전히 유효하고 실제로 판단을 개선하는 지침. 이유를 한 줄로 설명하십시오.
【삭제 후보】 다음 중 하나에 해당하는 항목. 원문을 인용하고 이유를 제시하십시오. 이는 삭제 결정이 아니라 인간이 고려할 목록입니다.
- 이전 세대 모델을 교정하기 위해 작성되었지만 이제는 불필요해진 지침.
- 이미 변경된 사양, 경로 또는 명령어를 가리키는 지침.
- 지시받지 않아도 자연스럽게 수행하는 일을 명령하는 지침.
- 다른 지침과 모순되는 지침.
하지만, 해당 지침이 안전, 보안, 또는 과거 사고/인시던트로 인해 추가되었을 가능성이 조금이라도 있다면 【삭제 대상】으로 분류하지 마세요. 대신 【인간의 판단 필요】라는 별도 카테고리에 넣고, 그러한 가능성이 존재한다고 생각하는 이유를 설명하세요. 자신의 판단만으로 "불필요하다"고 결론 내리지 마세요.
【재작성】 의도는 올바르지만 표현이 모호하거나 중복되거나 우선순위가 불명확한 지침. 재작성 제안을 제공하세요.
【질문】 읽으면서 의미를 판단하기 어려웠던 설명.
마지막으로, 다음 두 가지를 반드시 보고하세요:
- 실제로 작업을 차단하거나 망설이게 만든 지침이 있었다면, 정확한 라인과 그 이유를 제공하세요.
- AGENTS.md를 약 100줄 분량의 인덱스로 압축한다면 어떤 구조를 사용하시겠습니까?
▲ 여기까지 복사
결과로 나온 "삭제 대상" 목록은 완전히 삭제해서는 안 됩니다. 먼저 해당 지침이 추가된 이유, 그 이력, 그리고 삭제 시 영향을 확인하세요. 과거 사고 이후 추가된 검증 절차는 Codex가 "현재 자신에게 불필요하다"고 판단한다고 해서 제거해서는 안 됩니다. 특히 안전 또는 보안 지침의 경우, 이력을 아는 사람이 최종 결정을 내려야 합니다. 추가 이유가 확인되고 영향이 제한적이라고 판단되는 항목에 대해서만 삭제를 진행하세요. 의심스러우면 지침을 유지하세요. docs로 이동하는 경우, 필요할 때 AGENTS.md에서 안정적으로 참조할 수 있도록 명확한 경로를 남겨두세요.
성숙도 | 지금 당신은 어디에 있나요?
자신의 단계를 확인해보세요.
Lv.0: 매번 프롬프트를 새로 작성합니다. 마치 유능한 직원에게 매일 아침 모든 것을 처음부터 설명하는 것과 같습니다.
Lv.1: AGENTS.md와 docs가 존재합니다. 회사에 규칙과 매뉴얼이 있는 것과 같습니다.
Lv.2: Skills가 존재합니다. 일상적인 작업의 절차가 정해져 있습니다.
Lv.3: MCP와 Plugins가 연결되어 있습니다. 필요한 시스템에 독립적으로 접근할 수 있습니다.
Lv.4: Permissions, Hooks, Tests가 작동합니다. 자동 실행 및 자동 검사가 존재합니다.
Lv.5: Browser와 Subagents를 사용합니다. 독립적으로 확인하고 작업을 위임할 수 있습니다.
Lv.6: 피드백 루프가 존재합니다. 실패가 발생할 때마다 시스템 자체가 업데이트됩니다.
많은 사람들이 Lv.1에 있습니다. 그리고 AGENTS.md를 두껍게 만들어서 앞으로 나아가려고 합니다. 그것은 Lv.2가 아니라, 그저 비대해진 Lv.1일 뿐입니다.
Lv.6은 본질적으로 다릅니다. 새로운 기능을 추가하는 것이 아닙니다. "같은 실수를 두 번 하면, 그 수정 사항을 AGENTS.md, Skill, Hook 또는 Test에 다시 반영한다"는 운영 규칙이 있는 것뿐입니다.
이것이 OpenAI가 Harness Engineering 글에서 "일회성 검증보다는 지속적인 수정"으로 나아간 지점입니다.
실행 순서 | 30분, 1일, 1주일
우선순위를 정하세요. 이 순서대로 하세요.
처음 30분
- 이 글의 시작 부분에 있는 진단 프롬프트를 실행하세요.
/permissions로 현재 권한 설정을 확인하세요.danger-full-access를 정기적으로 사용했다면, 먼저workspace-write로 다시 전환하세요.- AGENTS.md를 열고 처음부터 끝까지 읽으세요. 중복되거나 모순되거나 오래된 설명이 있는지 확인하세요. 100줄은 OpenAI 내부의 한 가지 예시일 뿐, 절대적인 기준이 아닙니다. 줄 수보다는 내용이 어떻게 구성되어 있는지 살펴보세요.
1일
- 인벤토리 프롬프트를 실행하세요. 【삭제 대상】은 추가 이유와 영향을 확인한 후에만 삭제하세요. 【인간의 판단 필요】는 이력을 아는 사람과 확인한 후 결정하세요.
- 삭제된 내용 중 가치 있는 부분을
docs로 이동하세요. - AGENTS.md 끝에 "지침 우선순위"를 추가하세요.
- 깨끗한 상태에서 "테스트를 설정하고 통과시켜"라고 요청하고, 어디서 멈추는지 기록하세요.
1주일
- 일주일에 두 번 이상 하는 작업 하나를 골라 Skill로 만드세요.
- 접근하는 데 항상 어려움을 겪는 외부 데이터 소스가 하나 있다면 MCP를 통해 연결하세요.
- 비밀 정보 확인 또는 편집 후 린터 실행 중 하나를 Hook으로 만드세요.
- 피드백을 위해 실패를 기록할 장소 하나를 정하세요.
이쯤 되면 Lv.1에서 Lv.4의 입구에 도달하게 될 것입니다.
역색인 | 목표별로
같은 설명을 반복하는 것을 멈추고 싶다 → AGENTS.md
Codex가 오래된 정보를 참조한다 → docs / Context 인벤토리
같은 작업의 품질이 들쭉날쭉하다 → Skills
필요한 데이터에 접근할 수 없다 → MCP / Plugins
코드는 짤 수 있지만 검증으로 넘어가지 못한다 → Environment
AI가 멋대로 행동하는 것이 두렵거나 승인이 너무 많다 → Permissions / Sandbox
같은 실수를 반복한다 → Hooks / Tests
레이아웃이 깨지는 것을 인지하지 못한다 → Browser / Computer Use
리서치에 시간이 너무 오래 걸린다 → Subagents
Astra로 전환한 후 작업 중간에 멈추기 시작했다 → 먼저 중단 알림, 승인 요청 및 오류를 확인하세요. 필요한 경우 CLI에서 /status로 설정 및 사용량을 확인하세요. 상충되는 지침이 의심되면 AGENTS.md와 Skills를 인벤토리하세요.
다음 경쟁은 두뇌가 아닌 환경이다
모델을 선택하는 게임은 거의 끝났습니다.
Astra는 충분히 똑똑하고 지시한 대로 정확하게 움직입니다. 그렇기 때문에 당신이 지침으로 남기는 것이 결과를 결정합니다.
프롬프트를 잘 작성하는 게임에서 작업 환경을 잘 설계하는 게임으로. Astra는 그 전환을 완성한 모델입니다.
오늘 당신이 해야 할 일은 단 하나입니다. AGENTS.md를 열고 처음부터 끝까지 읽으세요. 그것이 시작점입니다.
여기까지 읽어주셔서 감사합니다.
저는 ChatGPT, Claude, Copilot을 사용한 시간 절약 및 AI 사이드 허슬의 구체적인 예시를 무료 오픈 채팅에서 공유합니다. "AI를 사용할 수 있는" 사람이 되고 싶다면 지금 바로 참여하세요.
