Harness Engineering 담론은 이미 합의에 도달했습니다. 그런데 응용 엔지니어가 가장 자주 만지는 영역은 아직 제대로 정형화되지 않았습니다. 도구가 아니라 역할로 나누는 4-layer 분류를 제안합니다.
Harness Engineering이 유행어가 됐지만, 정작 "어떤 컴포넌트가 어느 자리에 속하는가"를 가르는 기준은 비어 있습니다. 제 답은 도구가 아니라 역할로 나누자는 것입니다. 그렇게 보면 Model, Harness, Orchestrator, Extension의 4-layer가 단일 기준으로 떨어지고, 응용 엔지니어 대부분이 실제로 일하는 자리가 분명해집니다. Claude Code를 만드는 자리가 아니라, 그 위에서 조율하고 확장하는 자리입니다.
2026년 들어 "Harness Engineering"이라는 말이 빠르게 자리를 잡았습니다. Martin Fowler가 글을 썼고, OpenAI와 LangChain이 같은 단어를 쓰기 시작했고, 한국에서도 관련 강의가 팔리기 시작했습니다. 어제까지만 해도 어디서도 들어본 적 없던 표현이, 지금은 AI 에이전트를 다루는 사람들 사이에서 통용되는 용어가 되어 있습니다.
담론은 대체로 한 방향으로 수렴했습니다. "모델은 점점 상품화되고, 진짜 경쟁력은 모델을 둘러싼 외피(harness)에서 나온다"는 것입니다. 그리고 그 외피를 설계하는 일이 Harness Engineering이라고 부르는 작업이고요.
여기까지는 합의가 끝났다고 봅니다. 그런데 저는 이 합의에서 한 걸음만 더 들어가면 묘하게 비어 있는 자리가 있다고 생각합니다.
"Harness Engineering 해야 한다"는 말을 처음 들으면 이런 오해를 하기 쉽습니다. "그럼 Claude Code 같은 걸 직접 만들라는 건가?" 결론부터 말하면 아닙니다. 그건 극소수 인프라 회사의 일이고, 대부분의 응용 엔지니어가 하는 Harness Engineering은 다른 층위에서 일어납니다.
문제는 이 "다른 층위"가 무엇인지가 아직 깔끔하게 정형화되지 않았다는 점입니다. 사람들이 같은 단어를 쓰고 있지만, 자세히 들여다보면 각자 다른 그림을 떠올리고 있습니다. Orchestrator를 따로 분리해서 말하는 사람이 있는가 하면, 그걸 harness 안의 패턴으로 보는 사람도 있고, 평가용 harness와 운영용 harness를 같은 것처럼 부르는 사람도 있습니다.
이 글은 그 빈자리를 채워보려는 시도입니다. 결국 다다른 지점은 "분류 대상을 도구가 아니라 역할(role)로 보자"는 한 줄짜리 통찰입니다. 그 통찰을 따라가면 4-layer가 자연스럽게 떨어지고, 응용 엔지니어가 실제로 어디서 일하는지가 분명해집니다.
용어 주의 한 가지. 이 글에서 "outer loop"라는 표현을 쓸 텐데, 이건 배포나 모니터링 같은 운영(productionization) 맥락의 outer loop가 아닙니다. 여러 에이전트를 조율하는 루프라는 뜻입니다. LangGraph 진영에서 outer loop를 "프로덕션 lifecycle"로 쓰는 용법과는 다르니 주의해주세요. 같은 단어가 두 의미로 떠도는 것 자체가 이 분야가 아직 굳지 않았다는 증거이기도 합니다.
빈자리를 짚으려면 먼저 채워진 자리를 짧게 확인하고 넘어가야 합니다. 다행히 좋은 정리들이 이미 나와 있습니다.
Martin Fowler 쪽에서는 harness를 모델, 도구를 만드는 쪽의 외피, 그 도구를 쓰는 쪽의 외피로 나눕니다. "Claude Code를 만드는 일이 아니다"라는 제 주장은 사실 이 분류 안에 이미 답이 들어 있습니다. 우리 대부분은 도구를 쓰는 쪽이니까요. Anthropic의 "Building Effective Agents"는 한 발 더 들어가서, 일을 분배하는 쪽과 실제로 도는 쪽을 나누는 패턴까지 보여줍니다. Parallel.ai는 "조율하는 쪽(orchestrator)과 능력을 제공하는 쪽(harness)은 다르다"고 아예 못박고, Microsoft의 Magentic-One은 그 조율 안에 다시 큰 루프와 작은 루프를 둡니다.
큰 그림은 이만하면 충분히 합의됐습니다. 모델은 점점 비슷해지고, 차이는 그 위에 무엇을 어떻게 얹느냐에서 난다는 것.
그런데 이 좋은 재료들에는 공통의 빈자리가 하나 있습니다. "어떤 컴포넌트가 어느 자리에 속하는지"를 한 가지 기준으로 판정하는 방법이 없다는 것입니다. orchestrator와 harness가 다르다는 건 다들 말하는데, 무엇을 보고 둘을 가르는지는 아무도 정형화하지 않았습니다. 누구는 패턴으로 부르고, 누구는 하나의 컴포넌트 안에 둘을 묶고, 누구는 그냥 "별개"라고만 합니다. 그래서 막상 손에 든 도구 하나를 어디에 놓아야 할지 물으면, 답이 사람마다 달라집니다. 그 빈자리를 채워보려 합니다.
분류가 깔끔하지 않은 진짜 이유는, 다들 도구 단위로 나누려 하기 때문이라고 생각합니다.
예를 들어 "Claude Code는 harness인가?"라고 물으면 답이 막힙니다. Claude Code는 모델을 직접 호출하며 루프를 도니까 harness가 맞습니다. 그런데 Claude Code가 내부에서 sub-agent를 띄워 그들을 조율하기 시작하면, 그 순간엔 orchestrator처럼 행동합니다. 같은 도구가 상황에 따라 다른 층에 속하는 겁니다. 도구를 기준으로 분류하면 여기서 무너집니다.
Cursor도 마찬가지입니다. IDE 안의 agent mode는 그 자체로 inner loop를 돌립니다. 그런데 같은 Cursor에서 background agent를 띄워 작업을 나눠 시키면, 그 순간엔 outer loop를 도는 셈입니다. "Cursor는 harness인가 orchestrator인가?"는 잘못 던진 질문입니다.
저는 이 막힘이 분류의 문제가 아니라 분류 대상의 문제라고 봅니다. 도구는 다목적으로 만들어지는 게 정상이고, 시간이 지날수록 더 그럴 겁니다. 도구 단위로 가르려는 시도는 처음부터 불가능한 작업입니다.
그래서 저는 분류 대상을 도구가 아니라 **역할(role)**로 바꾸자고 제안합니다.
하나의 도구는 여러 역할을 동시에 맡을 수 있습니다. 하지만 각각의 역할 인스턴스는 정확히 한 층에만 속합니다. 이렇게 보면 분류가 서로 겹치지 않게(mutually exclusive) 유지됩니다.
이 전환은 작아 보이지만 결과가 큽니다. 한번 "역할로 보자"고 합의하면, 같은 도구가 여러 층에 동시에 등장하는 것이 더 이상 모순이 아니라 현실에 충실한 묘사가 됩니다. 그리고 "이 컴포넌트는 어디 속하는가?"라는 질문에 단일 기준으로 답할 수 있게 됩니다.
역할을 기준으로 삼으면, 다음 세 질문만으로 모든 컴포넌트를 한 층에 떨어뜨릴 수 있습니다.
각 층을 정리하면 이렇습니다.
| 역할 | 정의 | 토큰 생성 | 루프 소유 |
|---|---|---|---|
| Model | 입력을 받아 토큰을 출력. 외부 부수효과 없음 | O | 없음 |
| Harness | 모델을 직접 호출하는 사이클의 소유자 | X | O (1차) |
| Orchestrator | harness를 호출하는 사이클의 소유자 | X | O (2차 이상) |
| Extension | 루프 없이 위 셋에 호출되는 보조 컴포넌트 | X | X |
그리고 이 4-layer와 별개의 축이 하나 더 있습니다. 바로 Framework입니다. LangChain, LangGraph, AutoGen, CrewAI 같은 것들은 runtime에 실행되는 컴포넌트가 아니라, 위 컴포넌트들을 만드는 데 쓰는 build-time 도구입니다. LangChain으로 만든 결과물은 harness나 orchestrator가 되지만, LangChain 자체는 그 어느 층도 아닙니다. 도구의 도구라고 부르면 가까울 겁니다.
핵심은 이 세 질문이 곧 단일 기준이라는 점입니다. 앞서 본 정리들이 "orchestrator와 harness는 다르다"고 말하면서도 그 경계를 무엇으로 긋는지는 비워뒀다면, 여기서는 loop ownership 하나로 긋습니다. 그래서 둘을 하나의 컴포넌트 안에 묶지 않고 별개 층으로 분리할 수 있고, MCP나 skill처럼 루프 없는 것들을 Extension 한 곳에 모을 수 있습니다.
분류는 직접 통과시켜봐야 살아납니다. 몇 개 도구를 트리에 넣어보겠습니다.
Claude Opus 4.7. 토큰을 직접 생성하는가? 그렇습니다. 따라서 Model. 끝.
Claude Code (기본 모드). 토큰 생성? 아닙니다(모델을 호출할 뿐 자기가 생성하지 않습니다). 루프 소유? 그렇습니다(observe-think-act 사이클을 돕니다). 그 루프가 모델을 직접 호출? 그렇습니다. 따라서 Harness.
Claude Code (sub-agent 호출 시). 같은 Claude Code인데, sub-agent를 띄우는 순간 그 호출 자체는 다른 inner loop에 위임됩니다. 그러므로 그 부분만 떼어서 보면 다음과 같습니다. 루프 소유? 그렇습니다. 모델을 직접 호출? 아닙니다(다른 inner loop를 호출합니다). 따라서 Orchestrator 역할도 동시에 수행. Claude Code 전체는 이 두 역할을 함께 갖습니다.
Ralph loop. 무한 루프 안에서 claude --print "..." 같은 명령을 계속 호출하는 패턴입니다. 루프 소유? 그렇습니다. 모델을 직접 호출? 아닙니다(Claude Code를 호출합니다). 따라서 Orchestrator.
MCP 서버 (단순 GitHub 검색용 등). 토큰 생성 없음, 루프 없음. 그냥 호출되면 데이터를 돌려주는 컴포넌트. 따라서 Extension.
MCP 서버 (내부에서 LLM 호출하는 RAG-heavy MCP). 같은 MCP인데 내부에 mini-harness가 들어 있는 경우입니다. 그 mini-harness 부분만 보면 토큰 생성 X, 루프 O, 모델 직접 호출 O, 따라서 Harness 역할. 그 mini-harness가 노출하는 외부 인터페이스 자체는 그냥 호출되는 컴포넌트, 따라서 Extension 역할. 한 도구가 두 역할을 동시에 수행합니다. 역할 분류이기 때문에 모순이 아닙니다.
LangGraph로 짠 워크플로우. LangGraph 자체는 build-time 도구라 4-layer 밖. 그걸로 만든 결과물이 모델을 직접 호출하면 Harness, 다른 harness를 호출하면 Orchestrator. 결과물의 역할에 따라 다릅니다.
세 개 질문이 짧기 때문에 통과 속도가 빠르고, 그래서 머릿속에 두기 좋습니다. 어떤 새로운 도구가 나와도 같은 절차로 떨어집니다.
위 트리를 따라 도구들을 정리하면 이렇게 됩니다. 단순 이름 나열이 아니라 "왜 그 역할인지"를 함께 적었습니다.
| 도구 | 수행하는 역할 | 왜 그런가 |
|---|---|---|
| Claude Opus 4.7, GPT-5, Gemini | Model | 토큰을 직접 생성하는 가중치와 추론 엔진 |
| Claude Code, Codex, Cursor(agent), OpenHands, Devin, Aider, Cline | Harness | inner loop를 소유하고 모델을 직접 호출 (sub-agent 띄우면 Orchestrator 역할 추가) |
| Ralph loop 같은 bash wrapper | Orchestrator | 다른 harness를 호출하는 outer loop 자체 |
| Linear, Slack 등에서 Claude Code로 트리거되는 자동화 | Orchestrator | 외부 이벤트를 받아 harness에게 작업을 분배 |
| 멀티 에이전트 라우터 (자체 구현) | Orchestrator | 작업 종류에 따라 어느 harness로 보낼지 결정 |
| SWE-bench, Terminal Bench 같은 평가 스위트 | Orchestrator | 구조는 동일, 목적이 평가 (다음 절 참조) |
| MCP 서버 일반 (gbrain, GitHub MCP 등) | Extension | 호출받으면 답하는 stateless 컴포넌트 |
| Skill collection (oh-my-claudecode 등) | Extension | harness의 행동을 형성하는 prompt와 config 묶음 |
| Config preset (gstack 등) | Extension | harness의 초기 상태를 결정 |
| Sandbox (Docker, e2b) | Extension | 격리된 실행 환경 제공 |
| Knowledge base, RAG store | Extension | 데이터 layer |
| LangChain, LangGraph, AutoGen, CrewAI | Framework | runtime 아닌 build-time 도구 |
몇 가지 작은 케이스를 풀어두겠습니다.
Ralph loop는 단순한 bash 스크립트로 claude --print "다음 작업"을 무한히 호출하는 패턴입니다. 한 줄짜리 시스템이지만 정의상 명백히 Orchestrator입니다. 자기 루프가 있고, 그 루프가 모델을 직접 호출하지 않으니까요. "Orchestrator는 거창한 시스템이 아니어도 된다"는 걸 잘 보여주는 예입니다.
Linear에서 트리거되는 자동화는 Linear 티켓이 특정 상태로 바뀌면 Claude Code에 작업을 트리거하는 워크플로우입니다. 외부 이벤트를 받아 inner-loop harness에 작업을 분배하는 구조, 역시 Orchestrator입니다. 운영팀이 흔히 짜는 종류의 시스템이 사실은 Harness Engineering의 한 축이라는 거죠.
평가 스위트는 뒤에서 별도로 다룰 만한 흥미로운 케이스라 따로 절을 뗐습니다.
위 매트릭스에서 SWE-bench 같은 평가 스위트를 Orchestrator로 분류했습니다. 정의상 맞습니다. 자기 루프가 있고(케이스를 하나씩 돌립니다), 모델을 직접 호출하지 않고 inner-loop harness(개발자의 에이전트)를 호출하니까요.
그런데 평가 harness와 운영용 orchestrator는 같은 층에 들어가긴 해도 계보가 다릅니다. "Harness"라는 단어 자체가 머신러닝 평가 쪽에서 먼저 자리를 잡았습니다. EleutherAI의 LM Evaluation Harness, METR이나 Apollo의 agent evaluation harness 같은 것들이 대표적입니다. 거기서 harness는 "모델이나 에이전트를 표준화된 환경에서 돌려 점수를 매기는 외피"였습니다.
응용 쪽에서 "Harness Engineering"이라고 부르기 시작한 건 그보다 뒤입니다. 의미가 옮겨가면서 평가용이 아닌 운영용 harness와 orchestrator를 가리키게 됐고, 그 두 계보가 같은 단어 아래에 섞여 살고 있습니다.
이 글의 4-layer 분류 안에서는 둘이 같은 Orchestrator 층입니다. 구조가 같으니까요. 하지만 목적이 다릅니다.
같은 층이라고 해서 같은 일을 하지 않습니다. 그래서 어떤 회사에서 "우리 harness 잘 만들었다"고 말할 때 그게 평가 harness인지 운영 harness인지를 짚는 게 중요합니다. 평가 harness 잘 만드는 회사가 운영 harness도 잘 만들 거라는 보장은 없습니다. 그 반대도 마찬가지고요.
분류가 너무 깔끔하면 오히려 의심해야 한다고 생각합니다. 이 4-layer도 약점이 있고, 그걸 숨기지 않고 짚어두겠습니다.
1. Model과 Harness 경계는 점점 흐려집니다. o1, Claude의 extended thinking 같은 추론 모델은 내부에 reasoning loop를 가집니다. 외부 부수효과가 없으면 Model로 분류한다는 게 이 글의 입장이지만, function calling이 모델 호출 안에 통합되고 multi-turn이 API 한 번에 묶이는 추세를 보면 이 경계는 더 흐려질 겁니다. 1년 뒤에는 "모델이 도는 inner loop"가 더 흔해질 거고, 그러면 Model과 Harness의 구분이 약해집니다.
2. Extension 안에 mini-harness가 들어가는 경우는 깔끔하지 않습니다. 역할 분류라 모순은 아니지만, "이 MCP 서버는 사실상 작은 에이전트입니다"가 흔해지면 Extension 층이 점점 비대해집니다. 그러면 Extension을 다시 sub-classify해야 할지도 모릅니다. "Pure extension"과 "Active extension(내부 루프 보유)" 같은 식으로요. 아직은 그러지 않아도 되지만, 이 글의 분류는 그 분기점까지만 유효합니다.
3. 도구 분류가 필요한 순간도 있습니다. "이 도구를 살까 말까", "어느 도구로 시작할까" 같은 의사결정은 결국 도구 단위 판단입니다. 역할 분류는 시스템을 이해하기에는 좋지만, 구매나 도입 결정에는 도구 단위 비교가 필요합니다. 둘은 보완적입니다. 역할 분류로 시스템을 그리고, 도구 분류로 선택합니다. 이 글이 도구 분류를 부정하는 게 아니라는 걸 분명히 해두고 싶습니다.
4. "loop"의 정의 자체가 모호합니다. 한 번만 실행되고 끝나는 단발 호출도 loop일까요? 보통은 아닙니다만, 그러면 단발 LLM 호출에 결과 처리만 붙은 컴포넌트는 어디 들어갈까요? 엄밀히는 Extension에 가깝습니다(루프 없으니까). 하지만 "1회짜리 inner loop를 도는 harness"로도 볼 수 있습니다. 경계가 미묘합니다.
5. Framework의 위치가 별개 축이라는 게 깔끔하지 않을 수 있습니다. LangChain류를 4-layer 안에 못 넣고 별도 축으로 둔 건 build-time과 runtime의 구분 때문입니다. 이게 분류의 우아함을 해친다는 비판은 받아들입니다. 다만 build-time 도구를 runtime 컴포넌트와 같은 층에 두는 게 더 부정확하다고 판단했습니다.
결국 이 분류는 2026년 5월 시점에서 가장 명확하다고 느끼는 사고 도구입니다. 진리가 아니라 도구입니다. 약점이 있고, 시간이 지나면서 손볼 자리가 더 보일 겁니다.
여기까지 오면 처음의 오해가 왜 오해인지 분명해집니다.
대부분의 회사와 엔지니어는 Model을 만들지 않습니다(못 합니다). Harness도 거의 만들지 않습니다(만들 이유가 별로 없습니다). 우리가 실제로 손대는 건 거의 전부 Orchestrator와 Extension 층입니다.
저도 그렇습니다. 평소 일에서 inner-loop harness를 직접 만들 일은 거의 없습니다. 이미 잘 만들어진 코딩 에이전트나 모델 호출 계층을 inner loop로 두고, 그 위에 도메인 라우팅, 검증, 재시도 같은 로직을 orchestrator로 얹는 방식으로 시스템을 짭니다. 그리고 그 시스템의 행동을 형성하는 것은 대부분 Extension 쪽 작업입니다. gbrain 같은 지식 백엔드를 붙이고, oh-my-claudecode 같은 skill 모음을 얹고, gstack 같은 config preset을 깔아 두는 식입니다. 모두 제가 만든 게 아니라 가져다 쓰는 것들입니다.
처음에는 이게 좀 어색했습니다. "AI 시스템을 만든다"는 말의 그림이 머릿속에서는 inner loop를 직접 짜는 일이었는데, 실제로 가치가 만들어지는 자리는 그 위와 옆이었기 때문입니다. 그런데 한참 일해보니 이 자리에서의 결정이 시스템의 결과를 거의 다 좌우한다는 게 보였습니다. 어떤 작업을 어떤 경로로 보낼지, 결과를 어떻게 평가할지, 실패하면 어떻게 다시 돌릴지. 도메인을 모르는 inner-loop harness는 이걸 알 수 없습니다. 도메인을 아는 우리가 그 위에 얹는 orchestrator만이 답할 수 있습니다.
"Harness Engineering 해야 한다"는 말의 진짜 의미는 이것이라고 생각합니다. Claude Code를 만들라는 게 아니라, 이미 있는 inner-loop harness들을 우리 문제에 맞게 엮고(orchestrator), 확장하고(extension), 평가하는 시스템을 설계하라는 것.
분류가 분류로만 끝나면 의미가 약합니다. "그래서 무엇이 달라지는가"를 짚어두겠습니다. 이 분류를 받아들이면 다음 네 가지에 대한 판단이 더 또렷해집니다.
"AI 엔지니어"라는 호칭은 너무 큽니다. 같은 호칭 안에 모델을 만지는 사람, harness를 만드는 사람, orchestrator를 설계하는 사람, extension을 엮는 사람이 다 들어 있습니다. 채용에서든 자기 정체성에서든 이걸 한 덩어리로 묶으면 미스매치가 생깁니다.
이 분류로 보면 "당신은 어느 층을 만지나요"라는 질문이 명확해집니다. Orchestrator 설계 경험과 Extension 통합 경험은 완전히 다른 역량입니다. Inner-loop harness를 깊이 다뤄본 사람은 드물고 귀한 자원이지만, 모든 회사가 그 역량을 필요로 하는 건 아닙니다. 우리 회사가 어느 층을 만질지 정한 다음에 사람을 보는 게 순서입니다.
"이 부분 직접 만들까, 가져다 쓸까"의 판단이 흔히 막힙니다. 4-layer로 보면 일종의 휴리스틱이 생깁니다.
이렇게 보면 어디에 시간을 쓰고 어디는 사서 쓸지가 또렷해집니다.
AI 에이전트를 다루는 법을 배운다는 게 막연하면, 4-layer 순서로 거꾸로 올라가면 됩니다.
이 순서는 실제 가치 창출 순서와 일치합니다.
이게 가장 개인적이고 가장 중요한 implication입니다.
"나는 Claude Code 같은 걸 만들 수 없다"는 사실이 자격 박탈처럼 느껴질 필요가 없습니다. 만들지 않아도 가치를 만들 수 있는 층이 있다는 게 이 분류의 핵심입니다. 응용 엔지니어는 builder가 아니라 composer에 가깝습니다. 만들지 않고 엮습니다. 그게 덜한 일이 아닙니다.
이 정체성 전환이 한 번 일어나고 나면, "도구를 가져다 쓰는 것"에 대한 부담이 줄어듭니다. 가져다 쓰는 것이야말로 응용 엔지니어의 본업이고, 잘 가져다 쓰는 것이 진짜 역량이 됩니다.
이 분류가 1년 뒤에도 유효할지는 모르겠습니다. "outer loop"라는 단어조차 진영마다 다른 뜻으로 쓰이는 걸 보면, 우리는 아직 용어가 굳지 않은 과도기에 있습니다. 이 글은 그 과도기의 한 스냅샷일 뿐입니다.
다만 이 글을 마치며 한 가지를 더 짚어두고 싶습니다. 이 글 자체가 어떻게 쓰였는지의 이야기입니다.
이 글을 쓰는 작업은 Extension 층에서 일어났습니다. 저는 Claude Code 안에서 이 글을 썼고, 검색 에이전트를 띄워 선행 연구를 조사했고, skill과 prompt로 글의 톤을 형성했습니다. inner loop는 제가 만든 게 아닙니다. Anthropic이 만든 Claude를 model로, Anthropic이 만든 Claude Code를 harness로, 그 위에 제가 가져다 쓴 skill과 MCP가 extension으로 올라가 있는 구조입니다. 저는 그 위에서 조율하고 확장했을 뿐입니다.
그래도 이 글은 제가 쓴 글이라고 생각합니다. 무엇을 다룰지 정한 것도, 어떤 prior art와 대화할지 정한 것도, 어디서 한 발 더 나아갈지 정한 것도 가져다 쓴 도구가 한 일이 아니기 때문입니다. 도구는 그 결정을 실행으로 옮겨주는 역할이고, 결정 자체가 글의 정체성을 만듭니다.
이건 글쓰기에만 해당하는 이야기가 아니라고 생각합니다. 응용 엔지니어가 시스템을 만드는 일도 같은 구조입니다. Claude Code를 만들지 않습니다. 만들어진 Claude Code를 어디에 어떻게 쓸지, 그 위에 어떤 도메인 로직을 얹을지, 결과를 어떻게 평가하고 다시 돌릴지를 정합니다. 그 결정의 총합이 우리가 만드는 시스템의 정체성이 됩니다.
직접 만드는 것에서 잘 엮는 것으로, builder에서 composer로. 이 정체성 전환을 받아들이고 나면, Harness Engineering이라는 단어가 위협이 아니라 안내문처럼 느껴지기 시작합니다. "네가 만지는 자리가 거기다"라고요.
어쩌면 그게 지금 가장 정직한 형태의 Harness Engineering인지도 모르겠습니다.