Agent Mentor Learn

참고 자료

이 코스의 핵심 주장은 아래 출처에 근거합니다. 레슨에서는 [^Sn] 형태로 인용하며, 정확한 발췌문은 각 항목 아래에 실었습니다.

S1 — How we built our multi-agent research system — Anthropic Engineering

URL: https://www.anthropic.com/engineering/multi-agent-research-system

  • authority: authoritative-guide

Anthropic이 멀티 에이전트 리서치 시스템을 만들며 남긴 엔지니어링 회고이자 이 코스의 핵심 근거입니다. 에이전트는 상태를 가지며 에러가 누적된다는 점, 처음부터 다시 시작할 수는 없고 에러가 난 지점에서 재개해야 한다는 점, 신뢰성은 모델의 적응력과 재시도 로직·정기 체크포인트 같은 결정론적 안전장치를 짝지을 때 나온다는 점, 그리고 배포 시점에 실행 중인 에이전트는 자기 진행 과정 어디에 있을지 알 수 없다는 점을 다룹니다.

핵심 인용:

"Agents can run for long periods of time, maintaining state across many tool calls." "Agents are stateful and errors compound." "Without effective mitigations, minor system failures can be catastrophic for agents." "When errors occur, we can't just restart from the beginning: restarts are expensive and frustrating for users." "Instead, we built systems that can resume from where the agent was when the errors occurred." "This means we need to durably execute code and handle errors along the way." "the adaptability of AI agents built on Claude with deterministic safeguards like retry logic and regular checkpoints" "letting the agent know when a tool is failing and letting it adapt works surprisingly well" "we use rainbow deployments to avoid disrupting running agents, by gradually shifting traffic from old to new versions" "whenever we deploy updates, agents might be anywhere in their process." "agents summarize completed work phases and store essential information in external memory before proceeding to new tasks"

S2 — Checkpointing — Claude Code Docs

URL: https://code.claude.com/docs/en/checkpointing

  • authority: official-docs

Claude Code 체크포인팅 공식 문서로, checkpoint/rewind/fork의 제품 수준 형태를 온전히 보여 줍니다. 사용자 프롬프트마다 자동으로 체크포인트를 남기고, 대화와 함께 저장하며, 대화와 코드를 따로 복원할 수 있고, bash로 만든 변경은 추적하지 않으며, 버전 관리를 대체하지 않습니다. 이 코스는 이를 가르칠 도구가 아니라 제품 수준의 참조점으로 씁니다.

핵심 인용:

"checkpointing automatically captures the state of your code before each user prompt." "Every user prompt creates a new checkpoint" "Claude Code saves checkpoints with the conversation, so you can still run /rewind after you resume a session" "Restore code and conversation: revert both code and conversation to that point" "Restore conversation: rewind to that message while keeping current code" "Restore code: revert file changes while keeping the conversation" "Exploring alternatives: try different implementation approaches without losing your starting point" "Recovering from mistakes: quickly undo changes that introduced bugs or broke functionality" "Checkpointing does not track files modified by bash commands." "Only direct file edits made through Claude's file editing tools are tracked." "Checkpoints are designed for quick, session-level recovery." "continue using version control, such as Git, for commits, branches, and long-term history." "To branch off and try a different approach while preserving the original session intact, use /branch or claude --continue --fork-session"

S3 — Building Effective AI Agents — Anthropic Engineering

URL: https://www.anthropic.com/engineering/building-effective-agents

  • authority: authoritative-guide

에이전트 패턴을 다룬 Anthropic의 권위 있는 아티클입니다. 이 코스는 여기서 에이전트가 체크포인트에서 멈춰 사람의 피드백을 기다린다는 점, 자율성이 부르는 더 큰 비용과 누적되는 에러, 여러 턴에 걸친 제한된 신뢰, 그리고 비례 원칙 — 결과가 눈에 띄게 나아질 때만 복잡도를 더한다 — 을 가져옵니다.

핵심 인용:

"Agents can then pause for human feedback at checkpoints or when encountering blockers." "The autonomous nature of agents means higher costs, and the potential for compounding errors." "The LLM will potentially operate for many turns, and you must have some level of trust in its decision-making." "it's also common to include stopping conditions (such as a maximum number of iterations) to maintain control." "you should consider adding complexity only when it demonstrably improves outcomes."

S4 — Handle tool calls — Claude API

URL: https://platform.claude.com/docs/en/agents-and-tools/tool-use/handle-tool-calls

  • authority: official-docs

tool_use와 tool_result 콘텐츠 블록의 필드 명세와 짝 규칙을 제시합니다. 모든 tool_use에는 대응하는 tool_result가 있어야 하며, 한꺼번에 함께 돌려보내야 합니다. 재개 레슨은 도구 실행과 원장 기록 사이에서 크래시가 났을 때 남는 허공에 뜬 호출을 처리하기 위해 이 규칙에 기댑니다.

핵심 인용:

"id: A unique identifier for this particular tool use block. ... name: The name of the tool being used. input: An object containing the input being passed to the tool, conforming to the tool's input_schema. ... tool_use_id: The id of the tool use request this is a result for. ... is_error (optional): Set to true if the tool execution resulted in an error." "Whichever strategy you use, return one tool_result for each tool_use block, all together in the next user message. Match each result to its call with tool_use_id, and put every tool_result block before any text content in that message."

S5 — The 2026 Agent Engineering Roadmap — GitHub (codejunkie99/agent-roadmap-2026)

URL: https://github.com/codejunkie99/agent-roadmap-2026

  • authority: blog

하네스 엔지니어링을 축으로 정리한 커뮤니티 오픈 소스 로드맵입니다(AI 보조 집필). 이 코스는 프레이밍 차원의 주장만 가져옵니다. 지속성이 하네스의 한 구성 요소라는 점, 그리고 그 역할이 '노드마다 상태를 체크포인트로 남겨 재개·되감기·분기를 할 수 있게 하는 것'이라는 점입니다. 주의: 여기 실린 퍼센트 임계값, 토큰 수치, 벤치마크 점수, 연봉 수치를 비롯한 구체적 수치는 사실로 인용하지 않습니다.

핵심 인용:

"the harness is the union of:" "persistence. Checkpoint state every node so you can resume, rewind, fork." "Same model, different harness, completely different result."