BMAD 하네스 구조, 에이전트가 스토리 10~15개를 밤새 개발하는 방식
BMAD 하네스는 AI 개발 방법론 BMAD 위에 검증과 자동 실행 장치를 얹어, 에이전트가 사람 없이 여러 개발 작업을 이어서 처리하게 만든 틀입니다. 바이브코딩으로 상용 시스템을 만든 한 사례를 바탕으로, 하네스를 어떤 순서로 쌓았는지와 서브에이전트·LangGraph·모델별 역할 분담 같은 구조를 풀어 씁니다.

수익을 보장하지 않는다. 글에 나오는 매출 수치는 한 사례로 알려진 값이며, 같은 방법을 써도 같은 결과가 나온다는 뜻이 아니다.
BMAD와 하네스가 무엇인지
BMAD(Breakthrough Method for Agile AI-Driven Development)는 애자일 개발 방식을 AI 에이전트 역할로 나눈 오픈소스 프레임워크입니다. 기획, 설계, 요구사항 정리, 개발, 테스트 같은 단계를 스킬(AI가 작업 전에 읽는 지침 묶음)로 만들어 두었고, 라이선스는 MIT입니다. 설치 명령과 지원 도구는 버전마다 바뀌므로 공식 저장소(bmad-code-org/BMAD-METHOD)의 README를 확인한 뒤 따릅니다. 2026년 11월 기준 안정 버전 설치 안내는 npx bmad-method install
하네스(harness)는 AI 에이전트를 말 그대로 "마구"처럼 감싸서, 정해진 절차와 규칙, 검사 장치 안에서만 일하게 만드는 틀입니다. 프롬프트 한 줄을 다듬는 것과 달리, 실패하면 어떻게 보완하고 다시 시킬지까지 시스템에 넣습니다.
이 글에서 다루는 사례는 BMAD를 기본 골격으로 삼고 자기 방식의 하네스를 쌓은 경우입니다. BMAD를 처음 쓰던 시기에는 정책을 모델에 계속 주입했는데, 모델이 그대로 따르지 않는 경우가 있었습니다. 그래서 실패했을 때 보완해서 같은 명령을 다시 수행하게 하는 정책을 하나씩 추가했고, 이것이 하네스가 됐습니다.
BMAD에 다른 도구의 장점을 섞는 이유
BMAD가 강한 부분은 기획, 설계, 요구사항 정리, 개발, 테스트까지를 한 프레임으로 수직 통합해 관리한다는 점입니다. 비슷한 도구로 Superpowers, ECC, gstack이 있는데, 전체 프로세스를 하나로 묶는 데는 BMAD가 낫다고 판단해 골격으로 골랐습니다.
결점은 다른 도구에서 보완했습니다. 예를 들어 QA(품질 검수)를 맡는 스킬은 ECC와 gstack의 것을 가져와 BMAD 안에 넣었습니다. 큰 뼈대는 BMAD이고, 부분 부분만 바꿔 끼운 구조입니다.
검수를 이렇게 철저히 하는 이유는 상용 제품이 목표이기 때문입니다. 상용 제품을 만들지 못하면 바이브코딩은 혼자 쓰는 프로그램이나 비상용 수준에 머물 수밖에 없다는 판단이었습니다. 검수 과정이 많이 들어가면 토큰(AI가 읽고 쓰는 글자 단위) 소비가 조금 늘 수 있지만, 모델별·역할별로 최적화해서 줄일 수 있습니다.
에픽 하나에 스토리 80개까지 커지는 과정
BMAD는 일감을 에픽(가장 큰 일감 단위)과 스토리(에픽 아래의 작은 작업 단위)로 나눕니다. 애자일 방법론의 용어입니다. BMAD가 원래 짜 주는 스토리는 에픽 하나에 많아야 10개 안팎인데, 이 사례의 14번째 에픽은 스토리가 80개였습니다. 통상의 열 배쯤 되는 규모입니다.
처음 린하게(최소 범위로) 시작하면 에픽 하나에 스토리가 작게는 5개, 많게는 8~10개 생성되어 개발합니다. 한 스프린트(정해진 기간 동안 일감을 처리하는 개발 주기)를 돌고 나서도 고객사에서 작은 변경 요구가 계속 들어오고, 이전 스토리를 이어서 보완하다 보면 스토리가 이렇게 늘어납니다.
검증을 사람이 아니라 모델에게 맡기기
하네스를 만들기 전에는 스토리 하나를 한 땀 한 땀 처리했습니다. QA 단계에서 화면(UI)이 있으면 플레이라이트(Playwright, 브라우저를 자동으로 조작해 테스트하는 도구) 같은 것으로 테스트하고, 시드 데이터(테스트용으로 미리 넣는 가짜 데이터)를 만들어 처음부터 끝까지 이어지는 관통 테스트를 하고, 그다음에 사람이 눈으로 확인하는 육안 테스트까지 했습니다.
이 방식은 업무량이 많은 스토리가 생기면 하루에 하나를 처리하기도 어려웠습니다. 수십 년 경력의 전문 개발자가 아니라서 코드를 들여다봐도 한두 개 처리가 한계였습니다. 그래서 방향을 바꿨습니다.
- 정책을 하나씩 넣으면서, 지시한 명령과 프롬프트를 모델이 정상적으로 수행하는지 계속 검증합니다.
- 검증하는 일 자체를 사람이 아니라 모델에게 넘깁니다.
- 검증을 여러 단계로 중첩해서 신뢰도를 높입니다.
육안 테스트가 꼭 필요하다는 생각을 버리고 "자동화할 수 있는 것은 자동화한다"로 간 것이 핵심입니다. 효율을 높이면서 토큰을 적게 쓰는 자동화에 신경을 많이 썼습니다.
LangGraph와 서브에이전트로 만든 무인 런
서브에이전트에 맡기고 폐기하기
LangGraph는 오래 걸리는 에이전트 작업의 상태를 관리하고 흐름을 짜는 프레임워크로, LangChain이 만들었습니다. 이 사례에서는 BMAD에 다른 스킬을 접목한 뒤, LangGraph로 작업을 실제로 처리하는 워커(worker)만 따로 돌게 해 두었습니다.
작업 방식은 이렇습니다. 스토리 하나를 처리할 때 서브에이전트(메인 에이전트가 일을 나눠 맡기는 하위 에이전트)에게 위임하고, 일이 끝나면 그 서브에이전트를 폐기합니다. 메인 에이전트에는 큰 컨텍스트(AI가 한 번에 기억하는 대화 내용)가 쌓이지 않으니, 중간에 컨텍스트를 비우는 clear나 요약하는 compact를 할 필요가 없다는 것이 장점입니다.
결정 공백을 0으로 만들기
스토리 15개를 쉬지 않고 돌리기 위한 가장 큰 요령은 시작 전에 "결정 공백"을 없애는 것입니다. 스토리 15개에 대한 인터뷰를 AI가 사람에게 진행하게 해서, 정해지지 않은 부분이 하나도 남지 않은 상태로 만들어 놓고 시작합니다. 이렇게 만든 하네스의 이름이 "무인런"입니다. 실행 중에 AI가 사람에게 되물어야 하는 상황이 없어야 밤새 멈추지 않기 때문입니다.
진행 상황 보는 라이브 뷰와 휴대폰 관제
하네스의 단계별 진행 상황과 실패 이유를 브라우저에 표시하는 라이브 뷰를 만들었습니다. 자리를 비우거나 식사하는 사이 컨텍스트가 소진되면 진행 상태를 알 수 없기 때문입니다. 하네스는 집에 있는 맥에서 돌리고, 관제는 휴대폰으로 합니다.
한 번에 돌릴 수 있는 분량
이 사례에서 스토리 10~15개는 밤새 사람 없이 돌아갑니다. 중간 개입 없이 20~30개를 돌릴 수도 있지만, 요구사항이 바뀌거나 세부를 다듬을 때는 사람이 직접 들어가 루프(반복 실행)를 멈춥니다. 처리가 안 돼서 멈추는 경우는 거의 없다고 합니다. 새벽 2시에 스토리 15개짜리 에픽을 걸어 두고 잔 뒤 휴대폰으로 확인했을 때 8개쯤이 완료 처리되고 다음 스토리를 뽑는 중이었던 적이 있습니다. 모델과 프로젝트에 따라 결과는 달라집니다.
역할별로 모델을 나눠 쓰는 비용 최적화
하네스의 각 노드(처리 단계)와 역할마다 쓸 모델을 지정했습니다. 전체 진행을 맡는 오케스트레이션(조율) 역할에는 오퍼스 5.5를 쓰고, 코딩 역할은 소네(Sonnet)급으로도 충분하다는 판단입니다. 모든 역할을 가장 큰 모델로 돌리면 토큰이 더 들기 때문에, 역할의 난이도에 맞춰 모델을 나누는 것이 비용 절감의 핵심입니다. 요금은 바뀌므로 각 회사 공식 안내에서 확인합니다.
프로젝트 일정의 절반은 요구사항 분석
이 사례의 실제 계약 기간은 4개월 정도였고, 그중 한 달 반에서 두 달을 요구사항 인터뷰에 썼습니다. 개발 기간은 한두 달이었습니다. 고객이 원하는 것을 스스로 표현하지 못하는 경우가 많아서, 기능 요구사항과 비기능 요구사항(성능, 보안 같은 품질 조건), 법무 요구사항까지 인터뷰로 모읍니다.
모은 요구사항은 모델을 시켜 3~4배 정도 더 구체적으로 세분화하고, 각 요구사항이 서로 맞는지(정합성)도 모델로 검증합니다. 요구사항을 하나부터 열까지 전부 사람이 인터뷰하지 않아도 요즘은 모델이 충분히 도와 준다는 설명입니다. 이 프로젝트에서는 요구사항을 내는 사람과 시스템을 쓰는 사람을 빠짐없이 가려내는 이해당사자 분석을 가장 중요하게 봤습니다.
구축한 시스템은 학습자 대상 상용 교육 플랫폼이었고 구성은 이렇습니다.
- 학습자가 처음 들어오는 공통 홈페이지와 사용자 페이지
- B2B 기관 운영자가 쓰는 화면
- 백오피스(운영자용 관리 화면)와 시스템 백엔드
기관 담당자가 비용을 내고 이용권을 사면 플랫폼 운영자가 강좌를 열어 주는 구조입니다. 강의 영상에서 AI 모델로 부가 데이터를 추출해 이후 발생하는 비용을 줄여 준 점이 고객 만족도를 높인 사례로 꼽힙니다.
이런 프로젝트를 두고 "두 달 동안 1억 원"이라는 수치가 알려져 있습니다. 다만 매출인지 순이익인지 구분되지 않은 값이고, 한 사람의 한 프로젝트 경험입니다. 계약 4개월, 요구사항 분석 한 달 반 이상이라는 조건과 함께 봐야 하며, 그대로 기대할 수 있는 금액이 아닙니다.
처음 시작하는 사람이 참고할 학습 방식
이 사례에서 개발 지식은 다음 방식으로 쌓았습니다.
- 모델이 내놓는 용어를 집중해서 찾아보고 하나하나 익혔습니다. 그래서 프롬프트를 쓸 때도 모델이 쓰는 용어를 그대로 씁니다.
- 처음에는 배운 방식을 자기 기준으로 바꾸지 않고 그대로 따라 했습니다. 경험이 있는 사람일수록 배운 것을 자기 식으로 각색하다 왜곡이 생기기 쉽습니다.
- 클론코딩(기존 서비스를 똑같이 따라 만들기) 과제를 그대로 해 본 다음에 기능을 덧붙여 확장했습니다.
- 한 단계씩 문제를 해결하며 더 나은 방법을 고민했습니다. 결과가 마음에 들지 않아 포기하는 일이 많은데, 정해진 과정을 그대로 끝까지 해 보면 그 문제가 해결된다는 경험입니다.
자주 묻는 질문
BMAD는 무료인가요?
BMAD 프레임워크는 MIT 라이선스의 오픈소스라 무료로 쓸 수 있습니다. 다만 BMAD를 돌릴 AI 코딩 도구(클로드 코드, 코덱스 등)와 모델 사용료는 별도입니다. 설치 방법과 지원 도구는 버전마다 달라지니 공식 저장소 README를 확인합니다.
하네스는 프롬프트와 무엇이 다른가요?
프롬프트는 한 번의 지시이고, 하네스는 지시를 어떤 순서로 실행하고, 실패하면 어떻게 보완하고, 결과를 누가 검증할지까지 정해 둔 시스템입니다. 같은 실수가 반복될 때 프롬프트를 고치는 대신 규칙과 검사 단계를 추가하는 것이 하네스 쪽 접근입니다.
스토리를 몇 개까지 한 번에 돌릴 수 있나요?
이 사례에서는 10~15개를 밤새 사람 없이 돌렸고, 20~30개도 가능하지만 요구사항이 바뀌면 사람이 개입해야 했습니다. 모델, 프로젝트 크기, 하네스 설계에 따라 달라지는 값입니다.
이 방법으로 두 달에 1억 원을 벌 수 있나요?
수익은 보장되지 않습니다. 알려진 수치는 한 사례의 값이고, 매출인지 순이익인지 구분되지 않았으며, 4개월 계약과 한 달 반 이상의 요구사항 분석이 전제된 프로젝트였습니다. 고객을 구하는 일, 계약 조건, 유지보수 책임은 하네스와 별개의 문제입니다.
비개발자도 하네스를 만들 수 있나요?
이 사례의 개발자도 수십 년 경력의 전문 개발자는 아니었습니다. 모델이 쓰는 개발 용어를 찾아 익히고, 처음에는 정해진 방식을 그대로 따라 하며 문제를 한 단계씩 풀었습니다. 다만 상용 시스템은 보안과 법무 요구사항까지 걸리므로, 서비스를 실제로 내놓기 전에는 전문가 검토를 받는 편이 안전합니다.
이 글의 본문은 아래 원본 유튜브 영상의 내용을 바탕으로 쓸모연구소가 다시 정리해 쓴 것입니다. 세부 내용과 최신 정보는 원본 영상과 공식 안내에서 확인해 주세요.
원본 영상 보러가기 ↗