xgen-harness 0.15.3

XGEN Harness Pipeline Library — orchestrator_hint 실분기(linear/plan_execute) + Stage-local strategies 디렉토리 자동 스캔

xgen-harness

Harnee Engineering 철학 기반 12-Stage 에이전트 실행 프레임워크

pip install xgen-harness

---

한 줄 요약

워크플로우를 "짜는 것" 이 아니라 "설정하는 것" 으로 바꾼 에이전트 실행기. 사용자는 무엇을 할지 선언, 하네스는 어떻게 를 자동 조립. 현재 상태(v0.11.23): Stage × Strategy × Capability 3층, 40+ Strategy, 5-Level Cascade Compression (Claude Code 이식), tool_choice API (OpenAI/Anthropic/LangChain 통합), drift-free 연결선 (엔진↔이식↔프론트 단일 진실), 컴파일러(→ wheel), DAG 오케스트레이터.

---

🆕 최신 주요 변경 (v0.11.14 → v0.11.23)

Claude Code 압축 패턴 이식 (v0.11.14~17)

버전	핵심
v0.11.14	L3 Microcompact 완성 — Claude Code 5-Level 압축 전부 이식 (L1/L3/L4/L5)
v0.11.15	Strategy Cascade — strategy="cascade" 로 L3→L4→L5 압력별 자동 선택
v0.11.16	Cascade 디폴트 튜닝 (70/85/95 → 80/90/97) — baseline 동기, 조기 발동 해악 방지
v0.11.17	citation_mode="auto" 실험적 auto-router (도메인 감지)

Tool Choice / RAG 실전 활로 (v0.11.18~20)

버전	핵심
v0.11.18	rag_ingestion_mode (system_prompt / tool_only / both) — L3 실전 조건 충족
v0.11.19	tool_choice API (auto/required/none/{name}) — Provider 4종 통합, force_tool_use 옵션
v0.11.20	코드 감사 후속: 고유명사 하드코딩 제거, _cascade_*_override leak 해소, list_strategies() 6종 동기, force_tool_use circuit breaker (loop ≥1 → auto 격하), Anthropic none 처리, LangChain tool_choice forward, chars_per_token / citation_auto_*_tokens override

이식 연결선 / 확장지점 / drift-free (v0.11.21~23)

버전	핵심
v0.11.21	연결선 3 갭 해소: (1) HarnessConfig top-level context_window / thinking_enabled / thinking_budget_tokens forwarding (Pilot #10 stage_params 우회 근본 제거) (2) s07 output_tokens 선착 1회 집계로 MetricsEvent 0 증상 해소 (3) s06 compactor 외부 교체 개방 — AdvancedContextCompactor ABC 신설 + 4 구현체 (Microcompact/ContextCollapseOverlay/AutocompactLLM/Cascade) 레지스트리 등록, 기여자가 register_strategy 로 자기 구현 swap. pyproject.toml mypy gate 추가 (core.* relaxed baseline)
v0.11.22	Provider tokenizer 확장점: LLMProvider.count_tokens(text) -> (tokens, source) 공식 확장점. OpenAI 는 tiktoken 자동 감지. s07 usage 실패 시 자동 보정 + metadata["output_tokens_sources"] 출처 남김. PipelineState 도메인 분해: ToolGroup/ValidationGroup dataclass 신설, state.tool.* / state.validation.* 로 재구성. property shim 으로 기존 경로 (state.tool_definitions 등) 자동 위임 → Stage/이식/프론트 0 수정. compactor 물리 분해 (strategies/compactor_pd.py). bare except 전수 40+ 건 logger.debug/warning 로 교체
v0.11.23	options_source 전면 선언 — 이식 수동 매핑 자연 삭제 경로. 엔진 stage_config 의 11 필드 (s01_input.provider, s03_prompt.prompt_id, s04_tool.custom_tools/cli_skills/capabilities/node_tags, s06_context.ontology_collections/folders/files/db_connections 등) 에 options_source 선언 → 이식 bootstrap_default_sources 가 엔진 역매핑으로 자동 채움. 엔진이 UI 필드의 단일 진실 소스, drift 감지 로그

주장 지표 (n=3 replay 확정):

시나리오	Harness vs Legacy
assort 단답 (e-commerce CS)	kw +332%, lat -37%
assort_hard L4 필터	kw +69%, lat -26%
assort_hard L5/L6 집계·랭킹	lat -35~-38%
krra 문서 인용	cite 1.94/turn (legacy 0)
krra 멀티홉 교차	cite 2.10/turn, lat -19%
장기 대화 cascade 안정성	std ½ (89.6 → 44.2)

Latency 전 시나리오 Harness 우세 (−12~−38%). 벤치 500+ 턴 근거 — bench/INFINITE-LOG.md, docs/universe-proof*.md 참조.

---

인터페이스 구조 (실행 흐름)

  [Config 선언] → [Pipeline 조립] → [Runtime 바인딩] → [실행] → [Result]
        ↑               ↑                  ↑              |         |
        |               |                  |              |         |
   Save/Load JSON   Stage Plugin      Capability 자동   SSE Events  Replay
   Builder API     Strategy Swap     Tool/RAG/MCP      Guard 체인  Metrics
   Preset/Share    Variant 복사       Param Resolver    재시도 루프  Cost 집계
                   Artifact 선택
                                                            ↓
                                                    xgen.compile(wf)
                                                    → pip 가능한 wheel

박스	책임	핵심 API
Config 선언	HarnessConfig dataclass — provider/model/stage_params/active_strategies/capabilities/strategy_variants/external_inputs	to_dict / from_dict / from_workflow / save / load / PipelineBuilder / PRESETS
Pipeline 조립	ArtifactRegistry.build_pipeline_stages — 등록된 Stage + Strategy 자동 조립	register_stage / StrategyResolver / entry_points
Runtime 바인딩	ServiceProvider 주입 + CapabilityRegistry 발행 + ParameterResolver	ResourceRegistry.publish_capabilities / NodeAdapter
실행	Pipeline.run 12 Stage 순차 + Agentic Loop + on_error/RetryEvent	EventEmitter / verbose_events
Result	state.validated_output + MetricsEvent + DoneEvent	SSE 스트림 / Replay (events 저장)
Compile	xgen.compile(wf) → xgen-gallery-<name> wheel — pip install 후 arun("입력") 한 줄	compile_workflow / build_wheel / load_snapshot

확장 통로 (통로 패턴 — 핵심 코드 불변)

확장 지점	빌트인 + 외부 플러그인
Stage 추가 / swap	register_stage() · entry_points(group="xgen_harness.stages")
Strategy 추가	register_strategy() · entry_points(group="xgen_harness.strategies")
Strategy Variant	HarnessConfig.strategy_variants — 디폴트 impl 을 파라미터만 바꿔 "복사본 v2" 로 노출 (v0.10.4)
NodeAdapter 추가	register_node_adapter() · entry_points(group="xgen_harness.node_adapters")
이식 측 옵션 소스	register_option_source() · entry_points(group="xgen_harness.option_sources")
프론트 Stage selector	registerStageSelector(stage_id, Component)
Capability 추가	CapabilityRegistry.register() · Adapter publish_capabilities()
LLM Provider 추가	register_provider() · entry_points(group="xgen_harness.providers")
DependencyRule (컴파일러)	register_dependency_rule() · 외부 SDK 자동 wheel 의존성 주입
Evaluation Criterion	register_evaluation_criterion() · s09 평가 기준 추가
Fan-out Strategy (DAG)	register_fan_out_strategy() · 멀티에이전트 분기 규칙

---

3층 아키텍처 — Stage · Strategy · Resource

                       ┌──────────────────────────────────┐
   ┌──────────────────▶│           Resource               │
   │                   │  MCP · RAG · DB · API · Gallery  │
   │                   │  · Capability (선언형)           │
   │                   └──────────────────────────────────┘
   │                                   ▲
   │                                   │ register_service()
   │                                   │ register_tool_source()
   │      ┌────────────────────────────┴──────────────────┐
   │      │                  Strategy                     │
   │      │  ExponentialBackoff · AnthropicCache ·        │
   │      │  LLMJudge · RuleBased · Progressive3Level ·   │
   │      │  Threshold · AlwaysPass · ContentGuard · ...  │
   │      │  40+ 구현체, StrategyResolver 로 런타임 교체  │
   │      └───────────────────────────┬──────────────────┘
   │                                  │
   │        ┌─────────────────────────┴────────────────────┐
   └────────┤                     Stage                    │
            │  s01 Input · s02 History · s03 Prompt        │
            │  s04 Tool · s05 Strategy · s06 Context       │
            │  s07 LLM · s08 Act · s09 Judge               │
            │  s10 Decide · s11 Save · s12 Finalize        │
            │  12개 고정 슬롯 (Artifact 로 구현 swap)      │
            └──────────────────────────────────────────────┘

층	역할	실제 API
Stage	12개 고정 슬롯 — Artifact 로 구현 교체	register_stage() / disabled_stages
Strategy	Stage 내부 알고리즘 교체	register_strategy() / active_strategies / strategy_variants
Resource	외부 자원 (MCP/RAG/DB/API/Capability)	register_service() / CapabilityRegistry

핵심 원칙

• 라이브러리 ≠ 인프라: 라이브러리는 URL·API 키·프로바이더 이름을 모른다 → 어댑터가 주입
• Graceful skip: 미등록 자원은 에러가 아니라 자동으로 건너뜀
• 무침범: 새 Stage/Strategy/Tool 추가할 때 기존 코드 1줄도 수정할 필요 없음
• 하드코딩 0: if provider == "...", if stage_id == "..." 같은 분기 전부 제거 — v0.11.20 에서 프로젝트 고유명사(e.g. 회사/컬렉션 토큰) 까지 전량 제거, citation_auto_*_tokens 로 확장 지점화. v0.11.23 에서 이식측 수동 매핑 (stage_id/stage_param_key 수동 기입) 도 엔진 options_source 단일 선언으로 자연 삭제.
• 단일 진실 소스 (v0.11.22~23): UI 필드·옵션 소스·tokenizer 선택 전부 엔진이 결정, 이식/프론트는 받아서 렌더만. drift 감지 시 경고 로그.

---

확장성 & 안정성 현황 (v0.11.23 기준)

확장 지점	방식	등급
Stage 추가	register_stage() + entry_points 자동 발견 + Pipeline 전역 레지스트리 결합	A
Strategy 교체	StrategyResolver 전역 레지스트리 (40+ 구현체, 런타임 교체)	A
Strategy Variant	디폴트 건들지 않고 복사본 파라미터만 교체해 사용자 정의 v2 노출 (v0.10.4)	A
LLM 프로바이더	PROVIDER_REGISTRY + register_provider() + PROVIDER_DEFAULT_MODEL 단일 진실 소스	A
Tool 소스	ToolSource Protocol + Gallery entry_points + TOOL_GUIDE	A
서비스 URL	ServiceRegistry + 환경변수 폴백 + graceful skip	A
Capability	타입 무관 CapabilityRegistry (5개 인덱스, 3가지 바인딩 경로)	A
Config 직렬화	dataclasses.fields() 자동 순회 — 새 필드 추가해도 코드 수정 불필요	A
UI 옵션 자동 주입	provider/model 드롭다운이 레지스트리에서 동적 해석	A
에러 처리	ErrorCategory + recoverable + on_error 훅 (일반 예외도 복구 경유)	A
Decide 분기	DecideStrategy.decide() 로 Stage 내부 if/else 0줄 (v0.11.1)	A
ContentGuard	사용자 정의 패턴 + PII(이메일/휴대폰/주민번호/카드) 감지 실구현 (v0.11.1)	A
컴파일러	xgen.compile(wf) → pip 가능 wheel. 외부 SDK 의존성도 register_dependency_rule() 로 자동 주입	A
DAG 오케스트레이터	멀티에이전트 SSE 분기/병합 + fan-out Strategy 레지스트리	A
Context Compression	5-Level Cascade (L1/L3/L4/L5) + strategy=cascade 자동 선택 + stage_param override (v0.11.15~20)	A
Advanced Compactor 외부 교체	AdvancedContextCompactor ABC + register_strategy("s06_context","compactor",…) 슬롯 (v0.11.21)	A
Tool Choice 제어	OpenAI/Anthropic/LangChain 통합 tool_choice API, force_tool_use toggle + circuit breaker (v0.11.19~20)	A
RAG 주입 모드	rag_ingestion_mode (system_prompt / tool_only / both) — L3 Microcompact 실전 조건 (v0.11.18)	A
Citation 제어	citation_mode (off/enabled/strict/auto) + citation_auto_*_tokens 확장 지점 (v0.11.17~20)	A- (auto 실험적)
Provider tokenizer	LLMProvider.count_tokens() 확장점 + output_tokens_sources 관측 (v0.11.22)	A
State 도메인 분해	ToolGroup / ValidationGroup dataclass + property shim 하위호환 (v0.11.22)	A
UI 옵션 소스 단일 진실	엔진 stage_config.options_source 선언 → 이식 bootstrap_default_sources 자동 역매핑 (v0.11.23)	A
전체 plug-and-play 성숙도		~98%

모든 확장 지점이 레지스트리 + 팩토리 + ABC/Protocol 기반. 라이브러리 본체에 하드코딩된 프로바이더/모델/판정 로직 0건.

허브 정신 일관성 체크 (자동)

• HarnessConfig.to_dict() — dataclasses.fields() 순회로 자동 직렬화. 새 필드 추가 시 직렬화 코드 수정 불필요.
• _extract_agent_config_from_nodes() — list_providers() 순회로 per-provider 기본 모델을 레지스트리에서 해석.
• 사용자가 register_provider("my_llm", MyProvider) 한 줄 추가만 해도 config / UI / stage / 직렬화 전부 자동 반영.
• s10_decide 는 DecideStrategy.decide() 로 전적 위임 — 새 판단 알고리즘 추가도 Strategy 한 클래스로 끝.

---

3가지 바인딩 경로 (Capability 시스템)

사용자가 도구를 붙이는 방법은 셋 다 지원됨:

① 선언 바인딩                        ② 발견 바인딩                  ③ 자동 발행
   (capabilities 필드)                 (s05 natural intent)           (Adapter → Registry)
   ↓                                   ↓                              ↓
config.capabilities =                "뉴스 찾아서 요약해줘"          워크플로우 노드
["retrieval.web_search"]                    ↓                        → MCP/API/DB/RAG
   ↓                                   Matcher 매칭                   → publish_capabilities()
s04_tool 바인딩                      s04 바인딩                      → ①②가 사용 가능

실행 중 LLM이 빠뜨린 필수 파라미터는 ParameterResolver 가 provided → context → llm_infer → default 우선순위로 자동 채움.

---

빠른 시작

독립 실행 (어댑터 없이)

from xgen_harness import Pipeline, PipelineState, HarnessConfig, EventEmitter
from xgen_harness.core.execution_context import set_execution_context

set_execution_context(api_key="sk-...", provider="openai", model="gpt-4o-mini")

config = HarnessConfig(
    provider="openai", model="gpt-4o-mini",
    capabilities=["retrieval.web_search"],   # 선언만 — 하네스가 조립
)
pipeline = Pipeline.from_config(config, EventEmitter())
state = PipelineState(user_input="오늘 한국 날씨 알려줘")

await pipeline.run(state)
print(state.final_output)

xgen-workflow 연동

from xgen_harness.adapters.xgen import XgenAdapter

adapter = XgenAdapter(db_manager=db_manager)
async for event in adapter.execute(workflow_data, input_data, user_id=user_id):
    yield event  # xgen SSE 포맷 (그대로 프론트에 전달 가능)

워크플로우 → wheel 컴파일 (v0.10.0+)

import xgen_harness as xh

# 하네스 워크플로우 하나를 pip install 가능한 wheel 로 변환
result = xh.compile_workflow(
    harness_config=config,
    workflow_data={"nodes": [...], "edges": [...]},
    gallery_name="team_q_and_a",
    gallery_version="0.1.0",
    out_dir="./dist",
)
# → dist/xgen_gallery_team_q_and_a-0.1.0-py3-none-any.whl

# 받는 쪽은 한 줄로 설치 + 실행
# $ pip install xgen-gallery-team-q-and-a
# >>> from xgen_gallery_team_q_and_a import arun
# >>> await arun("안녕?")

${OPENAI_API_KEY} / ${MY_API_URL} 같은 참조는 자동 스캔해서 env.example 생성. 외부 SDK 의존성도 register_dependency_rule() 로 자동 wheel 에 주입. 폐쇄망 시나리오(pip install --no-index)까지 검증됨.

확장 예시 (코드 수정 없이 꽂기)

from xgen_harness import (
    register_provider, register_stage, register_tool_source, register_service,
)
from xgen_harness.core.strategy_resolver import register_strategy

# Strategy 교체
register_strategy("s09_judge", "evaluation", "strict", StrictJudge)

# LLM Provider 추가
register_provider("my_llm", MyLLMProvider)

# 새 Stage 플러그
register_stage("s99_custom", "default", MyCustomStage)

# 주변기기 연결
register_service("documents", "http://my-rag:8000")
register_tool_source(my_tool_source)

Strategy Variant — 디폴트 건들지 않고 "복사해서 v2" (v0.10.4)

config = HarnessConfig(
    provider="openai",
    strategy_variants={
        "s06_context": [
            {
                "name": "my_compactor_v2",
                "base": "token_budget",            # 디폴트 impl 을 복사
                "params": {"budget_ratio": 0.5},   # 파라미터만 교체
                "label": "엄격 압축",
            }
        ]
    },
    active_strategies={"s06_context": "my_compactor_v2"},
)

엔진이 active_strategies[s06_context] == variant name 이면 base impl 로 resolve 후 params 병합. 디폴트 구현체는 건들지 않으므로 사용자끼리 변형이 안 겹침.

구성 저장/로드

# 빌더로 조립한 하네스 구성을 JSON 으로 보관
builder = (PipelineBuilder()
    .with_provider("openai", model="gpt-4o-mini")
    .with_rag("docs", top_k=5)
    .with_artifact("s04_tool", "lotte")
    .disable("s05_strategy"))
builder.save("./harness.json")

# 다른 프로세스에서 로드
loaded = PipelineBuilder.load("./harness.json")
pipeline = loaded.with_api_key("sk-...").build()

# HarnessConfig 도 동일한 API
config = HarnessConfig(provider="openai", capabilities=["retrieval.web_search"])
config.save("./config.json")
config = HarnessConfig.load("./config.json")

직렬화는 dataclasses.fields() 자동 순회라 새 필드 추가해도 직렬화 코드 수정 불필요. api_key 등 민감/런타임 객체는 자동 제외.

---

12 Stage 파이프라인

Phase A: 준비 (1회)
  s01 Input → s02 History → s03 Prompt → s04 Tool

Phase B: 에이전트 루프 (반복)
  s05 Strategy → s06 Context → s07 LLM → s08 Act → s09 Judge → s10 Decide
                                                                      ↓
                                                          계속 → s05 로 루프
                                                          완료 → Phase C

Phase C: 마무리 (1회)
  s11 Save → s12 Finalize

Stage별 기능 (v0.11.0 리네이밍 반영)

#	Stage ID	Display (KO)	하는 일	설정 가능 항목	Strategy
1	s01_input	입력	Provider 생성, API 키 해석	provider, model, temperature	default
2	s02_history	이력	대화 이력 로드	max_history, memory_collection	default, embedding_search
3	s03_prompt	프롬프트	섹션 기반 조립 + RAG + Citation	system_prompt, citation_enabled	section_priority, simple
4	s04_tool	도구	MCP / Gallery / RAG 도구 수집 + force_tool_use (v0.11.19)	mcp_sessions, rag_collections, rag_tool_mode, force_tool_use	progressive_3level, eager_load
5	s05_strategy	전략	자동/CoT/ReAct/None	planning_mode (auto/cot/react/none)	auto (complexity 연동)
6	s06_context	컨텍스트	RAG 검색 + 5-Level Cascade Compression + rag_ingestion_mode (v0.11.14~20)	rag_collections, context_window, rag_ingestion_mode, cascade_l3/l4/l5_threshold, chars_per_token	6종: token_budget, sliding_window, microcompact (L3), context_collapse_overlay (L4), autocompact_llm (L5), cascade
7	s07_llm	LLM	스트리밍 + 재시도 + 비용 추적	max_tokens, max_retries, context_limit	retry: exponential_backoff / no_retry · parser: anthropic / openai · thinking: default / disabled
8	s08_act	실행	도구 디스패치	timeout, result_budget	sequential, parallel
9	s09_judge	판정	LLM Judge / Rule-based / None	criteria, threshold	llm_judge, rule_based, none
10	s10_decide	결정	Guard 체인 + 루프 판단	max_iterations, guards, cost_budget_usd, content_blocked_patterns, content_detect_pii	threshold (Guard+Score+Response), always_pass
11	s11_save	저장	실행 이력 DB 저장	table_name, save_enabled	default, noop
12	s12_finalize	마무리	메트릭스 + 포맷팅	output_format (text/json/markdown)	default, format_json

⚡ v0.11.0 Stage ID 리네이밍 — 7개 스테이지 id 가 더 직관적인 이름으로 변경됨: s02_memory → s02_history, s03_system_prompt → s03_prompt, s04_tool_index → s04_tool, s05_plan → s05_strategy, s08_execute → s08_act, s09_validate → s09_judge, s12_complete → s12_finalize. 기존 저장된 워크플로우는 alias 레이어 로 계속 동작. v0.12+ 에서 구 id 제거 예정.

---

서비스 연동 구조

라이브러리는 범용 이름(documents, mcp, config)으로 서비스를 조회하고, 어댑터가 실제 URL을 등록한다. 미등록 서비스는 graceful skip.

# 어댑터 측 (XgenAdapter._register_xgen_services)
register_service("config", "http://xgen-core:8000")
register_service("documents", "http://xgen-documents:8000")
register_service("mcp", "http://xgen-mcp-station:8000")

# Stage 측 (라이브러리 내부)
url = get_service_url("documents")  # None이면 해당 기능 자동 skip

서비스 이름	사용 Stage	용도
config	s01	API 키 조회 (persistent_configs)
documents	s03, s06	RAG 문서 검색
mcp	s04, s08	MCP 도구 디스커버리 + 실행
(DB)	s02, s11	대화 이력 + 실행 로그 (ServiceProvider 주입)

---

RAG 연동

1. Pre-search (s06 컨텍스트)

사용자 입력으로 문서 검색 → 시스템 프롬프트에 자동 주입.

config = HarnessConfig(
    provider="openai", model="gpt-4o-mini", preset="rag",
    stage_params={"s06_context": {"rag_collections": ["my_collection"]}}
)

2. Tool mode (에이전트 호출)

에이전트가 대화 중 필요할 때 직접 rag_search 도구를 호출.

config = HarnessConfig(
    stage_params={
        "s04_tool": {
            "rag_collections": ["my_collection"],
            "rag_tool_mode": "tool",  # presearch / tool / both
        }
    }
)

3. Citation

config = HarnessConfig(
    stage_params={
        "s03_prompt": {"citation_enabled": True}
    }
)
# → LLM 이 [DOC_1], [DOC_2] 형식으로 문서 인용

---

5-Level Context Compression Cascade (Claude Code 이식, v0.11.14~16)

대화가 길어져 context_window 에 근접하면 단일 압축으로 부족하고, 과도 압축은 맥락 손실을 유발한다. Claude Code 의 5-Level Cascade 를 이식 — 압력 구간별로 서로 다른 전략을 단계적 적용.

Level	전략	동작	stage_params.s06_context
L1	Tool Result Budget (내재)	50 KB 이상 tool_result 는 preview + pd_stores["tool_result"] 보존	(항상)
L2	History Snip	token_budget 의 first + last N 유지	strategy="token_budget"
L3	Microcompact	오래된 tool_result 블록만 placeholder 로 교체 (비파괴, pd_stores 복원)	strategy="microcompact"
L4	Context Collapse Overlay	중간 메시지 → overlay 마커 + 원본 pd_stores["history"] 보존, fetch_pd 복원	strategy="context_collapse_overlay"
L5	Autocompact	child LLM 이 9-section 구조 요약 생성 → messages 를 [first, summary, last_N] 로 축소	strategy="autocompact_llm"

Cascade — 압력에 따른 자동 선택 (v0.11.15+, 기본값 v0.11.16 보정)

stage_params = {
    "s06_context": {
        "strategy": "cascade",
        # v0.11.16 디폴트 (baseline 동기 80/90/97 — 조기 발동 방지)
        "cascade_l3_threshold": 80,   # 도달 시 L3 시도 (tool_result 교체)
        "cascade_l4_threshold": 90,   # 추가 발동 → L4 overlay
        "cascade_l5_threshold": 97,   # 최후 → L5 child LLM summary
    }
}

한 턴당 L3 + (L4 또는 L5) 최대 2 단계. 실행 결과는 results["cascade_applied"] = ["L3", "L5"] 처럼 기록.

왜 L3 단독보다 Cascade 인가 — Iter#5 반증 기록 (bench/INFINITE-LOG.md):

• v0.11.15 초기 디폴트 70/85/95 는 조기 발동으로 ctx 여유 시 baseline 대비 ans -19% 품질 악화
• v0.11.16 디폴트 80/90/97 로 교정 → baseline 이 자연 compact 할 시점 이후에만 cascade 개입 원칙
• Iter#8 n=3 replay: cascade 의 가치는 "평균 품질" 보다 분산 1/2 (std 89.6 → 44.2) = worst-case 방어

RAG 주입 모드 (v0.11.18)

rag_ingestion_mode 로 RAG 결과를 어디에 주입할지 선택 — L3 를 실전에서 발동시키려면 tool_only 가 필수.

값	설명	용도
system_prompt (기본)	RAG chunk 를 system prompt 에 통으로 주입	빠른 응답, 도구 호출 불필요 시나리오
tool_only	system prompt 주입 skip, LLM 은 rag_search 도구만 사용	L3 Microcompact 조건 충족 (tool_result 누적)
both	둘 다	양쪽 장점 결합

자동 정정: s04_tool.rag_tool_mode="tool" 이면 rag_ingestion_mode 가 자동 tool_only 로 전환 (사용자 의도 존중).

---

Tool Choice 제어 (v0.11.19~20)

OpenAI / Anthropic / LangChain 통합 tool_choice API — 특정 tool 호출 강제, 첫 iter 탐색 강제 등.

stage_params = {
    "s04_tool": {
        "rag_tool_mode": "tool",
        "force_tool_use": True,  # 첫 LLM 호출에 tool_choice="required" 강제
    }
}

내부 동작:

• OpenAI: body["tool_choice"] = "required" (v0.11.19)
• Anthropic: body["tool_choice"] = {"type": "any"} 로 변환 (v0.11.19)
• LangChain: llm.bind_tools(tools, tool_choice="required") forward (v0.11.20)
• none: Anthropic 은 공식 미지원이라 tools 자체 drop 으로 semantics 맞춤 (v0.11.20)

Circuit Breaker (v0.11.20) — force_tool_use=True 라도 loop_iteration >= 1 부터 tool_choice="auto" 로 격하. OpenAI required 가 매 호출마다 tool 강제로 무한 루프 유발 가능 → 첫 iter 만 강제, 이후 LLM 판단.

---

엔진 ↔ 이식 ↔ 프론트 drift-free 연결선 (v0.11.21~23)

이식측이 엔진 내부를 "베껴쓰는" 지점이 있으면 한쪽을 바꿀 때 drift 가 생긴다. v0.11.21~23 은 이 연결선을 한 방향 선언 으로 뒤집었다.

1. HarnessConfig top-level forwarding (v0.11.21)

이전: context_window / thinking_enabled / thinking_budget_tokens 는 stage_params["s07_llm"] 안쪽에 숨어 있어, 이식측이 stage_params 파싱을 하지 않으면 전달이 실패 (Pilot #10 증상).

지금: HarnessConfig.from_workflow() 가 top-level hc 에서 바로 수신 (_safe_int 유틸 + 최소 1024 가드).

# adapters/xgen.py
hc = workflow_data.get("harness_config", {})
config_kwargs["context_window"] = _safe_int(hc.get("context_window"), default=200000, min_val=1024)
config_kwargs["thinking_enabled"] = bool(hc.get("thinking_enabled", False))
config_kwargs["thinking_budget_tokens"] = _safe_int(hc.get("thinking_budget_tokens"), default=10000)

2. Provider tokenizer 확장점 (v0.11.22)

이전: OpenAI 가 USAGE 이벤트로 output_tokens 를 안 줄 때 len(text)/4 같은 ad-hoc 휴리스틱을 s07 내부에 박아둠.

지금: LLMProvider.count_tokens(text) -> (tokens, source) 공식 확장점. OpenAI 는 tiktoken 감지 시 encoding_for_model → o200k_base. 외부 provider 가 자기 tokenizer 를 갖고 있으면 이 메서드만 override → 자동 참여.

# providers/base.py
class LLMProvider(ABC):
    def count_tokens(self, text: str) -> tuple[int, str]:
        """tokens, source 반환. source 는 'usage' | 'tiktoken' | 'estimate_chars_3' 등."""
        return max(1, len(text) // 3), "estimate_chars_3"

관측자는 state.metadata["output_tokens_sources"] 를 읽어 추정 여부를 판단.

3. options_source 단일 선언 (v0.11.23)

이전: 이식 harness_options_registry.bootstrap_default_sources 에 11 필드의 stage_id/stage_param_key 가 수동으로 박혀 있음. 엔진이 필드 추가/리네이밍하면 drift.

지금: 엔진 stage_config 에 options_source 선언 → 이식이 빈 문자열로 둬도 엔진 역매핑으로 자동 채워짐. drift 시 경고 로그.

# xgen_harness/core/stage_config.py  (엔진)
StageConfigField(
    key="prompt_id", stage_id="s03_prompt",
    options_source="prompt-store",   # ← 이 한 줄이 이식 수동 매핑을 대체
    ...
)

효과: 이식측 11 라인 수동 박음을 안전하게 제거 가능. UI 필드 추가 시 이식/프론트 수정 0 — 엔진이 UI 의 단일 진실 소스.

4. Advanced Compactor 외부 교체 (v0.11.21)

from xgen_harness.stages.strategies.compactor_pd import AdvancedContextCompactor
from xgen_harness.core.strategy_resolver import register_strategy

class MyCompactor(AdvancedContextCompactor):
    async def apply(self, state, stage, budget_used, results):
        ...  # state/pd_stores/provider 전부 접근 가능

register_strategy("s06_context", "compactor", "my_compactor", MyCompactor)

# stage_params.s06_context.strategy = "my_compactor" → 자동 위임

5. PipelineState 도메인 분해 (v0.11.22, 무침범)

state.tool_definitions / state.pending_tool_calls / state.tool_results → state.tool.* 로 재그룹. state.validation_score / state.validation_feedback / state.retry_count → state.validation.* 로 재그룹.

property shim 으로 기존 경로 전부 유지 → Stage/이식/프론트 0 수정. 외부 기여자는 ToolGroup / ValidationGroup 서브클래싱으로 캐시·평가 메타 확장 가능.

---

API 키 해석 (동시성 안전)

os.environ 쓰기 0개. contextvars 기반으로 동시 실행 시 키가 섞이지 않음.

1. ExecutionContext (contextvars) ← 최우선
2. ServiceProvider.config.get_api_key() ← xgen-core persistent_configs
3. os.environ (읽기 전용 폴백)

from xgen_harness.core.execution_context import set_execution_context
set_execution_context(api_key="sk-...", provider="openai", model="gpt-4o-mini")

---

Preset 시스템

Preset	용도	특징
minimal	단순 질의응답	도구/RAG/판정 없이 바로 대화
chat	멀티턴 대화	이전 대화 이력 유지
agent	에이전트	도구 + RAG + 전략 + 판정 + 루프
evaluator	품질 평가	LLM Judge 엄격한 평가
rag	문서 검색	문서 기반 답변, 도구 없음

---

프로바이더

5종 빌트인 + LangChain 래핑 + 커스텀 등록.

from xgen_harness.providers import register_provider, create_provider, wrap_langchain

# 빌트인: anthropic, openai, google, bedrock, vllm
provider = create_provider("openai", api_key, "gpt-4o-mini")

# LangChain 호환
from langchain_anthropic import ChatAnthropic
llm = ChatAnthropic(model="claude-sonnet-4-6")
provider = wrap_langchain(llm)

# 커스텀
register_provider("my_llm", MyProvider)

---

Stage별 상세 — 설정, 연동, 확장

s01 입력 (Input)

사용자 입력을 받아 LLM Provider를 생성하고, API 키를 해석한다.

설정:

stage_params = {
    "s01_input": {
        "provider": "openai",          # anthropic / openai / google / bedrock / vllm
        "model": "gpt-4o-mini",        # 프로바이더별 모델
        "temperature": 0.7,            # 0.0 ~ 2.0
    }
}

연동 서비스: config (API 키 조회)

API 키 해석 순서:

1. ExecutionContext.get_api_key() (contextvars)
2. ServiceProvider.config.get_api_key(provider) (xgen-core persistent_configs)
3. os.environ.get("OPENAI_API_KEY") (읽기 전용 폴백)

확장: register_provider("my_llm", MyProvider) → 새 프로바이더 추가

💡 v0.10.3 철학 재정립: provider/model/temperature 하드코딩 연동 제거 — PROVIDER_DEFAULT_MODEL + PROVIDER_CONTEXT_LIMITS 레지스트리 경유로 일원화.

---

s02 이력 (History)

이전 대화 이력을 로드하여 messages에 추가한다. interaction_id가 있을 때만 동작.

설정:

stage_params = {
    "s02_history": {
        "max_history": 10,  # 최근 N개 대화만 로드 (1~20)
    }
}

연동 서비스: DB (ServiceProvider.database — 대화 이력 조회)

bypass 조건: interaction_id 없거나 이전 이력이 없으면 건너뜀

---

s03 프롬프트 (Prompt)

시스템 프롬프트를 섹션 기반으로 조립한다. Identity → Rules → Tools → RAG → History → Citation 순서.

설정:

stage_params = {
    "s03_prompt": {
        "system_prompt": "당신은 한국어 도우미입니다.",  # 직접 지정
        "include_rules": True,         # 기본 행동 규칙 포함
        "prompt_content": "...",       # 프롬프트 스토어에서 선택한 내용
        "citation_enabled": False,     # [DOC_1] 인용 형식 활성화
    }
}

연동 서비스: documents (RAG 검색 → 프롬프트에 주입)

RAG 주입 방식: rag_collections 가 metadata 에 있으면 ResourceRegistry → ServiceProvider → httpx 3단계 폴백으로 검색

Strategy (cache): anthropic_cache (기본, cache_control: ephemeral) / no_cache (명시적 끄기)

---

s04 도구 (Tool)

MCP 세션, Gallery 패키지, 빌트인 도구를 수집하여 LLM에 전달할 도구 목록을 생성한다.

설정:

stage_params = {
    "s04_tool": {
        "mcp_sessions": ["session-abc", "session-xyz"],  # MCP 세션 선택
        "rag_collections": ["my_docs"],    # RAG 도구로 등록할 컬렉션
        "rag_tool_mode": "both",           # presearch / tool / both
        "builtin_tools": ["discover_tools"],  # 빌트인 도구 선택
        "rag_top_k": 4,                    # RAG 검색 결과 수
    }
}

연동 서비스: mcp (MCP 세션 도구 디스커버리)

RAG 도구 모드:

• presearch: s06 에서 사전 검색만 (기본)
• tool: 에이전트가 rag_search 도구로 직접 호출
• both: 사전 검색 + 도구 모두 활성화

Strategy (discovery): progressive_3level (기본 — 메타데이터 → 스키마 캐시 → 빌트인 3단계) / eager_load (전체 일괄 로드)

확장: register_tool_source(my_source) → 커스텀 도구 소스 추가

---

s05 전략 (Strategy)

실행 계획을 수립한다. 첫 번째 루프에서만 실행.

설정:

stage_params = {
    "s05_strategy": {
        "planning_mode": "cot",  # cot (Chain-of-Thought) / react (ReAct) / none / auto
    }
}

bypass 조건: planning_mode == "none" 또는 루프 2회차 이상

---

s06 컨텍스트 (Context)

RAG 문서 검색 + 토큰 예산 관리. 검색 결과를 시스템 프롬프트에 주입하고, 토큰 초과 시 메시지를 압축한다.

설정:

stage_params = {
    "s06_context": {
        "rag_collections": ["assort_bb8b..."],  # 검색할 컬렉션
        "rag_top_k": 4,                         # 컬렉션당 검색 결과 수
        "context_window": 200000,                # 컨텍스트 윈도우 (토큰)
        "compaction_threshold": 80,              # 압축 시작 (% 사용)
    }
}

연동 서비스: documents (벡터 검색 API)

Strategy (compactor): token_budget (기본 — 3단계: 오래된 메시지 제거 → 시스템 프롬프트 섹션 가지치기) / sliding_window (최근 N개만 유지)

---

s07 LLM 호출 (LLM)

LLM API를 호출하고 SSE로 스트리밍한다. 재시도, 비용 추적, 컨텍스트 크기 제한 포함.

설정:

stage_params = {
    "s07_llm": {
        "max_tokens": 8192,            # 최대 출력 토큰 (256~32K)
        "max_retries": 3,              # 재시도 횟수
        "context_limit": 500000,       # 컨텍스트 크기 제한 (문자)
        "thinking_enabled": False,     # Extended Thinking 활성화
        "thinking_budget": 10000,      # Thinking 토큰 예산
    }
}

컨텍스트 크기 제한: PROVIDER_CONTEXT_LIMITS 레지스트리 (anthropic/openai/google: 500K, vllm: 50K). context_limit 으로 오버라이드 가능. 초과 시 중간 20% 자동 제거.

재시도: ExponentialBackoffRetry — RateLimitError(429) → 10/20/40초, OverloadError(529) → 1/2/4초, ServerError → 2/4/8초

비용 추적: PRICING 단일 진실 소스에서 모델별 가격 조회 — ModelPricingCalculator 가 cache hit 보정.

Strategy slots: retry / parser (anthropic / openai) / thinking / token_tracker / cost_calculator / completion_detector

---

s08 실행 (Act)

LLM이 반환한 tool_use를 실제로 실행한다. 도구가 없으면 건너뜀.

설정:

stage_params = {
    "s08_act": {
        "timeout": 60,           # 도구 실행 타임아웃 (초)
        "result_budget": 50000,  # 결과 최대 문자수
    }
}

Strategy (executor):

• sequential (기본): 순차 실행, 에러 허용, 예산 관리
• parallel: 읽기 도구 병렬 / 쓰기 도구(create/update/delete/…) 순차

Strategy (router): composite (기본 — chain + cache + fallback) / mcp / builtin

도구 디스패치 순서:

1. 빌트인 (discover_tools, rag_search)
2. ResourceRegistry (XgenAdapter 가 주입)
3. register_tool_source() 로 등록된 ToolSource
4. state.metadata 의 tool_registry (레거시 폴백)

bypass 조건: pending_tool_calls 가 비어있으면 건너뜀

---

s09 판정 (Judge)

LLM 응답 품질을 평가한다. 텍스트 응답이 없으면 건너뜀.

설정:

stage_params = {
    "s09_judge": {
        "criteria": ["relevance", "completeness", "accuracy", "clarity"],  # 평가 기준 선택
        "threshold": 0.7,  # 통과 기준 점수 (0.0~1.0)
    }
}

Strategy:

• llm_judge (기본): 별도 LLM 호출로 4가지 기준 평가, 선택된 기준만 가중평균
• rule_based: 길이/에러/키워드 기반 (LLM 비용 절감)
• none: 항상 통과

---

s10 결정 (Decide)

루프 계속/완료를 판단한다. Stage 내부 분기 0줄 — DecideStrategy.decide() 에 전적 위임 (v0.11.1).

설정:

stage_params = {
    "s10_decide": {
        "max_iterations": 10,
        "max_retries": 3,
        "guards": ["iteration", "cost_budget", "token_budget", "content"],
        "cost_budget_usd": 5.0,
        "token_budget": 500000,
        # ContentGuard 파라미터 (v0.11.1 실구현)
        "content_blocked_patterns": ["hack", "password\\s*:\\s*\\S+"],
        "content_detect_pii": True,
        "content_check_target": "both",  # input / output / both
    }
}

Strategy (decide):

• threshold (기본): Guard 체인 → pending_tool_calls → validation score → last_assistant_text 순 판단
• always_pass: 1회 실행 후 즉시 complete (루프 없음)

Guard 체인 (chain — 순차 short-circuit):

• IterationGuard — 최대 반복 횟수 초과 차단
• CostBudgetGuard — USD 비용 초과 차단
• TokenBudgetGuard — 토큰 예산 80% 경고 / 95% 차단
• ContentGuard — 정규식 금지 패턴 + 이메일/한국휴대폰/주민번호/카드번호 PII 감지 (v0.11.1 실구현, 기본값에서는 통과)

---

s11 저장 (Save)

실행 결과를 DB에 저장한다.

설정:

stage_params = {
    "s11_save": {
        "save_enabled": True,
        "table_name": "harness_execution_log",
    }
}

연동 서비스: DB (ServiceProvider.database)

bypass: save_enabled == False 면 건너뜀

---

s12 마무리 (Finalize)

전체 메트릭스를 집계하고 출력을 포맷팅한다.

설정:

stage_params = {
    "s12_finalize": {
        "output_format": "text",  # text / json / markdown
    }
}

출력 포맷:

• text: 그대로 출력 (기본)
• json: {"content": "...", "model": "...", "tokens": {...}} 구조화
• markdown: 제목 + 본문 + 모델 정보 푸터

---

워크플로우 컴파일러 (v0.10.0+)

하네스 워크플로우 하나를 xgen.compile(wf) 한 줄로 pip install 가능한 wheel 로 변환. 받는 쪽은 pip install xgen-gallery-<name> 후 await arun("입력") 한 줄.

HarnessConfig + workflow_data
         ↓
   xgen.compile(wf)
         ↓
snapshot.json + env.example + cli.py + __init__.py
         ↓
   build_wheel (python -m build)
         ↓
xgen_gallery_<name>-<ver>-py3-none-any.whl
         ↓
pip install xgen-gallery-<name>
         ↓
from xgen_gallery_<name> import arun
await arun("입력")

컴파일러 설계:

• external_inputs — 선언 (HarnessConfig.external_inputs) + ${VAR} 자동 스캔 병행. PROVIDER_API_KEY_MAP 경유로 secret 타입 자동 확정.
• DependencyResolver + register_dependency_rule() — 외부 SDK 의존성 자동 wheel 주입 통로. 빌트인 5종 (xgen-harness / provider SDK / MCP / RAG / capability extras). 외부 패키지가 한 줄로 자기 의존성 선언 가능.
• snapshot.py — compile_version=1.0, JSON 직렬화 + PEP 503/440 validate.
• 3채널 배포 — 공개 PyPI / 사내 인덱스 / 로컬 wheel 모두 동일 산출물.
• 폐쇄망 완전 지원 — pip download 후 pip install --no-index --find-links wheelhouse/ 동작 검증.

산출 wheel 구조:

• [project.scripts] 로 xgen-gallery-<name> CLI (run / info 서브커맨드) 제공
• [project.entry-points."xgen_harness.galleries"] 로 설치 갤러리 자동 발견
• [mcp] extras 로 pip install xgen-gallery-<name>[mcp] → serve-mcp 서브커맨드

drift-free 연동 (v0.10.2): 엔진이 확정한 dist_name / package_name 을 WheelBuildResult 에 담아 이식측/프론트가 재조합하지 않도록 — 엔진 규약 변경이 자동 전파.

상세: docs/harness/2026-04-20-workflow-compiler.md

---

DAG 오케스트레이터 (v0.10.4)

멀티에이전트 플로우를 DAG 로 표현 + fan-out / join 자동 관리. 서브 파이프라인마다 독립 HarnessConfig + ExecutionContext (API 키 격리). SSE 이벤트를 부모 스트림으로 자동 포워딩.

from xgen_harness.orchestrator import DagOrchestrator, DagNode

orchestrator = DagOrchestrator()
orchestrator.add_node(DagNode(id="search", config=search_config))
orchestrator.add_node(DagNode(id="summarize", config=summarize_config, depends_on=["search"]))

async for event in orchestrator.run(initial_input="오늘 뉴스 요약"):
    yield event  # 통합 SSE 스트림

Fan-out Strategy 레지스트리: register_fan_out_strategy() — 분기 규칙을 외부에서 추가. 빌트인은 broadcast / round_robin / capability_match.

---

디렉토리 구조

xgen_harness/
├── core/                        # 핵심 엔진
│   ├── pipeline.py              # 3-Phase 실행 엔진
│   ├── stage.py                 # Stage ABC + I/O 계약
│   ├── state.py                 # PipelineState
│   ├── config.py                # HarnessConfig (22+ 필드 자동 직렬화)
│   ├── services.py              # ServiceProvider Protocol
│   ├── service_registry.py      # 서비스 URL 레지스트리 (register/get)
│   ├── execution_context.py     # contextvars 기반 API 키 격리
│   ├── strategy_resolver.py     # Strategy 레지스트리 (40+ 구현체)
│   ├── registry.py              # Stage 플러그인 (entry_points 자동 발견)
│   ├── presets.py               # 5개 Preset
│   ├── stage_config.py          # STAGE_ID_ALIASES + canonical_stage_id (v0.11.0)
│   └── artifact.py              # Artifact 시스템
│
├── stages/                      # 12 Stage 구현체
│   ├── s01_input.py ~ s12_finalize.py   # (v0.11.0 리네이밍 반영)
│   ├── interfaces.py            # Strategy ABC (DecideStrategy 포함)
│   └── strategies/              # 20+ Strategy 구현체
│       ├── retry.py             # Exponential / NoRetry
│       ├── tool_router.py       # Composite / MCP / Builtin
│       ├── tool_executor.py     # Sequential / Parallel
│       ├── evaluation.py        # LLMJudge / RuleBased / NoValidation
│       ├── discovery.py         # Progressive / Eager
│       ├── compactor.py         # TokenBudget / SlidingWindow (stateless)
│       ├── compactor_pd.py      # AdvancedContextCompactor ABC + L3/L4/L5/Cascade (v0.11.22 분해)
│       ├── guard.py             # Iteration / Cost / Token / Content (실구현)
│       ├── _decide.py           # Threshold / AlwaysPass (v0.11.1 진짜 구현)
│       ├── cache.py             # AnthropicCache / NoCache
│       ├── thinking.py          # DefaultThinking / NoThinking
│       ├── parser.py            # Anthropic / OpenAI / CompletionDetector
│       └── token_tracker.py     # TokenTracker / ModelPricing
│
├── providers/                   # LLM 프로바이더
│   ├── __init__.py              # 레지스트리 (register/create/wrap_langchain)
│   ├── base.py                  # LLMProvider ABC + ProviderEvent
│   ├── anthropic.py             # Anthropic (httpx SSE)
│   ├── openai.py                # OpenAI (httpx SSE)
│   ├── google.py / bedrock.py / vllm.py
│   └── langchain_adapter.py     # LangChain 래핑
│
├── compile/                     # 워크플로우 → wheel 컴파일러 (v0.10.0+)
│   ├── __init__.py              # xgen.compile()
│   ├── external_inputs.py       # 선언 + ${VAR} 자동 스캔
│   ├── snapshot.py              # WorkflowSnapshot
│   ├── deps.py                  # DependencyResolver + register_dependency_rule()
│   └── wheel.py                 # build_wheel (python -m build)
│
├── orchestrator/                # DAG 멀티에이전트 (v0.10.4 노출)
├── capabilities/                # Capability 선언형 시스템
├── adapters/                    # 외부 시스템 어댑터 (XgenAdapter 등)
├── tools/                       # 도구 시스템 (ToolSource / MCPClient / Gallery)
├── integrations/                # xgen 연동 (XgenServiceProvider, bridge, streaming)
├── events/                      # 이벤트 스트리밍
├── errors/                      # 에러 계층 (ErrorCategory / recoverable)
└── api/                         # FastAPI 라우터

---

외부 기여 / 확장 매뉴얼

라이브러리 소스 수정 0 — 외부 패키지 + entry_points + register_*() API 만으로 9개 지점 확장.

• 📌 docs/harness/INDEX.md — 모든 문서 단일 진입점
• docs/harness/STAGE_CONTRACT.md — Stage 1페이지 계약서 (가장 핵심)
• docs/harness/EXTENSION_POINTS.md — 10개 확장 지점 전수 매뉴얼
• docs/harness/ANTHROPIC_OPENAI_PATTERNS.md — Anthropic/OpenAI Tool use · Progressive Disclosure · Citations · Sandbox 패턴 ↔ 우리 구현 매핑
• docs/harness/TOOL_GUIDE.md — 도구 패키지 작성 가이드
• xgen-harness-stage-sample/ — 외부 Stage 샘플 패키지 (pip install → entry_points → swap 까지 end-to-end 증명)

9 entry_points 그룹 (pyproject.toml)

[project.entry-points."xgen_harness.stages"]          # Stage 추가/swap
[project.entry-points."xgen_harness.strategies"]      # Stage 내부 알고리즘
[project.entry-points."xgen_harness.node_adapters"]   # 노드 카테고리 → tool_def
[project.entry-points."xgen_harness.option_sources"]  # UI 셀렉터 데이터
[project.entry-points."xgen_harness.tool_sources"]    # 외부 도구 디스패치
[project.entry-points."xgen_harness.providers"]       # LLM 프로바이더
[project.entry-points."xgen_harness.capabilities"]    # 선언형 도구 바인딩
[project.entry-points."xgen_harness.fan_out_strategies"]   # 멀티에이전트 분기
[project.entry-points."xgen_harness.evaluation_criteria"]  # s09 평가 기준
[project.entry-points."xgen_harness.galleries"]            # 컴파일된 갤러리 자동 발견

---

버전 이력

버전	주요 변경
0.11.23	options_source 전면 선언 — 엔진 stage_config 11 필드가 UI 옵션 소스 이름을 선언. 이식 bootstrap_default_sources 가 빈 stage_id/stage_param_key 를 엔진 역매핑으로 자동 채움 → 이식 수동 매핑 11 라인 자연 삭제. drift 경고 로그.
0.11.22	확장점 3종 + 품질 정리. (1) LLMProvider.count_tokens() 공식 확장점 + OpenAI tiktoken 자동 감지 + output_tokens_sources 관측. (2) PipelineState 도메인 분해 (ToolGroup/ValidationGroup) + property shim 무침범. (3) strategies/compactor_pd.py 분해 (stateless vs advanced). bare except 40+ 건 logger.debug/warning 로 전수 정리.
0.11.21	연결선 3 갭 해소. (1) HarnessConfig top-level context_window/thinking_* forwarding. (2) s07 output_tokens 선착 1회 집계. (3) AdvancedContextCompactor ABC + L3/L4/L5/Cascade 4 구현체 register_strategy("s06_context","compactor",…) 슬롯 등록 → 외부 교체 개방. pyproject.toml mypy gate.
0.11.20	코드 감사 후속 — 고유명사 하드코딩 제거, _cascade_*_override leak 해소, list_strategies() 6종 동기, force_tool_use circuit breaker, Anthropic none 처리, LangChain tool_choice forward.
0.11.19	tool_choice API (OpenAI/Anthropic/LangChain 통합) + s04 force_tool_use 옵션.
0.11.18	rag_ingestion_mode (system_prompt/tool_only/both) — L3 Microcompact 실전 조건 충족.
0.11.17	citation_mode="auto" 실험적 auto-router.
0.11.14~16	Claude Code 5-Level 압축 전부 이식 (L1/L3/L4/L5) + strategy="cascade" 자동 선택 + 디폴트 80/90/97 보정.
0.11.1	🧹 Strategy 품격 — 하드코딩 제거 / 진짜 구현체. ThresholdDecide/AlwaysPassDecide 가 이름표만 있던 마커에서 DecideStrategy.decide() 구현체로 승격, s10_decide 내부 분기 0줄로 축소. ContentGuard 정규식 + PII(이메일/휴대폰/주민번호/카드) 실구현. ParallelToolExecutor 공개 API(__all__) 승격.
0.11.0	⚡ Stage ID 리네이밍 + alias 하위호환. s02_memory→s02_history, s03_system_prompt→s03_prompt, s04_tool_index→s04_tool, s05_plan→s05_strategy, s08_execute→s08_act, s09_validate→s09_judge, s12_complete→s12_finalize. STAGE_ID_ALIASES + canonical_stage_id() 로 구 id 저장 워크플로우도 계속 동작.
0.10.4	Strategy Variants — 디폴트 건들지 않고 "복사해서 v2" 로 사용자 정의 변형 노출. HarnessConfig.strategy_variants 신규 필드.
0.10.3	s01 하드코딩 연동 제거 — provider/model/temperature → PROVIDER_DEFAULT_MODEL + PROVIDER_CONTEXT_LIMITS 레지스트리 경유로 이관.
0.10.2	drift-free 연동 — WheelBuildResult.dist_name/package_name 헤더 전달 → 이식측/프론트 프리픽스 재조합 제거.
0.10.1	컴파일러 단계 5·6 — MCP stdio 서버 래퍼 (serve-mcp 서브커맨드), xgen-gallery entry_points 채널 통합.
0.10.0	워크플로우 컴파일러 (MVP) — xgen.compile(wf) 한 줄로 pip install 가능 wheel 생성. external_inputs + DependencyResolver + 폐쇄망 시나리오 검증.
0.9.2	Stage 책임 재정의 Phase 2 — s01 축소, PROVIDER_CONTEXT_LIMITS 레지스트리, anthropic 하드코딩 제거, NODE-WRAPPING 문서화.
0.9.0	Stage 책임 재정의 (철학 바로잡기) Phase 1 — 레지스트리 기반 선언 + 그래프 재배치 패턴.
0.8.38	Stage public 승격 + Verbose 4 이벤트 + Redis 우선 SSE 증명.
0.8.37	UX 개선 6트랙 (채팅 이어하기 / PD 배지 / 편집 링크 / 집계 배너 / s04 재그룹핑).
0.8.36	s06_context regression fix — results dict 가 search 결과 list 로 덮어씌워지던 variable shadow bug 해결.
0.8.35	어댑터 고결성 audit fix — 9 entry_points 그룹 명시 lock-in.
0.8.33	UI 클릭 실제 동작 — 7 stage_param 누수 fix (folders/ontology/reranker 실 연동).
0.8.32	Progressive Disclosure Level 0 (search_tools) — Anthropic sandbox 패턴.
0.8.29	Stage 확장성 — entry_points __ 구분자, MultiAgentPlannerStage, 외부 stage sample.
0.8.27	DocumentService 전면 확장 (embed/rerank/folders/ontology).
0.8.26	NodeAdapter 레지스트리 + xgen 노드 카테고리 bulk 등록.
0.8.0	Strategy 실구현, Guard 설정화, Progressive Disclosure.
0.5.x	ServiceRegistry, ExecutionContext, Plugin System.
0.1.0	12 Stage 파이프라인 초기 구현.

상세 변경 내역은 CHANGELOG.md 참조.

---

Acknowledgement

설계·UI/UX 영감 및 12-stage harness 구성의 reference — 🎁 geny-executor by CocoRoF.

본 프로젝트의 Stage 고정 + Artifact 교체 패턴, DAG 오케스트레이터 사고, Progressive Disclosure 환경 설계는 geny-executor 에서 많은 영감을 얻었습니다.