xgen-harness 0.24.1

XGEN Harness — HITL Guard + Compact Tool + approval SSE (v0.24.0 후속: __version__ drift 핫픽스)

xgen-harness

13 Stage 에이전트 실행 프레임워크 — Stage = 환경 슬롯

pip install xgen-harness

---

한 줄 요약

워크플로우를 "짜는 것" 이 아니라 "설정하는 것" 으로 바꾼 에이전트 실행기.
13 Stage 가 환경 슬롯(capability/도구/리소스/파라미터를 LLM 에 노출), 사용자는 무엇을 할지만 선언, 하네스가 어떻게 자동 조립.

v0.24.0 기준

1. Stage = 환경 슬롯 + LLM 자율 선택 (Planner 통제탑 · Auto/Selected/Off 3 모드)
2. 자동 오케스트레이터 (linear/iterative/plan_execute/react/dag) — 행동 속성은 OrchestratorSpec.replan_per_iter / max_iterations_override 로 선언적. 외부 오케스트레이터도 동일 계약.
3. Strategy × Capability 3층 구조
4. Policy Gate (v0.17.0) — 선언형 Guard 체인 × 4 훅 포인트
5. 양방향 MCP (v0.18.0) — 하네스 워크플로우 → wheel → MCP stdio 서버 자동 말아올리기, 마켓·설치된 MCP 를 s04_tool 카탈로그에 자동 주입
6. Sandbox Verifier (v0.20.0) — 발행 전 initialize + tools/list + rlimit 격리 게이트
7. NOM IR 허브 (v0.21.0) — Stage/Strategy/Tool/MCP/Plugin 을 단일 IR 로 통합. to_mcp_schema() / to_sandbox_payload() / to_wheel_snapshot() 3 변환. compile_nom_graph(graph, ...) one-shot
8. 엔진 독립성 완결 (v0.22.0) — xgen 특화 코드(Adapter/Service/NodeAdapter/SSE 2,040 LOC) 는 호스트 측 소유. ExternalNodeRef Protocol 로 호스트가 4 필드 dataclass 만 등록하면 duck-typing 자동 감지. REQUIRED_STAGES 는 live set — mark_stage_required() 로 외부 등록. 기본 모델은 XGEN_HARNESS_<PROVIDER>_DEFAULT_MODEL env 우선.
9. MCP Tool Annotations 1급화 + 행동 지문 회귀 테스트 (v0.23.0) — Tool ABC 에 read_only_hint / destructive_hint / idempotent_hint / open_world_hint 4 힌트 1급 속성. s07_act 이름 휴리스틱 ("create"/"update"/... 키워드 매칭) 완전 폐기 → annotations.readOnlyHint 5 단 우선순위 조회. MCP 서버가 2025-06-18+ 표준 annotations 블록을 보내면 그대로 수용. Planner 정규화 행동 지문 5 케이스 (tests/test_plan_fingerprint.py) — 단위 테스트로 못 잡는 "에이전트 행동 변화" 감지.
10. HITL Guard + Agent-controlled Compact Tool + approval SSE (v0.24.0) — v0.23 annotations 를 실제 안전·절감 게이트로 확장. HITLGuard 는 destructiveHint=true 도구 호출 전 ApprovalRequiredEvent 방출 + 사용자 승인 대기 → resolve_approval() 로 실행 재개. 승인자가 edited_input 주면 args 자동 교체 (오입력 교정). CompactTool 은 LLM 이 자율 호출해 tool_results_before:N / history_before:N / pd_store:<kind> 를 요약으로 치환 — 누적 컨텍스트 부풀이 해소. Guard.check_async + GuardChain.invoke_async 비동기 경로. 22/22 pytest PASS.

---

🎯 Phase A / B / C 수렴 — 한 그림

외부 기여자는 NOMGraph 만 만들면 세 경로 에 자동 합류:

                       외부 기여자는 NOMGraph 만 만들면…
                                     ▼
                             ┌───────────────┐
                             │   NOMGraph    │   ← v0.21.0 IR 허브
                             │  (Phase C)    │
                             └──┬─────┬──────┘
                                │     │     └────────┐
                     to_wheel   │     │ to_mcp       │ to_sandbox
                     _snapshot  ▼     ▼ _schema      ▼ _payload
                      ┌─────────────┐ ┌─────┐   ┌─────────┐
                      │ compile     │ │ MCP │   │ Sandbox │
                      │ _workflow   │ │tools│   │.run_nom │
                      │ (v0.10+)    │ │/list│   │_tool    │
                      └──┬──────────┘ └──┬──┘   └────┬────┘
                         ▼               ▼           ▼
                      [wheel]    [Claude Desktop]  [격리 실행]
                         │
                 ┌───────▼────────┐
                 │ Sandbox Gate   │  ← v0.20.0 Phase B
                 │ MCPStdioVerify │     (initialize + tools/list + rlimit)
                 └───────┬────────┘
                         ▼
                 [Station POST /sessions]     ← v0.18.0 Phase A
                         ▼
                 [s04_tool 카탈로그]          ← 사용자 UI (양방향)

Phase	버전	무엇을 해결했나
A	v0.18.0	양방향 MCP — 하네스 ↔ MCP 생태계. wheel 을 MCP stdio 서버로 자동 말아올리고, Station 의 활성 세션을 카탈로그로 자동 가져온다
B	v0.20.0	Sandbox Gate — Station 등록 전 격리 검증 (MCPStdioVerifier). JSON-RPC 왕복 + POSIX rlimit + SHA-256 재현성 해시
C	v0.21.0	NOM IR 허브 — Stage/Strategy/Tool/MCP/Plugin 을 단일 IR 로. to_mcp_schema() / to_sandbox_payload() / to_wheel_snapshot() 3 변환으로 위 3 경로 전부 커버

---

빠른 시작 — 4 줄

from xgen_harness import Pipeline, HarnessConfig, PipelineState

config = HarnessConfig(provider="anthropic", model="claude-sonnet-4-5-20250929")
pipeline = Pipeline.from_config(config)
state = PipelineState(input_text="마사회 운영 규정 알려줘")
await pipeline.run(state)
print(state.output_text)

→ 13 Stage (입력 → 이력 → 프롬프트 → 도구 → 전략·정책 → 컨텍스트 → 본문 LLM → 판정 → 결정 → 저장 → 마무리) 가 default Strategy 로 1 바퀴 실행.

---

모드 3 종 — 무엇을 어떻게 설정하나

모드	코드	동작	언제 쓰나
Off (기본)	harness_mode="off"	13 Stage 정해진 순서, Plan 안 만듦, 본문 LLM 1회	빠른 단발 Q&A
Selected	harness_mode="selected" + pinned_strategies={...}	사용자 핀한 Stage→Strategy hard-pin, 나머지 Planner 자율	일부만 강제, 나머진 자율
Auto	harness_mode="autonomous"	Planner LLM 이 Stage/Strategy/도구/orchestrator_hint 자율 결정	복잡 요청·RAG·멀티턴 도구

# Off (기본 — 빠른 단발)
config = HarnessConfig(harness_mode="off", max_iterations=1)

# Auto (LLM 자율 + 자동 오케스트레이터)
config = HarnessConfig(harness_mode="autonomous", max_iterations=5)

# Selected (사용자 핀 + 일부 자율)
config = HarnessConfig(
    harness_mode="selected",
    pinned_strategies={"s06_context": "microcompact", "s08_judge": "rule_based"},
)

---

13 Stage 카탈로그 — 기능 / 설정 / Strategy

초기화 그룹 (ingress, 1 회)

#	Stage	하는 일	주요 설정	Strategy
0	s00_harness (Planner)	LLM 핸들 owner + 본문 호출 dispatcher (모드별 책임)	harness_mode, provider, model	streaming * / batch
1	s01_input (필수)	사용자 입력 추출 + 정규화	input_text, attached_files	default * / multimodal
2	s02_history	같은 interaction 이전 turn 가져옴	history_limit	last_n * / relevant
3	s03_prompt	System prompt 주입	system_prompt, prompt_id	static * / templated
4	s04_tool	LLM 노출 도구 카탈로그	mcp_sessions, custom_tools, cli_skills, node_tags, capabilities	default * / progressive / auto

에이전트 루프 그룹 (loop, max_iterations 회 반복)

#	Stage	하는 일	주요 설정	Strategy
5	s05_strategy	각 Stage 의 Strategy 결정	pinned_strategies (Selected)	default * / pinned_first / llm_decide / cascade
5	s05_policy ◆	선언형 Guard 체인을 4 훅 포인트에 집행	guards: [{name, params}]	— (Guard 조합)
6	s06_context	RAG/온톨로지/DB 검색 → 컨텍스트 주입	rag_collections, rag_top_k, ontology_collections, db_connections	microcompact * / context_collapse / autocompact_llm / cascade / progressive_3level / none
7	s07_act ★	본문 LLM 호출 + tool_use multi-turn	max_tool_rounds, force_tool_use	default * / react
8	s08_judge	응답 품질 평가 (0~1 점수)	validation_threshold, judge_model	llm_judge * / rule_based / none
9	s09_decide (필수)	judge 결과 보고 loop_decision 설정	—	default * / always_complete

◆ = Pipeline 이 role="policy_gate" 로 찾아 pre_main / pre_tool / post_response / loop_boundary 4 훅에 호출. 일반 loop 순서는 bypass.

최종 그룹 (egress, 1 회)

#	Stage	하는 일	주요 설정	Strategy
10	s10_save	DB 실행 기록 저장	save_metrics, save_full_text	default * / none
11	s11_finalize (필수)	최종 응답 + MetricsEvent	—	default * / lite

* = 기본 Strategy. 필수 Stage 는 비활성화 불가.

---

Strategy 변경 — 두 가지 방식

방식 1 — config 에 직접 (코드)

config = HarnessConfig(
    active_strategies={
        "s06_context": "cascade",        # RAG L3→L4→L5 자동 압력
        "s08_judge": "none",             # 검증 skip
    },
)

방식 2 — Strategy 변형 (디폴트 그대로 두고 파라미터만 바꾼 사본)

config = HarnessConfig(
    strategy_variants={
        "s06_context": [{
            "name": "microcompact_strict",     # 새 이름
            "base": "microcompact",            # 복제 원본
            "params": {"threshold": 95},       # 파라미터 override
            "label": "엄격 압축",
        }],
    },
    active_strategies={"s06_context": "microcompact_strict"},
)

---

자동 오케스트레이터 (Auto 모드 전용)

Auto 모드에서 Planner 가 입력·카탈로그 보고 Plan.orchestrator_hint 결정 → Phase B loop 가 분기:

hint	Phase B 동작	사용 케이스
linear	1 회 실행 후 종료	단발 Q&A
iterative (default)	매 iter Plan replan + 13 Stage 1바퀴	멀티턴 도구
plan_execute	첫 Plan 고수, replan 생략, 반복	정형 절차
react	엔진 no-op, 이식측 dispatcher 위임	외부 ReAct 통합
dag	엔진 no-op, 이식측 DAG runner 위임	멀티에이전트 병렬

외부 hint 추가:

from xgen_harness.core.orchestrator_registry import register_orchestrator
register_orchestrator("custom_swarm", description="My swarm runner", dispatch_key="swarm_v2")

또는 entry_points 그룹 xgen_harness.orchestrators 노출 → 자동 합류.

---

확장 — 외부 패키지가 끼워넣는 10 지점

#	지점	entry_points 그룹	용도
1	Stage	xgen_harness.stages	새 Stage (예: 자체 Planner, 도메인 Stage)
2	Strategy	xgen_harness.strategies	한 Stage 의 새 변형
3	Capability	xgen_harness.capabilities	선언적 도구 wiring (예: retrieval.web_search)
4	Provider	xgen_harness.providers	새 LLM provider
5	Orchestrator	xgen_harness.orchestrators	새 orchestrator hint
6	Tool	xgen_harness.tool_sources	단일 도구 또는 도구 묶음
7	NodeAdapter	xgen_harness.node_adapters	캔버스 노드 → Stage 어댑터
8	Guard	xgen_harness.guards	Policy Gate 에 꽂히는 정책 Guard
9	SandboxVerifier 🆕	xgen_harness.sandbox_verifiers	publish 전 격리 검증 (mcp-stdio/mcp-http/wasm)
10	PublishTarget 🆕	xgen_harness.publish_targets (이식측)	컴파일된 wheel 의 발행 대상 (mcp-station, gallery, 사내 PyPI 등)

# pyproject.toml — 한 줄이면 외부 wheel 이 자동 합류
[project.entry-points."xgen_harness.strategies"]
my_compactor = "my_pkg.compactor:MyCompactor"

---

Policy Gate (v0.17.0) — 선언형 Guard 체인

"submit_result 호출 전 iterative_document_search 를 최소 1회 불러야 한다" 같은 도구 호출 선행조건 / 입출력 정책 / 예산 제한 을 코드 수정 없이 데이터로 선언합니다.

config = HarnessConfig(
    stage_params={
        "s05_policy": {
            "guards": [
                {"name": "iteration"},
                {"name": "cost_budget", "params": {"cost_budget_usd": 5.0}},
                {"name": "tool_precondition", "params": {
                    "rules": [{
                        "tool": "submit_result",
                        "require_prior": [{"tool": "iterative_document_search", "min_count": 1}],
                        "when": {"path": "fileNo[*].status", "equals": "01"},
                        "message": "합격 판정 전 QA 기준을 iterative_document_search 로 조회하세요.",
                    }]
                }},
            ]
        }
    }
)

4 훅 포인트

훅	호출 시점	Guard 예시
pre_main	본문 LLM 호출 직전	ContentGuard (입력 검사)
pre_tool	도구 실행 직전 (pending_tool_calls 각각)	ToolPreconditionGuard
post_response	LLM 응답 직후	ContentGuard (출력 검사)
loop_boundary	루프 경계 (iter 끝)	IterationGuard / CostBudgetGuard / TokenBudgetGuard

Guard 는 자기 hook_points 집합을 선언 → Pipeline 이 훅별 필터링 후 실행. 차단 시:

• pre_tool: 해당 도구를 pending 에서 제거 + 가짜 tool_result(is_error=True) 주입 → LLM 이 자체 교정
• 기타 3 훅: state.policy_block_reason 설정 + loop_decision="complete"

내장 5 Guard

• iteration — config.max_iterations 도달 시 종료
• token_budget — 누적 토큰 95% 초과 시 종료
• cost_budget — 누적 비용 초과 시 종료
• content — 정규식/PII 감지 (입력/출력)
• tool_precondition — 도구 호출 선행조건 (규칙 기반, 범용)

외부 Guard 추가 (entry_points 한 줄)

# pyproject.toml
[project.entry-points."xgen_harness.guards"]
my_guard = "my_pkg.guards:MyGuard"

pip install my-pkg 한 번이면 UI Guard 드롭다운에 자동 합류. 엔진·이식·프론트 코드 수정 불필요.

---

양방향 MCP (v0.18.0) — 하네스 ↔ MCP 생태계

➡️ 내보내기: 하네스 워크플로우 → MCP stdio 서버

워크플로우 하나를 pip install 가능한 wheel 로 컴파일, 그 wheel 이 그대로 MCP stdio 서버. 다른 하네스·Claude Desktop·임의 MCP 클라이언트가 도구로 사용 가능.

from xgen_harness import HarnessConfig, compile_workflow

result = compile_workflow(
    harness_config=HarnessConfig(...),
    workflow_data={"workflow_type": "harness", ...},
    gallery_name="my_agent",
    gallery_version="0.1.0",
    out_dir="/tmp/build",
)
# result.wheel_path / result.dist_name / result.package_name

설치 후 세 가지 CLI 자동 주입:

pip install 'xgen-gallery-my_agent[mcp]'
xgen-gallery-my_agent run --input "안녕"   # 일회성 호출
xgen-gallery-my_agent info                  # 갤러리 메타
xgen-gallery-my_agent serve-mcp             # MCP stdio 서버로 기동

Claude Desktop claude_desktop_config.json 예시:

{
  "mcpServers": {
    "my-agent": {
      "command": "xgen-gallery-my_agent",
      "args": ["serve-mcp"]
    }
  }
}

→ Claude Desktop 이 이 하네스 워크플로우를 도구로 호출. run_workflow(input, overrides) 하나만 노출됨.

⬅️ 가져오기: 마켓 / 설치된 MCP → s04_tool 카탈로그

config = HarnessConfig(
    mcp_sessions=["my-playwright", "krra-search"],   # mcp-station 활성 세션 ID
)

s04_tool 이 xgen-mcp-station 에서 세션의 도구 목록을 가져와 LLM 카탈로그에 합류. 이식측(xgen-workflow) UI 는 마켓에서 원클릭 설치 → 바로 선택 가능.

---

Sandbox Verifier (v0.20.0) — 발행 전 격리 검증 게이트

외부 호스트(MCP Station, 사내 레지스트리 등) 에 wheel 을 등록하기 전 에 건전성·스키마·리소스를 검증하는 관문. initialize + tools/list JSON-RPC 왕복 + POSIX rlimit + timeout + SHA-256 재현성 해시.

기본 사용

from xgen_harness import MCPStdioVerifier, SandboxLimits

v = MCPStdioVerifier()
result = v.verify(
    command=["python", "-u", "-m", "xgen_gallery_my_agent.cli", "serve-mcp"],
    timeout_sec=10.0,
    limits=SandboxLimits(
        cpu_seconds=15,           # RLIMIT_CPU
        address_space_mb=1024,    # RLIMIT_AS
        max_open_files=128,       # RLIMIT_NOFILE
        max_file_size_mb=16,      # RLIMIT_FSIZE
        no_core_dump=True,
    ),
)
assert result.ok, result.error
print(result.tool_count, result.payload_hash[:12])

VerifyResult 필드:

• ok / tool_count / tools — 검증 결과와 발견된 도구
• handshake_ms / tools_ms — 단계별 latency
• payload_hash — 정규화된 tools 배열의 SHA-256 (같은 wheel → 같은 해시, 재현성 지표)
• stderr_tail — 진단용 마지막 4KB
• applied_limits — 실제 적용된 rlimit
• timed_out / error

확장: 새 protocol verifier 추가

# pyproject.toml
[project.entry-points."xgen_harness.sandbox_verifiers"]
mcp_http = "my_pkg.verifiers:MCPHTTPVerifier"

from xgen_harness import SandboxVerifier, VerifyResult

class MCPHTTPVerifier:
    name = "mcp-http"
    def verify(self, *, command, env=None, limits=None, timeout_sec=10.0) -> VerifyResult:
        # command[0]=wrapper, command[1:]=HTTP URL 등 — protocol 별 해석
        ...

pip install my-pkg 한 번이면 Registry 에 자동 합류. 엔진 수정 불필요.

이식측 wiring (xgen-workflow)

이식측 MCPStationPublisher.publish() 가 Station 등록 전 MCPStdioVerifier 를 호출. HARNESS_SANDBOX_POLICY env 로 정책 조절:

정책	동작
strict (기본)	verify 실패 시 발행 거부, HTTP 422 반환
advisory	경고 로그, 발행은 강행
off	검증 스킵

통과 시 payload_hash 가 Station 세션 메타에 첨부 → 어떤 wheel 이 어떤 도구를 노출했는지 감사 가능.

---

NOM IR 허브 (v0.21.0) — 하나의 노드 그래프, 세 가지 출력

Stage / Strategy / Tool / MCP 서버 / 외부 플러그인 노드 — 모두 같은 IR (NOMGraph) 로 표현하고, 세 가지 변환 으로 wheel / MCP / Sandbox 에 재사용.

from xgen_harness import (
    NOMGraph, NOMNode, NOMKind, NOMParam,
    compile_nom_graph,
)

graph = NOMGraph(nodes=[
    NOMNode(
        id="x.tools.search", kind=NOMKind.TOOL,
        description="웹 검색", entry="my_pkg.tools:search",
        inputs=[NOMParam(name="q", type="string", required=True)],
    ),
    NOMNode(
        id="x.tools.fetch", kind=NOMKind.TOOL,
        description="URL 페치", entry="my_pkg.tools:fetch",
        inputs=[NOMParam(name="url", type="string", required=True)],
    ),
])

# 1) MCP 서버 카탈로그로 — Claude Desktop, Cursor 호환
schema = graph.to_mcp_schema()
# [{"name": "search", "description": "웹 검색", "inputSchema": {...}},
#  {"name": "fetch", ...}]

# 2) 격리 실행 payload 로 — Sandbox.run_nom_tool 의 입력
payload = graph.to_sandbox_payload("x.tools.search", {"q": "hello"})
# {"entry": "my_pkg.tools:search", "input": {...}, "metadata": {...}}

# 3) wheel 배포 — 기존 compile_workflow 와 같은 build 파이프라인 재사용
result = compile_nom_graph(graph, gallery_name="my_tools", gallery_version="0.1.0")
# result.wheel_path → pip install 가능

Tool Synthesis 와의 통합

LLM 이 런타임에 생성한 도구를 바로 wheel 로:

from xgen_harness.tools.synthesis import (
    SynthesizedTool, synthesize_and_register,
    synthesized_tools_as_nom_graph,
)
from xgen_harness import compile_nom_graph

# synthesize_and_register(...) 로 여러 도구 검증 + 등록 후:
graph = synthesized_tools_as_nom_graph([slugify, camelcase, redact_pii])
r = compile_nom_graph(graph, gallery_name="my_synth_tools", gallery_version="0.1.0")
# → pip install 가능한 도구 모듈 한 방에 완성

현재 엔진 상태 스냅샷

from xgen_harness import snapshot_current_registry_as_nom

nom = snapshot_current_registry_as_nom()
print([n.id for n in nom.nodes])
# ["xgen.stages.s00_harness", "xgen.stages.s01_input", ...,
#  "xgen.strategies.s06_context.compact.microcompact", ...,
#  "xgen.orchestrators.iterative", ...,
#  "xgen.providers.anthropic", ...]

엔진 레지스트리(Stage/Strategy/Orchestrator/Provider) 를 통째로 NOM 으로 덤프 — 디버깅, 갤러리 업로드, 샌드박스 복원에 그대로 재사용.

---

RAG 사용

config = HarnessConfig(
    rag_collections=[
        "masahoe_7a64e5f6-...",      # Qdrant 컬렉션 ID
        "voc_templates_...",
    ],
    stage_params={"s06_context": {"rag_top_k": 5, "rag_ingestion_mode": "both"}},
)

s06_context 가 입력 보고 컬렉션 검색 → top-k 결과를 system_prompt + tool_only 양쪽 주입.

---

Capability 선언적 도구

config = HarnessConfig(
    capabilities=["retrieval.web_search", "retrieval.rag_query"],
    capability_params={"retrieval.web_search": {"max_results": 10}},
)

s04_tool 이 capability registry 에서 자동 매핑 → tool_definitions 합류. 외부 패키지가 entry_points 로 capability 등록하면 자동 발견.

---

이식 통합 (xgen-workflow)

엔진은 generic primitive. 실서비스 연결은 이식측 xgen-workflow/controller/workflow/endpoints/ 에서:

엔드포인트	역할
GET /harness/stages	13 Stage 정의 + stage_config 메타
GET /harness/options/{source}	동적 리소스(mcp-sessions/mcp-market/rag-collections/providers/…)
POST /harness/execute/stream	SSE 실행 (하네스 전용 경로 — 레거시 workflow 분리)
POST /harness/compile	wheel 컴파일 + 바이너리 다운로드
POST /harness/compile/publish	compile + PublishTarget 발행 (mcp-station / gallery)
POST /harness/mcp/sessions	MCP Station 세션 CRUD 프록시 (인증 전파)
POST /harness/dag/execute/stream	멀티 하네스 DAG orchestration

자세한 내용: xgen-workflow/controller/workflow/endpoints/harness.py + harness_options_registry.py + harness_publish.py.

---

진화 요약

버전	핵심
v0.12.0	REAL HARNESS Phase 1 — s00_harness Planner 도입 + 13 Stage 디렉토리화
v0.13.0	REAL HARNESS Phase 2 — 단일 provider + iterative planning
v0.14.0	s00_harness 통제탑 승격 — 본문 LLM 호출 owner + 3 모드
v0.15.x	재귀적 자율주행 — orchestrator_hint + max_iterations + OrchestratorRegistry + fs_scanner 자동 발견
v0.16.x	자가증식 골조 — Sandbox / NOM / NodePlugin / ToolSynthesis + Pipeline Role 체계 (Stage 이름 리터럴 12→0)
v0.17.0	Policy Gate — 선언형 Guard 체인 × 4 훅 포인트 + entry_points Guard 플러그인
v0.18.0	양방향 MCP (Phase A) — 하네스 → wheel → MCP stdio 서버 / 마켓·Station → s04_tool 카탈로그. 이식측 PublishTargetRegistry
v0.19.0	PyPI 덮어쓰기 + 실측 버그 픽스
v0.20.0	Sandbox Verifier (Phase B) — MCPStdioVerifier + SandboxVerifier Protocol + Registry + entry_points + SHA-256 재현성 해시
v0.21.0	NOM IR 허브 (Phase C) — to_mcp_schema() / to_sandbox_payload() / to_wheel_snapshot() 3 변환 + compile_nom_graph one-shot + Tool Synthesis → wheel 파이프라인 E2E

이전 변경 (v0.11.14 → v0.11.23, Claude Code 5-Level 압축 / tool_choice API / drift-free 연결선)은 CHANGELOG.md 참조.

---

로드맵

• HTTP MCP Verifier — MCPStreamableHTTPVerifier 추가. JSON-RPC over HTTP SSE.
• Gallery hot-reload — 설치된 wheel 의 entry_points 핫리스캔 (discover_galleries force-refresh).
• Docker-wrapped SandboxVerifier — container 런타임 격리로 rlimit 한계 넘기.
• NOM → Sandbox 자동 게이트 — compile_nom_graph(..., verify=True) 옵션으로 Sandbox Verifier 자동 실행.

---

사용자 매뉴얼 (UI)

엔진을 직접 쓰지 않고 XGEN 하네스 페이지 (http://xgen.x2bee.com/harness) 사용자라면 → docs/confluence/harness-user-manual.md (사용자 친화 한국어 매뉴얼)

---

라이선스

Apache 2.0