AI 에이전트를 만드는 일은 더 이상 프롬프트 템플릿과 도구 스키마, 콜백 코드를 따로 관리하는 작업이 아니다. NVIDIA Labs가 공개한 NOOA(NVIDIA Object-Oriented Agents) 는 에이전트 개발을 전통적인 소프트웨어 개발 방식으로 바꾸는 오픈소스 프레임워크다. 핵심 아이디어는 단순하다. AI 에이전트를 하나의 Python 클래스로 표현하는 것이다1.
에이전트가 Python 객체가 된다는 의미
NOOA에서 에이전트는 평범한 Python 클래스다. 메서드는 에이전트의 기능을, 필드는 상태를, 독스트링은 프롬프트를, 타입 어노테이션은 모델이 따라야 할 계약을 나타낸다1. 몸체가 ...(ellipsis)인 메서드는 런타임에 LLM 기반 루프로 완성되고, 일반 본문을 가진 메서드는 평범한 결정론적 Python 코드로 실행된다.
이 접근법의 실질적인 이점은 익숙한 도구를 그대로 쓸 수 있다는 점이다. 에이전트 코드를 diff로 비교하고, 코드 리뷰하고, 유닛 테스트하고, 버전 관리할 수 있다. 사람 개발자뿐 아니라 AI 코딩 에이전트도 동일한 도구로 작업한다.
동일 모델로 더 나은 결과를 내는 구조
NOOA는 여섯 가지 모델 대면 인터페이스 아이디어를 하나로 결합했다. 타입화된 입출력, 라이브 객체에 대한 참조 전달, 코드로서의 행동, 프로그래밍 가능한 루프 엔지니어링, 명시적 객체 상태, 모델이 직접 호출할 수 있는 하네스 API가 그것이다1. 하네스(모델을 감싸는 아키텍처) 설계만 바꿔도 결과는 크게 달라진다. NVIDIA의 보고서에 따르면, 동일한 기반 모델에서 하네스 설계만으로 벤치마크 점수가 두 자릿수 차이를 보이고 토큰 비용도 상당히 달라질 수 있다1.
참조 전달이 그 핵심 엔진이다. 기존 방식은 도구 실행 결과를 텍스트로 직렬화해 컨텍스트 윈도우를 왕복시킨다. NOOA는 도구 결과가 라이브 Python 변수로 코드 안에 직접 구성되게 한다1. 모델은 제한된 미리보기만 보지만, 전체 값은 실행 환경에 살아있다.
이 구조의 효과는 수치로 확인된다. SWE-bench Verified에서 NOOA는 GPT-5.5로 82.2%를 달성했고, 작업당 약 110만 토큰과 29회의 LLM 호출을 사용했다. 비교 하네스는 78.2%에 도달하는 데 66회 호출과 220만 토큰이 필요했고, 78.6%에는 29회 호출에 130만 토큰을 썼다1. 절반 수준의 토큰으로 더 나은 성능을 낸 셈이다.
메모리 하위 시스템도 주목할 만하다. 에이전트가 직접 메모리를 관리하며, 각 레코드는 유형·중요도·태그를 가진다. 'supports', 'contradicts', 'derived-from' 같은 관계로 지식 그래프를 형성하고, 백그라운드 리플렉션 패스가 중복을 병합하고 인사이트를 증류하며 불필요한 정보를 정리한다1.
배워야 할 점과 적용 방향
NOOA는 아직 연구 프리뷰 단계다. NVIDIA는 "기존 하네스를 대체하는 게 아니라 실험적 인터페이스"라고 명시한다1. 코드는 Apache 2.0 라이선스로 공개됐고, 저장소에는 LLM이 생성한 Python을 실행할 수 있으므로 OS 수준 샌드박스가 반드시 필요하다는 경고도 명확히 적혀 있다.
그럼에도 이 프레임워크가 제시하는 방향은 분명하다. 에이전트 개발이 점점 일반 소프트웨어 개발의 방식과 도구로 수렴하고 있다는 점이다. 타입, 테스트, 버전 관리라는 익숙한 기반 위에서 AI 에이전트를 다룰 수 있다는 발상은, 복잡한 에이전트 시스템을 운영해야 하는 팀에게 특히 실용적인 관점을 제공한다.
1Six Agent Harness Capabilities for Higher Model Performance
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.