dltHub AI Harness

dlt(데이터 로드 도구)는 API와 데이터베이스에서 웨어하우스 또는 레이크하우스로 데이터를 로드하기 위한 오픈소스 Python 라이브러리입니다. dltHub(유료 플랫폼)는 코딩 에이전트의 요구에 맞춰 설계된 엔터프라이즈급 기능으로 dlt를 확장합니다: 변환, 데이터 품질 검증, 관리형 런타임 인프라, 관리형 데이터 앱, AI 기반 워크스페이스 환경.

dltHub AI Harness는 AI 코딩 어시스턴트에게 dlt로 데이터 파이프라인을 구축하기 위한 단계별 워크플로우를 제공하는 툴킷 모음입니다. 하네스를 그대로 사용하거나 자체 스택에 맞게 포크하여 커스터마이즈할 수 있습니다. dlthub ai CLI는 툴킷 구성 요소를 어시스턴트의 올바른 위치에 설치하고 워크스페이스 MCP 서버를 실행합니다.

Build 툴킷은 수집(REST API, SQL), 변환, 데이터 품질을 다루고, Run 툴킷은 배포와 탐색을 처리합니다. REST API 툴킷은 dltHub context를 기반으로 합니다 — 에이전트가 코드를 작성하기 전에 검증된 커넥터를 찾기 위해 쿼리하는 9,700개 이상의 소스 정의입니다. 신규 사용자는 데이터에서 대시보드까지 안내되는 엔드투엔드 실행을 위해 quick-start 툴킷으로 시작할 수 있습니다.

dltHub AI Harness는 Claude Code, Cursor, Codex에서 테스트되었으며 다른 AI 코딩 어시스턴트에서도 작동할 수 있습니다. 변경 사항을 검토하려면 accept edits(Claude) / --approval-mode(Codex) 모드로 작업하고, dlthub AI Harness를 시작할 때 dlthub AI 워크플로우에 익숙해지는 것을 권장합니다.

dltHub AI Harness는 반복적인 데이터 엔지니어링 워크플로우를 지원합니다

데이터 파이프라인 구축은 반복적이며 수집과 변환의 두 가지 주요 단계로 구성되며, 각 단계는 동일한 내부 루프를 따릅니다:

Build(로컬 개발)

• 파이프라인을 반복적으로 개발 — 수집의 경우: 먼저 첫 번째 REST API 엔드포인트, 그 다음 추가 엔드포인트; 변환의 경우: 먼저 데이터 모델, 그 다음 전체 변환 파이프라인

• 각 단계 후 로드된 데이터를 탐색하고 검증

• 파이프라인이 견고해질 때까지 반복하여 개선

Run(프로덕션)

• 수집 또는 변환 파이프라인을 프로덕션에 배포

• 로드된 데이터 위에 구축된 데이터 앱을 통해 인사이트 제공

외부 루프는 두 단계를 연결합니다: 변환 및 서빙 계층의 인사이트가 수집 개선으로 피드백됩니다. 하네스 Build 툴킷은 로컬 개발 루프를 지원하고, Run 툴킷은 배포와 데이터 앱을 처리합니다.

Related MCP server: Local LLM MCP Server

dltHub AI Harness 툴킷

하네스는 코딩 어시스턴트에게 특정 단계에 대한 구조화된 안내 워크플로우를 포함하는 툴킷을 제공합니다. 어시스턴트는 임시 코드를 생성하는 대신 시작부터 끝까지 정의된 일련의 단계를 따릅니다.

툴킷에는 스킬, 명령, 규칙, MCP 서버가 포함되며, 각 단계에서 어떤 스킬을 실행할지와 MCP를 어떻게 활용할지 알려주는 워크플로우로 연결됩니다.

모든 툴킷은 공유 규칙, 시크릿 처리, MCP 서버를 위해 init에 의존합니다. dlthub ai CLI를 사용할 때 init은 종속성으로 자동 설치됩니다. Claude 마켓플레이스를 사용할 때는 init 플러그인을 별도로 설치하세요.

툴킷 구성 요소

MCP 도구

두 개의 MCP 서버가 워크플로우 전반에 걸쳐 에이전트에게 구조화된 컨텍스트를 제공하여 수동 복사-붙여넣기의 필요성을 없앱니다.

dlt-workspace-mcp(로컬, dlthub ai init으로 설치)는 다음을 노출합니다: 데이터 검사 도구(list_tables, preview_table, execute_sql_query, get_row_counts, display_schema, get_local_pipeline_state), 시크릿 도구(secrets_view_redacted, secrets_update_fragment), 툴킷 탐색(list_toolkits, toolkit_info).

dltHub context(원격)는 search_dlthub_sources를 제공합니다 — find-source 스킬이 코드를 작성하기 전에 9,700개 이상의 REST API 소스 정의를 검색하고 참조 링크가 포함된 검증된 커넥터를 반환하는 데 사용됩니다.

사용 가능한 툴킷

init은 규칙, 시크릿 처리, MCP 서버를 제공하는 공유 종속성입니다. dlthub ai init으로 자동 설치되거나 Claude 마켓플레이스를 통해 별도 플러그인으로 설치됩니다.

시작하기

새 프로젝트(권장)

AI 지원이 포함된 깨끗한 새 dlthub 프로젝트를 설정하려면 dlthub-init을 실행하세요. 비대화형이며 AI 인지형이므로 코딩 어시스턴트가 대신 실행할 수 있습니다 — 에이전트가 깨끗한 새 dlthub 프로젝트를 설정할 때 사용해야 하는 명령입니다. 번들된 잠금 파일을 통해 dlt[hub]를 고정하고 uv sync를 실행합니다:

uvx dlthub-init@latest <dir>    # scaffold a clean new project into <dir>

기존 프로젝트

기존 프로젝트에 AI 하네스를 추가하려면 동일한 dlthub-init을 제자리에서 실행하세요. 파일별 충돌 처리(pyproject.toml 병합, secrets.toml은 절대 덮어쓰지 않음, .gitignore 합집합)를 사용하고, dlt[hub]를 고정하며, uv sync를 실행합니다 — 그리고 비대화형이므로 코딩 어시스턴트가 대신 실행할 수 있습니다:

uvx dlthub-init@latest          # set up AI support in the current directory

수동 단계(대체 방법): 단계별로 직접 수행하거나 dlthub-init을 사용할 수 없는 경우:

참고: 아래의 모든 dlthub ai 명령은 uv run dlthub ... 구문을 사용합니다. dlthub이 전역 또는 활성 가상 환경에 설치되어 있다면 uv run을 생략하고 dlthub을 직접 호출할 수 있습니다. uv 사용을 권장합니다.

# Initialize the environment 
uv init 

# Install dlthub
uv add "dlt[hub]"

# Initialize the dlthub workspace and follow its instructions (most importantly `uv sync`)
uv run dlthub init

# Set up AI support (auto-detects your coding assistant)
uv run dlthub ai init

# If multiple coding assistants are detected, specify one explicitly:
uv run dlthub ai init --agent <agent>  # <agent>: claude | cursor | codex

dlthub ai init은 환경 변수와 구성 파일에서 코딩 어시스턴트를 감지한 다음 해당 도구에 맞는 올바른 위치에 스킬, 규칙, MCP 서버를 설치합니다.

Claude Code 참고: 안전한 자격 증명 처리를 적용하려면 CLAUDE.md에 다음을 추가하세요:

CRITICAL: never ask for credentials in chat. Always let the user edit secrets directly and do not attempt to read them.

Cursor 참고: 명령 실행 후 Cursor Settings > MCP에서 dlt-workspace-mcp 서버를 수동으로 활성화하세요. 안전한 자격 증명 처리를 적용하려면 .cursor/rules/security.mdc에 다음을 추가하세요:

CRITICAL: never ask for credentials in chat. Always let the user edit secrets directly and do not attempt to read them.

Codex 참고: Codex는 명령과 규칙을 지원하지 않으므로 설치 프로그램이 이를 스킬과 AGENTS.md로 변환합니다. Codex는 또한 엄격한 샌드박스에서 실행됩니다 — 프로젝트 또는 전역 구성에서 웹 액세스를 활성화하는 것을 고려하세요:

# .codex/config.toml
web_search = "live"

안전한 자격 증명 처리를 적용하려면 AGENTS.md에 다음을 추가하세요:

CRITICAL: never ask for credentials in chat. Always let the user edit secrets directly and do not attempt to read them.

첫 온보딩 (dltHub를 시도하거나 배우고 싶은 경우)

dltHub가 처음이고 그냥 시도하거나 배우고 싶으신가요? dlthub-start를 직접 실행하세요 — 새로운 플레이그라운드 작업 공간을 생성합니다 (프로덕션용이 아니며, 실제 프로젝트 설정용도 아닙니다):

uvx dlthub-start@latest

직접 실행하세요 — 코딩 어시스턴트에게 요청하지 마세요. uvx dlthub-start는 인증을 위해 상호작용이 필요하므로 사람이 직접 실행해야 합니다. 실제 터미널에서만 작동합니다 (! 모드에서는 안 됩니다). 에이전트 기반 설정은 위의 dlthub-init을 사용하세요.

툴킷 탐색 및 설치

아직 dlthub을 설정하지 않으셨나요? 먼저 위의 새 프로젝트 또는 기존 프로젝트를 따르세요 (또는 어시스턴트가 실행할 수 있는 bootstrap 툴킷의 /init-workspace 사용). 아래 툴킷 명령은 환경에 dlthub이 설치되어 있다고 가정합니다.

uv run dlthub ai toolkit list

툴킷 설치 (어떤 툴킷을 설치해야 할지 확실하지 않다면 모두 설치하는 것을 권장합니다):

uv run dlthub ai toolkit install quick-start
uv run dlthub ai toolkit install bootstrap
uv run dlthub ai toolkit install rest-api-pipeline
uv run dlthub ai toolkit install sql-database-pipeline
uv run dlthub ai toolkit install filesystem-pipeline
uv run dlthub ai toolkit install dlthub-platform
uv run dlthub ai toolkit install data-exploration
uv run dlthub ai toolkit install transformations
uv run dlthub ai toolkit install data-quality
uv run dlthub ai toolkit install performance

하네스 시작하기

위의 사용 가능한 툴킷 표에 있는 예시 프롬프트 중 하나를 사용하여 워크플로우를 시작하세요.

Claude Code — 터미널에서 claude를 통해 새 세션을 시작하세요. 설치 후 재시작해야 스킬과 MCP가 적용됩니다.

Cursor — Cursor에서 프로젝트를 열고 채팅 패널 (Cmd+L)을 사용하세요. 설치된 스킬과 규칙은 자동으로 인식됩니다.

Codex — codex를 통해 Codex CLI를 실행하거나 UI에서 Codex 채팅을 사용하세요. MCP 서버가 적용되도록 설정 후 Codex를 재시작하세요.

Claude Code 마켓플레이스 플러그인 (얼리 액세스)

얼리 액세스: Claude Code 플러그인은 현재 얼리 액세스 단계에 있으며 서로 다른 툴킷 간의 연결 경험이 최적이 아닐 수 있습니다. dltHub가 처음이고 시도하거나 배우고 싶다면 첫 온보딩을 참조하세요 — uvx dlthub-start@latest를 직접 실행합니다. 아래 마켓플레이스 경로는 Claude Code 내부에서 bootstrap 툴킷 (uvx dlthub-init@latest — 깨끗한 새 프로젝트나 기존 dlthub 프로젝트를 설정하기 위한 에이전트 실행 가능 명령 — 을 우선 사용하고, 인플레이스 설치 단계로 폴백합니다)을 통해 기존/빈 프로젝트를 부트스트랩하려는 경우 유용합니다.

하네스는 마켓플레이스를 통해 Claude Code 플러그인으로도 사용할 수 있습니다. Claude Code 세션을 시작하고 다음을 실행하세요:

/plugin marketplace add dlt-hub/dlthub-ai-harness
/plugin install init@dlthub-ai-harness --scope project
/plugin install quick-start@dlthub-ai-harness --scope project
/plugin install bootstrap@dlthub-ai-harness --scope project
/plugin install rest-api-pipeline@dlthub-ai-harness --scope project
/plugin install sql-database-pipeline@dlthub-ai-harness --scope project
/plugin install dlthub-platform@dlthub-ai-harness --scope project
/plugin install data-exploration@dlthub-ai-harness --scope project
/plugin install transformations@dlthub-ai-harness --scope project
/plugin install data-quality@dlthub-ai-harness --scope project

새 세션을 시작하세요 — 플러그인은 Claude Code를 재시작한 후에만 적용됩니다: claude

세션을 재개하시나요? 세션 중간에 설치된 플러그인은 새 세션을 시작할 때까지 활성화되지 않습니다.

dlthub ai CLI

dlthub ai 하위 명령은 하네스와 코딩 어시스턴트 사이의 다리 역할을 합니다. dlthub ai init은 프로젝트 규칙, 비밀 관리 스킬, 적절한 ignore 파일을 설치하고 에이전트를 위한 dlt MCP 서버를 구성합니다. dlthub ai toolkit install은 추가 툴킷 구성 요소 (스킬, 규칙, 명령)를 어시스턴트에 맞는 올바른 위치에 복사합니다.

툴킷 관리 — 하네스의 스킬, 규칙, 명령, MCP 구성을 프로젝트의 에이전트 구성 디렉터리 (.claude/, .cursor/, .agents/ 등)로 복사합니다:

uv run dlthub ai status                        # show installed agent, dlthub version, active toolkits
uv run dlthub ai toolkit list                  # list available toolkits from the harness
uv run dlthub ai toolkit info <name>           # show a toolkit's skills, commands, and workflow
uv run dlthub ai toolkit install <name>        # install a toolkit for the detected agent
uv run dlthub ai toolkit install <name> --agent <agent>  # <agent>: claude | cursor | codex  - override agent detection

비밀 관리 — dlt는 자격 증명을 TOML 파일에 저장합니다. 이 명령을 사용하면 어시스턴트가 원시 비밀 값을 읽지 않고도 자격 증명을 검사하고 업데이트할 수 있습니다:

uv run dlthub ai secrets list                  # show which secret files exist and where
uv run dlthub ai secrets view-redacted         # print secrets with values masked
uv run dlthub ai secrets update-fragment --path <file> '<toml>'  # merge a TOML snippet into a secrets file

MCP 서버 — dlthub 작업 공간 (파이프라인, 스키마, 테이블, 비밀)을 어시스턴트가 호출할 수 있는 도구로 노출하는 로컬 서버를 시작합니다:

uv run dlthub ai mcp run                       # run in SSE mode (default)
uv run dlthub ai mcp run --stdio               # run in stdio mode (for assistants that require it)
uv run dlthub ai mcp install                   # register the MCP server in the agent's config

MCP 서버를 사용하면 어시스턴트가 "어떤 테이블이 로드되었나요?" 또는 "스키마를 보여줘"와 같은 질문에 답할 수 있어 출력을 채팅에 복사해서 붙여넣을 필요가 없습니다.

라이선스

이 프로젝트는 dltHub AI Harness License에 따라 라이선스가 부여됩니다.