구글, 에이전트가 스스로 하네스를 재작성하는 Harness2 오픈소스 공개

구글 리서치가 AI 에이전트용 오픈소스 프레임워크 Harness2를 Apache-2.0 라이선스로 공개했습니다. 2026년 10월 18일 발표된 이 도구는 에이전트를 둘러싼 하네스를 고정된 상태로 두지 않고, 에이전트를 테스트하는 동안 하네스를 다시 작성합니다.

공개된 요약에 따르면, 한 번의 개선 단계만으로 GLM-5 모델의 WorkBuddy-Bench 점수가 11.5점 상승했습니다. 이 향상은 모델 가중치를 전혀 업데이트하지 않고 얻어진 것으로 전해집니다.

하네스가 중요한 이유

에이전트 시스템에서 하네스는 모델을 감싸는 계층을 말합니다. 여기에는 지시문, 호출할 수 있는 도구, 작업의 진행 방식을 결정하는 제어 로직이 포함됩니다. 같은 모델이라도 이 구성에 따라 성능이 크게 달라질 수 있습니다. Harness2는 재귀적 방식을 택해, 엔지니어가 수작업으로 조정하는 대신 시스템이 이 계층을 스스로 재설계하도록 합니다.

재학습이 필요 없기 때문에, 이 접근법은 값비싼 학습 과정 없이 기존 모델에서 더 많은 성능을 끌어낼 수 있는 방법을 보여줍니다. 자체 모델을 개발하거나 미세 조정할 여력이 없는 팀에게는 특히 매력적일 수 있습니다.

남은 질문들

현재 공개된 세부 정보는 제한적입니다. 다른 모델과 벤치마크에서도 비슷한 성과가 나타나는지, 여러 번의 개선 단계를 거치면 어떻게 되는지, 그리고 이 과정에 추가 연산 자원이 얼마나 필요한지는 아직 분명하지 않습니다. 보고된 11.5점 향상은 하나의 모델, 하나의 벤치마크에 대한 결과입니다.

허용적인 라이선스 덕분에 외부 연구자들도 이 주장을 직접 검증할 수 있습니다. 이번 공개는 에이전트 성능이 기반 모델뿐 아니라 그 주변에 구축된 구조에도 달려 있다는 업계의 관점과 맞닿아 있으며, Harness2는 그 작업의 일부를 자동화하려는 구체적인 시도를 보여줍니다.