Harness²는 에이전트의 동작을 함께 결정하는 여덟 가지 구성 요소를 한곳에서 관리하고 수정할 수 있게 합니다. 시스템 프롬프트, 가드레일, 메모리, 도구 지침, 하위 에이전트, 스킬, 스크립트, 플러그인이 여기에 포함됩니다. 각 구성 요소는 에이전트 루프에서 맥락을 구성하는 방식이나 도구 사용 및 작업 위임 방식에 영향을 줍니다. 따라서 팀은 모델에 광범위하고 위험한 변경을 가하는 대신, 도구를 일관되게 사용하지 못하는 문제, 메모리를 충분히 불러오지 못하는 문제, 취약한 프롬프트 지침 등 구체적인 실패 원인을 찾아 관련 하네스 구성 요소만 수정하도록 제안하고, 통제된 탐색으로 변경 효과를 검증할 수 있습니다.

이 프레임워크의 핵심적인 차별점은 두 개의 재귀 루프를 계층적으로 적용한다는 것입니다. --k 예산으로 제어되는 작업 수준 재귀는 현재 작업에 제안–탐색–통합을 적용합니다. 다양한 하네스 후보를 살펴보도록 병렬 실행하거나, 하나의 개선 경로를 반복적으로 다듬도록 순차 실행할 수 있습니다. 하네스 수준 재귀는 채택된 하네스와 채택 근거를 지속적으로 저장하고, 이 교훈을 이후 작업 수준 개선의 사전 정보로 활용합니다. 이를 통해 팀은 모델 매개변수를 바꾸지 않고도 당면한 작업을 최적화하는 동시에 여러 작업에 걸친 학습을 점진적으로 축적하며, 탐색과 축적 사이의 균형을 맞출 수 있습니다.

Google은 Harness²가 Gemini 3.5 Flash와 GLM-5의 하네스를 개선했을 때 세 가지 전문 벤치마크, 즉 사무·웹·코딩을 평가하는 WorkBuddy-Bench, 전문 업무를 평가하는 JobBench, 법률 작업을 평가하는 LAB에서 재현 가능한 성능 향상을 보고했습니다. 가중치를 업데이트하지 않고도 개선 효과를 측정했다는 점은 모델을 재학습할 수 없거나 원하지 않는 실무 팀에 특히 중요합니다. 이번 공개에는 벤치마크 실험 실행, 결과 평가, 실행 재개를 위한 도구가 포함됩니다. 검증된 벤치마크에서 경험적으로 성능을 높이면, 모델을 새로 도입하거나 비용이 많이 드는 파인튜닝을 하지 않고도 팀이 성능 향상을 근거 있게 추진할 수 있습니다.

Harness²에는 로컬 실행과 클라우드 기반 벤치마크를 위한 데모 흐름과 설정 안내가 포함돼 있습니다. OpenCode 및 Codex 실행기를 지원하며, Vertex AI 통합, WorkBuddy용 Docker, LAB에 필요한 Pandoc 등의 의존성 설정 방법도 제공합니다. API와 명령줄 도구를 사용하면 드라이런을 실행하고, 변경 후보를 결정론적으로 탐색하며, 채택된 하네스를 지속적으로 관리되는 디렉터리에 통합할 수 있습니다. 제품 팀은 이를 통해 하네스 최적화를 CI에 추가하고, 회귀 검사를 위한 탐색 절차를 마련하며, 표준 코드 리뷰와 배포 프로세스로 하네스 변경을 관리할 수 있습니다.

하네스 수준 학습은 강력하지만 위험이 없는 것은 아닙니다. 통합 과정은 정답 레이블이 아니라 관찰된 동작을 기반으로 하므로, 평가상의 특이점에 과적합하거나 병렬 탐색 중 민감한 데이터가 유출되거나 반복적인 수정으로 바람직하지 않은 동작이 강화되지 않도록 탐색 평가자와 샌드박스를 신중하게 설계해야 합니다. 저장소는 실행기에 네트워크 접근을 제한 없이 허용하지 말라고 경고하며, 평가자 설정과 네트워크 제한을 권장합니다. 운영 측면에서 팀은 채택한 하네스를 설정 변경처럼 다뤄야 합니다. 코드 리뷰와 단계적 배포를 거치고, 의도한 결과가 제대로 강화되는지 모니터링해야 합니다.