구글, 재훈련 없이 AI 에이전트 성능 높이는 '하네스²' 오픈소스 공개

구글이 2026년 10월 19일, 기반 모델을 재훈련하지 않고도 AI 에이전트의 실행 환경을 개선해 성능을 높이는 오픈소스 프레임워크 '하네스²'를 공개했다. 프레임워크는 깃허브에 공개됐다.

하네스²는 모델 가중치가 아니라 시스템 프롬프트, 도구 사용 지침, 메모리, 절차 등 환경 파일을 정교하게 다듬는 방식으로 에이전트를 개선한다. 별도의 정답 검증기 없이 동일한 작업에 대한 두 가지 수정안을 비교하는 'Propose-Probe-Compose' 대조 기법을 사용한다.

하네스 수준에서는 이전 작업에서 얻은 교훈을 'LESSONS'라는 라이브러리에 기록하고, 새 작업에서는 기본 하네스에서 출발해 수정안을 다시 제안한다.

평가는 워크버디 벤치, 잡벤치, LAB에서 GLM-5와 제미나이 3.5 플래시를 여러 하네스 구성과 함께 진행됐다. 한 차례 개선 라운드만으로 테스트한 네 가지 모델-하네스 구성 모두에서 세 벤치마크 점수가 올랐다.

GLM-5와 오픈코드 조합에서는 워크버디 벤치 점수가 64.2점에서 75.7점으로 상승했고, 잡벤치는 최대 4.5점, LAB 통과율은 최대 11.8%포인트 올랐다. 반면 GLM-5와 코덱스 조합의 잡벤치는 23.6점에서 24.8점으로 소폭 상승하는 데 그쳤다.

기존 접근법과의 차이

기존에는 AI 성능을 높이기 위해 모델을 재훈련하거나 정답이 알려진 평가 데이터를 활용하는 방식이 주로 쓰였다. 하네스²는 모델 자체를 건드리지 않고 실행 환경을 개선한다는 점에서 차별화된다.