Google Research представила Harness2 — фреймворк с открытым исходным кодом для оптимизации работы ИИ-агентов в процессе их развертывания. Система настраивает промпты, инструменты, память и оркестрацию, не меняя веса самой модели. Решение предназначено для работы в условиях открытого мира, где задачи поступают без заранее известных ответов или верификаторов.
Функциональность фреймворка масштабируется через параметр k. Параллельный режим анализирует k инвариантных и k доменных кандидатов для создания k композиций, а последовательный режим выстраивает цепочку из k шагов уточнения. Структура системы расширяет предыдущие наработки в области агентного инжиниринга, добавляя один дополнительный компонент к семи базовым файлам.
Эффективность Harness2 проверили на бенчмарках WorkBuddy-Bench, JobBench и Harvey’s LAB. В качестве исполнителей использовали модели Gemini 3.5 Flash и GLM-5, а редактором выступала Claude Opus 4.8. Исследование показало, что менее мощные модели получают наибольший прирост производительности: GLM-5 превзошла базовую Gemini 3.5 Flash на WorkBuddy-Bench всего за один шаг.
При параллельной рекурсии с параметром k=5 модель Gemini под OpenCode достигла показателя 80.8 на WorkBuddy-Bench. В трех из четырех конфигураций фреймворк сократил количество шагов, необходимых для выполнения задачи: для Gemini под OpenCode этот показатель снизился с 25.4 до 21.9. Инструмент поддерживает работу в Linux с использованием Python 3.12 и менеджера пакетов uv.
