구글 리서치가 AI 에이전트의 실행 환경을 반복해서 개선하는 오픈소스 프레임워크 하네스²(Harness Squared)를 공개했다. 핵심은 LLM의 가중치를 바꾸지 않는다는 점이다. 모델을 다시 학습시키는 대신 모델을 둘러싼 구성 요소를 고쳐 에이전트의 실제 수행 능력을 끌어올린다.
다만 내가 확인한 자료는 인공지능신문 기사의 요약 부분뿐이다. 아래 내용도 그 범위로 한정한다.
- 모델은 고정한다. 가중치를 건드리지 않고 에이전트가 일하는 환경을 개선 대상으로 삼는다.
- 진화시키는 대상은 주변 구성 요소다. 프롬프트, 도구 사용법, 메모리, 작업 절차가 여기에 해당한다고 소개됐다.
- 반복 개선 방식이다. 한 번 설계하고 끝내지 않고, 실행 환경을 여러 차례 고쳐 가며 성능을 높이는 구조다.
- 오픈소스로 공개됐다. 누구나 가져다 쓰거나 구조를 살펴볼 수 있다.
- 성능 향상의 초점이 이동한다. 기사는 이를 모델 내부에서 외부 실행 체계로 넓어지는 흐름으로 평가한다.
실무에서 이 소식이 눈에 띄는 이유는, 대부분의 개발팀이 이미 모델을 직접 학습시키지 않고 API로 받아 쓰기 때문이다. 이런 환경에서 바꿀 수 있는 것은 프롬프트, 도구 정의, 메모리, 업무 흐름뿐이고, 지금까지는 이를 사람이 감으로 손봐 왔다. 이 과정을 체계적으로 자동화하려는 시도라면 사내 업무 자동화 에이전트나 문서 처리, 데이터 정제 같은 반복 작업에 적용해 볼 만하다. 다만 어떤 방식으로 개선안을 만들고 무엇을 기준으로 채택하는지는 내가 본 자료에 나와 있지 않다. 라이선스, 지원하는 모델과 실행 환경, 평가 방법은 공개된 저장소와 문서에서 직접 확인해야 한다.
주의할 점도 있다. 프롬프트와 절차를 자동으로 바꾸는 구조에서는 평가 기준이 흔들리면 개선이 아니라 과적합으로 흐르기 쉽다. 도입하려면 대표 업무로 구성한 고정 평가 세트와 변경 이력 관리가 먼저 필요하고, 반복 실행에 드는 호출 비용도 미리 계산해 두는 편이 안전하다고 본다.
원문: “모델 가중치 그대로 두고 ‘AI 에이전트’ 스스로 진화시킨다”…구글, ‘하네스²’ 오픈소스로 공개 (인공지능신문)