구글 리서치는 대형언어모델의 가중치를 바꾸지 않고 AI 에이전트의 실행 환경을 개선하는 오픈소스 프레임워크 하네스²를 공개했다. 이 방식은 모델을 다시 학습시키는 대신 시스템 프롬프트, 행동 지침, 메모리, 도구 사용 가이드, 서브에이전트, 스킬, 스크립트, 플러그인 등 8개 구성 요소를 조정한다. 복잡한 업무에서 결과를 좌우하는 계획 수립, 도구 선택, 오류 복구, 과거 경험 활용을 실행 체계 차원에서 다루는 것이 특징이다.
핵심 구조는 이중 재귀다. 과제 수준 재귀는 제안, 탐색, 구성의 단계로 설정 변경 전후의 행동과 결과를 비교해 더 나은 하네스를 만든다. 이때 정답 레이블 대신 행동적 대비를 써서, 정답이 미리 없는 과제에서도 개선 실마리를 찾도록 설계됐다. 하네스 수준 재귀는 이렇게 얻은 절차와 경험을 축적해 다음 과제에 재사용하게 한다. 다만 기사에 따르면 행동 차이만으로 품질 향상을 단정할 수는 없어, 실제 적용에서는 정확성·완전성·과제 성공 여부를 별도로 검증해야 한다.