Harness²：モデルの重みを変えずにエージェントを進化させるGoogleのOSS

Harness²は、Google Researchがオープンソースで公開したエージェント最適化フレームワークです。モデルの重みを一切変更することなく、エージェントを取り巻く周辺環境を自動で調整し、未知のタスクに対しても自己進化を可能にします。

エージェントにおけるハーネスとは、プロンプト、メモリ、ツールガイド、実行スクリプトなど、基底モデルの周囲に配置される実行基盤全体を指します。エージェントがうまく動作しない原因の多くは、モデル自体の知能不足ではなく、このハーネスの設計の粗さにあります。

何ができるのか

Harness²は、システムプロンプト、ガードレール、メモリ、ツールガイダンス、サブエージェント、スキル、スクリプト、プラグインという8つの周辺コンポーネントを編集対象として公開しています。

最適化には2層の再帰メカニズムを採用しています。1層目はタスクレベルの再帰です。正解データのない環境でも、変更提案、検証実行、合成というサイクルを回し、複数の挙動を比較して最適な設定を導き出します。並列モードで広く探索することも、直列モードで深く洗練させることも可能です。

2層目はハーネスレベルの再帰です。現在のタスクで得られた有効なハーネス設定や証拠に基づく教訓を記録し、将来遭遇する全く新しいタスクの処理に引き継ぎます。

ベンチマークの成果も明確です。GLM-5やGemini 3.5 Flashを対象にした検証では、わずか1ステップの再帰で既存のベース設定を上回りました。WorkBuddy-Benchで最大11.5ポイント、JobBenchで4.5ポイント向上し、法律タスクのLABでも部分通過率が11.8パーセントポイント改善しています。

動かし方

ライセンスはApache 2.0で、GitHubから誰でも入手可能です。推奨動作環境はLinux、Python 3.12、およびパッケージマネージャーのuvです。

APIキーなしで挙動を確認できるローカルデモも用意されています。決定論的なエディタと実際のPython実行を組み合わせ、手元のマシンで再帰の仕組みを試すことができます。

実モデルを使った検証には、Node.js 20以上やGoogle Cloud CLI、各種ベンチマーク用ツールのセットアップが必要です。実行系はデフォルトのOpenCodeとCodexに対応しています。なお、デフォルトでは実行環境のネットワークアクセスが制限されておらず、Codexのサンドボックスも無効化されているため、評価時のベンチマーク回答漏洩には注意が必要です。

なぜ重要か

Harness²は、現場のエンジニアが日々直面しているプロンプトやツール調整の泥臭い課題に真正面から切り込んでいます。モデルの追加学習やファインチューニングは高コストで壊れやすいのに対し、周辺コンポーネントの自動反復による性能向上は極めて現実的な選択肢です。

正解のない実践タスクでエージェントを自律的に適応させたい開発者にとって、試す価値が十分にあるツールと言えます。