Google abre el código fuente de Harness², un marco que mejora agentes de IA sin reproyectar modelos

El equipo de Google Cloud AI Research ha publicado un marco de código abierto llamado Harness² que ayuda a los agentes de IA a mejorar su rendimiento ajustando los sistemas que los rodean, no modificando el modelo subyacente en sí mismo.

La idea es sencilla: el éxito de un agente de IA no depende solo del modelo que lo ejecuta, sino de todo lo que lo rodea. Esto incluye las instrucciones dadas al modelo, las herramientas que puede usar, cómo recuerda interacciones pasadas y cómo maneja las decisiones. Harness² trata todo eso como componentes ajustables que se pueden perfeccionar con el tiempo.

«Tu agente puede volverse mejor sin un modelo mejor», escriben los investigadores.

El marco está en la versión 0,1.0 y funciona en Linux con Python 3.12 o 3.13. No reproyecta ningún peso de modelo. En cambio, trabaja con ocho componentes editables, cada uno almacenado en un archivo separado: prompts del sistema, guardianes, memoria, guía de herramientas, subagentes, habilidades, scripts y complementos ¹.

Harness² utiliza un proceso recursivo de dos niveles para lograr mejoras. Primero, cuando llega una tarea, el agente la ejecuta una vez con su configuración actual. Luego, un editor propone dos cambios posibles: uno orientado a corregir problemas generales como la planificación o el uso de herramientas, y otro dirigido a conocimientos específicos del dominio de la tarea. Ambas versiones se prueban en la misma tarea, y el sistema conserva solo los cambios que realmente produjeron mejores resultados.

Después de cada tarea, un reflexor guarda lo aprendido en un archivo llamado EXPERIENCE.md. Esto crea una biblioteca creciente de lecciones que guían las mejoras futuras ¹.

Los investigadores probaron Harness² en tres conjuntos de referencia: WorkBuddy-Bench, JobBench y Harvey's LAB. Usaron Gemini 3.5 Flash y GLM-5 como modelos base, junto con OpenCode y Codex como entornos de ejecución.

Los resultados mostraron ganancias significativas después de solo un paso de refinamiento. GLM-5 bajo OpenCode mejoró de 64,2 a 75,7 en WorkBuddy-Bench, un salto de 11,5 puntos. Incluso los peores agentes observaron mejoras ¹.

Cuando el equipo ejecutó más refinamientos en modo paralelo con k=5, Gemini bajo OpenCode alcanzó 80,8 en WorkBuddy-Bench. Tres de los cuatro entornos probados también requirieron menos pasos por tarea después de aplicar Harness² ¹.

Comparado con otros métodos, Harness² destaca porque aprende entre tareas en lugar de optimizarse para una sola. Un enfoque anterior llamado Meta-Harness busca código de forma offline, mientras que ReasoningBank solo ajusta la memoria recuperada con un arnés fijo ¹.

Instalar Harness² requiere Linux, Python 3.12 y una herramienta de paquetes llamada uv. Una demostración local puede ejecutarse sin credenciales de modelo, pero los experimentos completos con respaldo de modelo necesitan Node.js 20+, la CLI de Google Cloud y un proyecto de Vertex AI ¹.

El código está disponible bajo la licencia Apache-2.0, lo que lo hace de uso gratuito para desarrolladores e investigadores.

Correcciones y actualizaciones

• Corregido el 20 de octubre de 2026. Una versión anterior afirmaba que las ejecuciones completas con respaldo de modelo necesitaban Node.js sin especificar una versión, y que incluso los peores agentes mejoraron en los tres conjuntos de referencia; se especificó Node.js 20+ y se señaló que GLM-5 bajo Codex obtuvo solo 1,2 puntos más en JobBench en lugar de mejorar en todos los conjuntos de referencia. Una versión anterior atribuía Harness² a Google Research; la fuente nombra consistentemente a Google Cloud AI Research. El original indicaba Python 3.12+ sin especificar un límite superior; la fuente dice precisamente 3.12 o 3.13.

Los datos clave

• Harness² mejora agentes de IA refinando su sistema circundante, no modificando los pesos del modelo
• Un solo paso de refinamiento elevó las puntuaciones de GLM-5 en 11,5 puntos en WorkBuddy-Bench
• El marco utiliza ocho componentes editables, incluidos prompts, herramientas, memoria y habilidades
• Una biblioteca de lecciones almacena experiencias para guiar mejoras futuras en tareas
• Funciona en Linux con Python 3.12 o 3.13 y está abierto bajo Apache-2.0

Fuentes

1. Google Open-Sources Harness2, a Recursive Agent Harnessing Framework — marktechpost.com