Harness² es un marco de software de código abierto desarrollado por Google Research que permite la orquestación recursiva de agentes de inteligencia artificial en entornos abiertos. Su objetivo principal es optimizar el sistema que rodea a un modelo de lenguaje, incluyendo prompts, herramientas, memoria y habilidades, mediante un proceso de 'harnessing' que mejora la capacidad del agente para resolver tareas no vistas durante el diseño inicial.
El sistema opera mediante dos niveles de recursión que mantienen los pesos del modelo fijos. El primer nivel, a nivel de tarea, refina el ejecutor del harness mediante un paso de contraste 'Propose–Probe–Compose': propone ediciones, prueba sus efectos y compone un harness refinado basándose en contrastes de comportamiento, sin necesidad de retroalimentación de verdad absoluta. El segundo nivel, a nivel de harness, actualiza un harness de mejora persistente incorporando los harnesses adoptados y las lecciones respaldadas por evidencia de cada tarea para guiar futuras refinaciones.
En pruebas con tres benchmarks profesionales y cuatro configuraciones de modelo, Harness² ha logrado mejoras de hasta 11,5 puntos en WorkBuddy-Bench, 4,5 puntos en JobBench y 11,8 puntos porcentuales en la tasa de paso parcial de LAB, superando a los harnesses base de modelos como GLM-5 y Gemini 3.5 Flash. La herramienta soporta recursión paralela y secuencial, ejecutores OpenCode y Codex, y se integra con benchmarks como JobBench, LAB y WorkBuddy-Bench. El proyecto requiere Python 3.12 y Linux, y ofrece una interfaz de línea de comandos para la instalación, la ejecución de tareas y la evaluación de resultados, con un enfoque en la reproducibilidad y la gestión de costos de API.
