グーグルがHarness²をオープンソース化：AIが自らツールチェーンを改善し、GLM-5のスコアが11.5ポイント向上

動察 Beating AI 速報、Google Research が Harness² をオープンソース化し、AI Agent がモデルを再トレーニングすることなく、システムプロンプト、メモリ、Skills、ツールルール、さらにはスクリプトやプラグインを自動的に修正できるようにしました。プロジェクトは Apache 2.0 ライセンスを採用し、OpenCode と Codex をサポートしています。

その核心は、Agent 自身に試行錯誤させることです。新しいタスクに遭遇すると、システムはまずいくつかの改善案を提示し、異なるバージョンの Agent にそれぞれ実行させ、そのパフォーマンスを比較し、最終的により適切な案を組み合わせます。

標準的な答えがなくても、実際の実行プロセスに基づいて改善の方向性を見つけることができます。タスク終了後、システムはどの修正が有効で、なぜ有効だったかを記憶し、次回類似の問題に遭遇したときに参考にし続けます。毎回ゼロから模索するのではありません。

Google は GLM-5 と Gemini 3.5 Flash を使用してテストを行いました。WorkBuddy-Bench では、GLM-5 と OpenCode の組み合わせが、わずか1ラウンドの最適化で平均スコアが 64.2 点から 75.7 点に向上し、最適化されていない Gemini 3.5 Flash の 72.4 点を上回りました。法律タスクのテストでは、GLM-5 の一部の評価基準通過率も 59.6% から 71.4% に上昇しました。

ただし、実験ではデフォルトで Claude Opus 4.8 が改善の提案と実施を担当し、GLM-5 と Gemini は主にタスクの実行を担当しており、它们が完全に自力で進化を実現したわけではありません。

国内開発者の Joseph Zhou も Harness² を Jev 1.14 に接続した実験を展示し、視覚タスクのパフォーマンスが継続的に改善していると述べています。