AI 에이전트 설계와 평가의 어려움을 해결하기 위해 개발된 Deep Agents의 벤치마킹 전략을 소개합니다. Harbor 프레임워크를 활용한 end-to-end 평가 방식과 함께, 자율 작업(Harbor-Index), 대화($ au^3$-bench), 검색(ContextBench)이라는 세 가지 핵심 벤치마크를 통해 에이전트의 성능을 다각도로 검증하는 방법을 설명하고 있습니다. 또한, 효율적인 반복 개발을 위한 'lite' 벤치마크 활용법과 데이터에 기반한 신뢰할 수 있는 업데이트 과정을 공유합니다.