LangChain에서 발표한 이 글은 모델 자체를 변경하지 않고도 'Harness Engineering'을 통해 AI 에이전트의 성능을 극대화하는 방법을 설명하고 있습니다. 핵심은 모델 주변의 시스템(System Prompt, Tools, Middleware)을 최적화하는 것입니다. 구체적으로는 LangSmith의 Traces를 활용한 오류 분석, 에이전트가 스스로 코드를 검증하도록 유도하는 Self-verification 루프 구축, 환경 정보를 효과적으로 전달하는 Context Engineering, 그리고 계획과 검증 단계에 연산 자원을 집중하는 'Reasoning Sandwich' 전략 등을 다룹니다. 이러한 접근을 통해 coding agent인 deepagents-cli의 성능을 Terminal Bench 2.0에서 상위권으로 끌어올릴 수 있었습니다.