LangChain의 코딩 에이전트 개선 전략: 하네스 엔지니어링을 통한 성능 극대화

LangChain은 자사 코딩 에이전트인 deepagents-cli를 Terminal Bench 2.0 리더보드 상위 5위권으로 끌어올린 하네스 엔지니어링(Harness Engineering) 접근법을 공유했다. 핵심은 모델 자체를 바꾸는 대신 모델을 둘러싼 시스템 프롬프트, 도구 선택, 실행 흐름을 최적화하여 모델의 지능을 특정 작업에 맞게 정제하는 것이다. 특히 LangSmith 트레이스 분석을 자동화한 Trace Analyzer Skill과 자가 검증 루프, 그리고 추론 비용을 전략적으로 배분하는 Reasoning Sandwich 기법이 주요하게 작용했다. 이를 통해 GPT-5.2-Codex 모델의 성능을 기존 52.8%에서 66.5%까지 끌어올리는 성과를 거두었다.