참고HF Blog
에이전트 성능의 핵심은 하네스(Harness), CUGA vs Hermes vs Deep Agents 비교 분석
에이전트 성능은 모델뿐만 아니라 하네스 설계에 좌우됨. 구축 시 프레임워크별 워크로드 적합성 검토 필요.
요약
AI 에이전트 구축 시 모델 성능만큼이나 어떤 에이전트 하네스(harness)를 선택하느냐가 작업 성공률에 결정적인 영향을 미친다. 실제로 GLM-5.2 모델을 동일하게 사용했을 때 하네스 변경만으로 SWE-bench Pro 점수가 23%에서 52%로 향상된 사례가 있다. Nous Research의 Hermes는 개인 비서용, LangChain의 Deep Agents는 다단계 리서치 작업에 특화된 반면, IBM의 CUGA(ConfigUrable Generalist Agent)는 엔터프라이즈 환경에 최적화되었다. CUGA는 기업의 비즈니스 시스템 연동 및 제약 규칙 준수를 강제할 수 있으며, 자체 환경 내에서 폐쇄형(air-gapped) 또는 주권 클라우드 배포가 가능하다. 90개의 AppWorld 작업 테스트 결과, 동일한 모델을 사용하더라도 하네스 선택에 따라 작업 완수율이 30%에서 81%까지 크게 차이 났다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 Same Model, Different Harness: CUGA, Hermes, and Deep Agents — When to Pick CUGA?
원문 보기 ↗