LLM 에이전트는 단일 모델 호출 대신, 관찰·컨텍스트·제어·액션·상태·검증을 관리하는 실행 하니스를 통해 실행됩니다.
최적의 모델 선택은 에이전트의 핵심 시스템 문제로, 기존 라우팅 방식은 단일 턴의 비용-품질 균형만 최적화하여 에이전트의 특징을 놓치고 있습니다.
Harness-Native 에이전트 라우팅은 전체 하니스 상태에 따라 최적의 모델을 선택하거나, 앙상블 스타일의 정확도 향상을 위해 여러 모델을 선택하는 새로운 패러다임입니다.
라우팅 결정은 쿼리, 하니스 상태, 모델 선택, 실행 추적, 결과, 비용 등 구조화된 데이터 기록을 생성하며, 이 기록은 환경에 의해 레이블링되어 하니스-Native 데이터 플라이휠을 형성합니다.