harness engineering은 LLM 자체를 바꾸지 않고 모델을 둘러싼 실행 틀인 harness를 설계·조정해 AI agent의 성능과 안정성을 높이는 작업이다. harness는 모델이 token을 생성하는 데 그치지 않고 환경 속에서 도구를 부르고 행동하게 하는 소프트웨어 구조로, system prompt, 도구 정의와 schema, 모델 호출 사이에 끼는 middleware 논리, context와 memory 관리, 하위 agent를 감독하는 구조가 여기에 든다.
모델을 추가 학습하는 post-training에 비해 비용과 공학적 부담이 적으면서도 같은 모델의 결과를 크게 바꿀 수 있어, context engineering과 함께 agent 개발의 핵심 분야로 꼽힌다. prompt 문구만 다듬는 prompt engineering보다 넓은 개념으로, agent가 지켜야 할 제약을 prompt가 아니라 실행 구조에 심는 것을 포함한다.