MetaChain: Ein vollautomatisiertes und Code-freies Framework für LLM-Agenten.

MetaChain: A Fully-Automated and Zero-Code Framework for LLM Agents

February 9, 2025

Autoren: Jiabin Tang, Tianyu Fan, Chao Huang

cs.AI

Zusammenfassung

Große Sprachmodell (LLM) Agenten haben bemerkenswerte Fähigkeiten bei der Aufgabenautomatisierung und intelligenten Entscheidungsfindung gezeigt, was zur weit verbreiteten Verwendung von Agentenentwicklungs-Frameworks wie LangChain und AutoGen geführt hat. Allerdings bedienen diese Frameworks hauptsächlich Entwickler mit umfangreicher technischer Expertise - eine bedeutende Einschränkung, wenn man bedenkt, dass nur 0,03 % der globalen Bevölkerung über die erforderlichen Programmierkenntnisse verfügen. Diese deutliche Zugänglichkeitslücke wirft eine grundlegende Frage auf: Können wir es jedem ermöglichen, unabhhängig von technischem Hintergrund, ihre eigenen LLM-Agenten ausschließlich mit natürlicher Sprache zu erstellen? Um dieser Herausforderung zu begegnen, stellen wir MetaChain vor - ein vollautomatisiertes und hochgradig selbstentwickelndes Framework, das Benutzern ermöglicht, LLM-Agenten allein durch natürliche Sprache zu erstellen und bereitzustellen. Als autonomes Agenten-Betriebssystem fungierend, besteht MetaChain aus vier Schlüsselkomponenten: i) Agentische Systemdienstprogramme, ii) LLM-gestützter handlungsfähiger Motor, iii) selbstverwaltendes Dateisystem und iv) Selbstspiel-Agentenanpassungsmodul. Dieses leichte, aber leistungsstarke System ermöglicht eine effiziente und dynamische Erstellung und Modifikation von Werkzeugen, Agenten und Workflows ohne Kodierungsanforderungen oder manuelle Eingriffe. Über seine agentenentwicklungsfähigkeiten ohne Code hinaus dient MetaChain auch als vielseitiges Multi-Agenten-System für allgemeine KI-Assistenten. Umfassende Bewertungen am GAIA-Benchmark zeigen die Wirksamkeit von MetaChain bei generalistischen Multi-Agenten-Aufgaben, wobei es bestehende State-of-the-Art-Methoden übertrifft. Darüber hinaus haben die RAG-bezogenen Fähigkeiten von MetaChain eine durchweg überlegene Leistung im Vergleich zu vielen alternativen LLM-basierten Lösungen gezeigt.

English

Large Language Model (LLM) Agents have demonstrated remarkable capabilities in task automation and intelligent decision-making, driving the widespread adoption of agent development frameworks such as LangChain and AutoGen. However, these frameworks predominantly serve developers with extensive technical expertise - a significant limitation considering that only 0.03 % of the global population possesses the necessary programming skills. This stark accessibility gap raises a fundamental question: Can we enable everyone, regardless of technical background, to build their own LLM agents using natural language alone? To address this challenge, we introduce MetaChain-a Fully-Automated and highly Self-Developing framework that enables users to create and deploy LLM agents through Natural Language Alone. Operating as an autonomous Agent Operating System, MetaChain comprises four key components: i) Agentic System Utilities, ii) LLM-powered Actionable Engine, iii) Self-Managing File System, and iv) Self-Play Agent Customization module. This lightweight yet powerful system enables efficient and dynamic creation and modification of tools, agents, and workflows without coding requirements or manual intervention. Beyond its code-free agent development capabilities, MetaChain also serves as a versatile multi-agent system for General AI Assistants. Comprehensive evaluations on the GAIA benchmark demonstrate MetaChain's effectiveness in generalist multi-agent tasks, surpassing existing state-of-the-art methods. Furthermore, MetaChain's Retrieval-Augmented Generation (RAG)-related capabilities have shown consistently superior performance compared to many alternative LLM-based solutions.