SearchOS-V1: Hacia una colaboración robusta de agentes de búsqueda de información en dominio abierto

SearchOS-V1: Towards Robust Open-Domain Information-Seeking Agent Collaboration

July 16, 2026

Autores: Yuyao Zhang, Junjie Gao, Zhengxian Wu, Jiaming Fan, Jin Zhang, Shihan Ma, Yao Yao, Weiran Qi, Chuyan Jin, Guiyu Ma, Xingzhong Xu, Kai Yang, Ji-Rong Wen, Zhicheng Dou

cs.AI

Resumen

Los avances recientes en Modelos de Lenguaje de Gran Escala Integrados con Herramientas han convertido la búsqueda web en una capacidad central de los agentes de búsqueda de información. Sin embargo, a medida que crecen los historiales de interacción, los agentes enfrentan cada vez más dificultades para hacer seguimiento del progreso de las tareas. Cuando los intentos de búsqueda no logran obtener evidencia útil, los sistemas actuales, tanto monoagente como multiagente, pueden quedar atrapados en bucles repetitivos, desperdiciando presupuestos de búsqueda y comprometiendo la calidad e integridad del resultado final. Presentamos SearchOS, un marco multiagente a nivel de sistema que transforma el progreso de búsqueda implícito y frágil en un estado explícito, persistente y compartido. Primero, formulamos la búsqueda de información en dominio abierto como una completación de esquemas relacionales con citas fundamentadas, donde los agentes descubren entidades, completan atributos en tablas vinculadas y anclan cada valor a la evidencia fuente. Luego, diseñamos la Gestión de Contexto Orientada a la Búsqueda (SOCM, por sus siglas en inglés), que externaliza el estado en evolución en una Tarea Frontera, un Gráfico de Evidencia, un Mapa de Cobertura y una Memoria de Fallos. Basado en SOCM, SearchOS aplica un mecanismo de planificación paralela en pipeline que superpone la ejecución de subagentes y rellena continuamente los espacios liberados con tareas dirigidas a brechas de cobertura no resueltas, mejorando así la utilización y el rendimiento. Para programar y controlar la ejecución de los agentes de búsqueda, SearchOS introduce un Arnes Intermedio de Herramientas de Búsqueda que intercepta las interacciones entre modelos y herramientas para registrar evidencia fundamentada y reaccionar ante estancamientos o agotamiento del presupuesto, además de proporcionar un sistema jerárquico reutilizable de habilidades compuesto por habilidades estratégicas y de acceso para mejorar el proceso de búsqueda de los agentes y evitar la repetición de patrones fallidos entre ejecuciones. En WideSearch y GISA, SearchOS lidera todas las métricas entre las líneas de base monoagente y multiagente evaluadas, allanando el camino hacia una colaboración robusta en la búsqueda de información.

English

Recent advances in Tool-Integrated Large Language Models have made web search a core capability of information-seeking agents. However, as interaction histories grow, agents increasingly struggle to track task progress. When search attempts fail to yield useful evidence, current single- and multi-agent systems can become trapped in repetitive loops, wasting search budgets and ultimately compromising the quality and completeness of the final output. We introduce SearchOS, a system-level multi-agent framework that turns fragile, implicit search progress into explicit, persistent, and shared state. First, we formulate open-domain information seeking as relational schema completion with grounded citations, where agents discover entities, populate attributes across linked tables, and anchor each value to source evidence. Then we design Search-Oriented Context Management (SOCM), which externalizes the evolving state into Frontier Task, an Evidence Graph, a Coverage Map, and Failure Memory. Built on SOCM, SearchOS applies a pipeline-parallel scheduling mechanism that overlaps the execution of sub-agents and continuously refills freed slots with tasks targeting unresolved coverage gaps to improve utilization and throughput. To schedule and control the execution of search agents, SearchOS introduces a Search Tool Middleware Harness that intercepts model and tool interactions to record grounded evidence and react to stalls or budget exhaustion, and provides a reusable hierarchical skill system comprising strategy and access skills to augment the agents' search process and avoid repeating failed search patterns across runs. On WideSearch and GISA, SearchOS leads all metrics among the evaluated single- and multi-agent baselines, paving the way toward robust information-seeking collaboration.