MetaChaîne : Un cadre entièrement automatisé et sans code pour les agents LLM

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

February 9, 2025

Auteurs: Jiabin Tang, Tianyu Fan, Chao Huang

cs.AI

Résumé

Les Agents de Modèle de Langage Large (LLM) ont démontré des capacités remarquables dans l'automatisation des tâches et la prise de décisions intelligentes, ce qui a conduit à une adoption généralisée des cadres de développement d'agents tels que LangChain et AutoGen. Cependant, ces cadres servent principalement les développeurs ayant une expertise technique approfondie - une limitation significative étant donné que seulement 0,03 % de la population mondiale possède les compétences en programmation nécessaires. Ce fossé d'accessibilité flagrant soulève une question fondamentale : pouvons-nous permettre à tout le monde, quel que soit son niveau technique, de construire ses propres agents LLM en utilisant uniquement le langage naturel ? Pour relever ce défi, nous présentons MetaChain - un cadre entièrement automatisé et hautement auto-développé qui permet aux utilisateurs de créer et déployer des agents LLM en utilisant uniquement le langage naturel. Fonctionnant comme un Système d'Exploitation d'Agent autonome, MetaChain comprend quatre composants clés : i) Utilitaires du Système Agentic, ii) Moteur d'Action LLM, iii) Système de Fichiers Auto-Gérant, et iv) Module de Personnalisation d'Agent Auto-Jeu. Ce système léger mais puissant permet la création et la modification efficaces et dynamiques d'outils, d'agents et de flux de travail sans exigences de codage ni intervention manuelle. Au-delà de ses capacités de développement d'agents sans code, MetaChain sert également de système multi-agent polyvalent pour les Assistants IA Généraux. Des évaluations approfondies sur le banc d'essai GAIA démontrent l'efficacité de MetaChain dans les tâches multi-agents généralistes, surpassant les méthodes de pointe existantes. De plus, les capacités liées à la Génération Augmentée par Récupération (RAG) de MetaChain ont montré des performances constamment supérieures par rapport à de nombreuses solutions alternatives basées sur LLM.

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.