AOrchestra: Automatizzazione della Creazione di Sotto-Agenti per l'Orchestrazione Agente
AOrchestra: Automating Sub-Agent Creation for Agentic Orchestration
February 3, 2026
Autori: Jianhao Ruan, Zhihao Xu, Yiran Peng, Fashen Ren, Zhaoyang Yu, Xinbing Liang, Jinyu Xiang, Bang Liu, Chenglin Wu, Yuyu Luo, Jiayi Zhang
cs.AI
Abstract
Gli agenti linguistici hanno dimostrato un forte potenziale per l'automazione di compiti. Il tentativo di realizzare questo potenziale per compiti sempre più complessi e a lungo termine ha guidato l'ascesa di un paradigma di "sub-agente come strumento" per la risoluzione di compiti multi-turn. Tuttavia, i progetti esistenti mancano ancora di una visione astratta e dinamica dei sub-agenti, compromettendo così l'adattabilità. Affrontiamo questa sfida con un'astrazione unificata e indipendente dal framework che modella qualsiasi agente come una tupla Istruzione, Contesto, Strumenti, Modello. Questa tupla funge da ricetta compositiva per le capacità, consentendo al sistema di generare esecutori specializzati per ogni compito on-demand. Basandoci su questa astrazione, introduciamo un sistema agentivo, AOrchestra, in cui l'orchestratore centrale concretizza la tupla a ogni passo: cura il contesto rilevante per il compito, seleziona gli strumenti e i modelli, e delega l'esecuzione tramite la creazione automatica e immediata di agenti. Tale progettazione consente di ridurre gli sforzi di ingegneria umana e rimane indipendente dal framework con supporto plug-and-play per agenti diversificati come esecutori di compiti. Consente inoltre un compromesso controllabile tra prestazioni e costo, permettendo al sistema di avvicinarsi all'efficienza paretiana. Su tre benchmark impegnativi (GAIA, SWE-Bench, Terminal-Bench), AOrchestra ottiene un miglioramento relativo del 16,28% rispetto al baseline più forte quando abbinato a Gemini-3-Flash. Il codice è disponibile all'indirizzo: https://github.com/FoundationAgents/AOrchestra
English
Language agents have shown strong promise for task automation. Realizing this promise for increasingly complex, long-horizon tasks has driven the rise of a sub-agent-as-tools paradigm for multi-turn task solving. However, existing designs still lack a dynamic abstraction view of sub-agents, thereby hurting adaptability. We address this challenge with a unified, framework-agnostic agent abstraction that models any agent as a tuple Instruction, Context, Tools, Model. This tuple acts as a compositional recipe for capabilities, enabling the system to spawn specialized executors for each task on demand. Building on this abstraction, we introduce an agentic system AOrchestra, where the central orchestrator concretizes the tuple at each step: it curates task-relevant context, selects tools and models, and delegates execution via on-the-fly automatic agent creation. Such designs enable reducing human engineering efforts, and remain framework-agnostic with plug-and-play support for diverse agents as task executors. It also enables a controllable performance-cost trade-off, allowing the system to approach Pareto-efficient. Across three challenging benchmarks (GAIA, SWE-Bench, Terminal-Bench), AOrchestra achieves 16.28% relative improvement against the strongest baseline when paired with Gemini-3-Flash. The code is available at: https://github.com/FoundationAgents/AOrchestra