TCAndon-Router：マルチエージェント協調のための適応的推論ルータ

TCAndon-Router: Adaptive Reasoning Router for Multi-Agent Collaboration

January 8, 2026

著者: Jiuzhou Zhao, Chunrong Chen, Chenqi Qiao, Lebin Zheng, Minqi Han, Yanchi Liu Yongzhou Xu Xiaochuan Xu Min Zhang

cs.AI

要旨

マルチエージェントシステム（MAS）は、高性能な知能アプリケーション構築のための強力なパラダイムとして確立されている。これらのシステム内では、クエリを処理すべき専門家エージェントを決定するルーターが、全体の性能において決定的な役割を果たす。既存のルーティング戦略は、一般的に2つのカテゴリに大別される。異なるサイズのモデル間で遅延とコストのバランスを取る「性能ルーティング」と、精度向上のためにクエリをドメイン特化型の専門家に割り当てる「タスクルーティング」である。実世界の企業アプリケーションではタスクルーティングがより適しているが、既存手法の多くは静的な単一ラベル決定に依存しており、これには2つの重大な限界がある：（i）事業領域の拡大に伴い新規エージェントをシームレスに統合する困難さ、（ii）エージェント能力の重複によるルーティング衝突であり、結果的に精度と堅牢性が低下する。 これらの課題に対処するため、我々はTCAndon-Router（TCAR）を提案する。これはマルチエージェント協調のための適応的推論ルーターである。従来のルーターと異なり、TCARは動的なエージェントオンボーディングをサポートし、クエリ処理が可能な候補エージェント群を予測する前に、自然言語による推論チェーンを最初に生成する。さらに、選択されたエージェントが独立して応答を生成し、専任のRefining Agentがそれらを統合・洗練して単一の高品質な応答に集約する協調実行パイプラインを設計した。 公開データセットおよび実企業データを用いた実験により、TCARがルーティング精度を大幅に改善し、ルーティング衝突を減少させ、曖昧なシナリオにおいても堅牢性を維持することを実証した。説明可能かつ協調的なマルチエージェントルーティングの将来研究を支援するため、TCARをhttps://huggingface.co/tencent/TCAndon-Router で公開している。

English

Multi-Agent Systems(MAS) have become a powerful paradigm for building high performance intelligent applications. Within these systems, the router responsible for determining which expert agents should handle a given query plays a crucial role in overall performance. Existing routing strategies generally fall into two categories: performance routing, which balances latency and cost across models of different sizes, and task routing, which assigns queries to domain-specific experts to improve accuracy. In real-world enterprise applications, task routing is more suitable; however, most existing approaches rely on static single-label decisions, which introduce two major limitations: (i) difficulty in seamlessly integrating new agents as business domains expand, and (ii) routing conflicts caused by overlapping agent capabilities, ultimately degrading accuracy and robustness.To address these challenges, we propose TCAndon-Router(TCAR): an adaptive reasoning router for multi-agent collaboration. Unlike traditional routers, TCAR supports dynamic agent onboarding and first generates a natural-language reasoning chain before predicting a set of candidate agents capable of handling the query. In addition, we design a collaborative execution pipeline in which selected agents independently produce responses, which are then aggregated and refined into a single high-quality response by a dedicated Refining Agent.Experiments on public datasets and real enterprise data demonstrate that TCAR significantly improves routing accuracy, reduces routing conflicts, and remains robust in ambiguous scenarios. We have released TCAR at https://huggingface.co/tencent/TCAndon-Router to support future research on explainable and collaborative multi-agent routing.