LLMエージェント時代におけるグラフエンジニアリング：個体知能からシステム知能へ

要旨

大規模言語モデル（LLM）は、言語生成器から、複雑で長期的なタスクを実行できる自律エージェントへと進化してきた。この進化により、モデルの能力を引き出すプロンプトエンジニアリング、情報アクセスを管理するコンテキストエンジニアリング、外部ツールとリソースを組織化するハーネスエンジニアリング、継続的な振り返りと自己改善を支援するループエンジニアリングといったパラダイムが生み出されてきた。しかし、タスクが複雑化するにつれ、個々のエージェントの知能には根本的な限界が存在する。多くのタスクは、異種の専門知識、相互依存するサブタスク、並列実行、独立検証、および永続状態を必要とし、これは単一エージェントの組織能力を超えている。単一エージェントの能力やコンテキストを拡張しても、このアーキテクチャ上の不一致を解決することはできず、知能はむしろ専門化されたエージェント群に分散され、システムレベルで組織化されなければならない。我々はこれをシステムインテリジェンスと呼ぶ。すなわち、エージェントシステムが複数のインテリジェントな構成要素を組織化し、共有目標を追求する、一貫性のある適応的な全体へと調整する能力である。これを実現するには、エージェントを追加するだけでは不十分であり、作業を組織化し、異種エージェントを調整し、進化する実行状態を維持するための明示的な構造が必要である。我々は、次世代エージェントシステムのための新興パラダイムとしてグラフエンジニアリングを導入する。個々の相互作用やエージェントレベルの行動を主に最適化する従来のパラダイムとは異なり、グラフエンジニアリングは、タスク、エージェント、およびシステム状態を表す明示的かつ動的で進化するグラフ構造を構築する。これらの抽象化は、複雑な目的の整理、異種エージェントのオーケストレーション、システムダイナミクスのモデル化、およびスケーラブルなエージェント進化を可能にする統一的な基盤を提供する。我々は、LLMエージェントのためのグラフエンジニアリングの原理、方法論、および応用を体系的にレビューする。関連論文、オープンソースデータ、およびプロジェクトは https://github.com/DEEP-JLU/Awesome-Graph-Engineering に収集されている。

English

LLMs have evolved from language generators to autonomous agents capable of complex, long-horizon tasks. This evolution has produced paradigms including Prompt Engineering to elicit model capabilities, Context Engineering to manage information access, Harness Engineering to organize external tools and resources, and Loop Engineering to support continual reflection and self-improvement. Yet as tasks grow more complex, individual intelligence faces a fundamental limit: many tasks require heterogeneous expertise, interdependent subtasks, parallel execution, independent verification, and persistent state, exceeding any single agent's organizational capacity. Augmenting one agent's capabilities or context cannot resolve this architectural mismatch; intelligence must instead be distributed across specialized agents and organized at the system level. We call this System Intelligence: an agent system's ability to organize and coordinate multiple intelligent components into a coherent, adaptive whole pursuing a shared objective. Achieving it requires more than adding agents; it demands explicit structures to organize work, coordinate heterogeneous agents, and maintain evolving execution states. We introduce Graph Engineering, an emerging paradigm for next-generation agent systems. Unlike prior paradigms that mainly optimize individual interactions or agent-level behavior, Graph Engineering constructs explicit, dynamic, evolving graph structures representing tasks, agents, and system states. These abstractions provide a unified foundation for organizing complex objectives, orchestrating heterogeneous agents, modeling system dynamics, and enabling scalable agent evolution. We systematically review the principles, methodologies, and applications of Graph Engineering for LLM agents. Related papers, open-source data, and projects are collected at https://github.com/DEEP-JLU/Awesome-Graph-Engineering.