エージェントの自動構成：エージェントコンポーネント選択のためのナップサックアプローチ

要旨

効果的なエージェントシステムを設計するためには、動的かつ不確実な環境において、エージェント、ツール、およびモデルをシームレスに構成し統合することが必要である。既存の手法の多くは、ツールやエージェントの発見に静的で意味論的な検索アプローチを依存している。しかし、既存コンポーネントの効果的な再利用と構成は、不完全な能力記述や検索手法の限界により依然として困難である。コンポーネント選択は、能力、コスト、およびリアルタイムの有用性に基づかない意思決定のために苦しんでいる。これらの課題に対処するため、ナップサック問題に着想を得た構造化された自動化フレームワークを導入する。本フレームワークは、コンポーザーエージェントが性能、予算制約、および互換性を総合的に考慮して、最適なエージェントコンポーネントのセットを体系的に識別、選択、および組み立てることを可能にする。候補コンポーネントを動的にテストし、その有用性をリアルタイムでモデル化することにより、本アプローチはエージェントシステムの組み立てを効率化し、リソースのスケーラブルな再利用を促進する。Claude 3.5 Sonnetを用いた5つのベンチマークデータセットでの実証評価により、オンラインナップサックベースのコンポーザーが一貫してパレートフロンティア上に位置し、ベースラインと比較して大幅に低いコンポーネントコストで高い成功率を達成することが示された。単一エージェント設定では、オンラインナップサックコンポーザーは検索ベースラインと比較して最大31.6%の成功率向上を示した。マルチエージェントシステムでは、100以上のエージェントインベントリからエージェントを選択する場合、オンラインナップサックコンポーザーは成功率を37%から87%に向上させた。この大幅な性能差は、多様なドメインと予算制約にわたる本手法の堅牢な適応性を確認するものである。

English

Designing effective agentic systems requires the seamless composition and integration of agents, tools, and models within dynamic and uncertain environments. Most existing methods rely on static, semantic retrieval approaches for tool or agent discovery. However, effective reuse and composition of existing components remain challenging due to incomplete capability descriptions and the limitations of retrieval methods. Component selection suffers because the decisions are not based on capability, cost, and real-time utility. To address these challenges, we introduce a structured, automated framework for agentic system composition that is inspired by the knapsack problem. Our framework enables a composer agent to systematically identify, select, and assemble an optimal set of agentic components by jointly considering performance, budget constraints, and compatibility. By dynamically testing candidate components and modeling their utility in real-time, our approach streamlines the assembly of agentic systems and facilitates scalable reuse of resources. Empirical evaluation with Claude 3.5 Sonnet across five benchmarking datasets shows that our online-knapsack-based composer consistently lies on the Pareto frontier, achieving higher success rates at significantly lower component costs compared to our baselines. In the single-agent setup, the online knapsack composer shows a success rate improvement of up to 31.6% in comparison to the retrieval baselines. In multi-agent systems, the online knapsack composer increases success rate from 37% to 87% when agents are selected from an agent inventory of 100+ agents. The substantial performance gap confirms the robust adaptability of our method across diverse domains and budget constraints.

エージェントの自動構成：エージェントコンポーネント選択のためのナップサックアプローチ

Automated Composition of Agents: A Knapsack Approach for Agentic Component Selection

要旨

Support