개인 맞춤형 연구 그룹 구축: 지속적이고 상호작용적인 과학 자동화를 위한 다중 에이전트 프레임워크

Build Your Personalized Research Group: A Multiagent Framework for Continual and Interactive Science Automation

October 17, 2025

저자: Ed Li, Junyu Ren, Xintian Pan, Cat Yan, Chuanhao Li, Dirk Bergemann, Zhuoran Yang

cs.AI

초록

과학적 발견의 자동화는 인공지능(AI) 연구에서 중요한 이정표로 여겨진다. 그러나 현재의 과학적 에이전트 시스템은 두 가지 근본적인 한계를 가지고 있다: 중간 결과에 적응할 수 없는 경직된 사전 프로그래밍된 워크플로우와 장기적 연구를 방해하는 불충분한 컨텍스트 관리가 그것이다. 본 연구에서는 실시간 에이전트 추론에 의해 결정되는 완전히 동적인 워크플로우와 도메인별 요구사항을 해결하기 위해 사용자가 에이전트를 수정, 추가 또는 제거할 수 있는 \textit{모듈식 아키텍처}를 특징으로 하는 오픈소스 다중 에이전트 프레임워크인 freephdlabor를 제안한다. 이 프레임워크는 자동 컨텍스트 압축, 정보 저하를 방지하기 위한 작업공간 기반 통신, 세션 간 메모리 지속성, 그리고 비차단적 인간 개입 메커니즘을 포함한 포괄적인 인프라를 제공한다. 이러한 기능들은 자동화된 연구를 단일 실행 시도에서 벗어나 이전 탐구를 체계적으로 구축하고 인간의 피드백을 통합하는 지속적인 연구 프로그램으로 전환한다. 본 연구는 사용자 정의 가능한 공동 과학자 시스템을 구축하기 위한 아키텍처 원칙과 실질적인 구현을 제공함으로써, 과학적 분야 전반에 걸쳐 자동화된 연구의 보다 광범위한 채택을 촉진하고, 실무자들이 아이디어 생성부터 실험, 출판 준비가 된 원고까지 종단 간 연구를 자율적으로 수행하는 인터랙티브 다중 에이전트 시스템을 배포할 수 있도록 하는 것을 목표로 한다.

English

The automation of scientific discovery represents a critical milestone in Artificial Intelligence (AI) research. However, existing agentic systems for science suffer from two fundamental limitations: rigid, pre-programmed workflows that cannot adapt to intermediate findings, and inadequate context management that hinders long-horizon research. We present freephdlabor, an open-source multiagent framework featuring fully dynamic workflows determined by real-time agent reasoning and a \textit{modular architecture} enabling seamless customization -- users can modify, add, or remove agents to address domain-specific requirements. The framework provides comprehensive infrastructure including automatic context compaction, workspace-based communication to prevent information degradation, memory persistence across sessions, and non-blocking human intervention mechanisms. These features collectively transform automated research from isolated, single-run attempts into continual research programs that build systematically on prior explorations and incorporate human feedback. By providing both the architectural principles and practical implementation for building customizable co-scientist systems, this work aims to facilitate broader adoption of automated research across scientific domains, enabling practitioners to deploy interactive multiagent systems that autonomously conduct end-to-end research -- from ideation through experimentation to publication-ready manuscripts.