에이전트 인터넷: 협업 지능을 위한 이기종 에이전트 네트워크 구축

Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence

July 9, 2024

저자: Weize Chen, Ziming You, Ran Li, Yitong Guan, Chen Qian, Chenyang Zhao, Cheng Yang, Ruobing Xie, Zhiyuan Liu, Maosong Sun

cs.AI

초록

대규모 언어 모델(LLM)의 급속한 발전은 고도로 능력 있는 자율 에이전트 개발의 길을 열어주었습니다. 그러나 기존의 다중 에이전트 프레임워크는 자체 생태계 내에서 정의된 에이전트에 의존하기 때문에 다양한 제3자 에이전트를 통합하는 데 어려움을 겪습니다. 또한 대부분의 프레임워크가 단일 장치 설정에 국한되어 있어 분산 환경을 시뮬레이션하는 데도 문제가 있습니다. 더욱이 이러한 프레임워크는 하드코딩된 통신 파이프라인에 의존하는 경우가 많아 동적 작업 요구사항에 대한 적응성이 제한됩니다. 인터넷 개념에서 영감을 받아, 우리는 이러한 한계를 해결하기 위해 LLM 기반 다중 에이전트 협업을 위한 유연하고 확장 가능한 플랫폼을 제공하는 새로운 프레임워크인 에이전트 인터넷(IoA)을 제안합니다. IoA는 에이전트 통합 프로토콜, 인스턴트 메시징과 유사한 아키텍처 설계, 그리고 에이전트 팀 구성 및 대화 흐름 제어를 위한 동적 메커니즘을 도입합니다. 일반 어시스턴트 작업, 구체화된 AI 작업, 그리고 검색 강화 생성 벤치마크에 대한 광범위한 실험을 통해 IoA가 최신 기준선을 지속적으로 능가하며, 이질적인 에이전트 간의 효과적인 협업을 촉진할 수 있는 능력을 입증했습니다. IoA는 다양한 에이전트를 인터넷과 같은 환경에서 연결하여 에이전트가 원활하게 협업하여 더 큰 지능과 능력을 달성할 수 있는 환경을 조성하는 한 걸음을 나타냅니다. 우리의 코드베이스는 https://github.com/OpenBMB/IoA에서 공개되었습니다.

English

The rapid advancement of large language models (LLMs) has paved the way for the development of highly capable autonomous agents. However, existing multi-agent frameworks often struggle with integrating diverse capable third-party agents due to reliance on agents defined within their own ecosystems. They also face challenges in simulating distributed environments, as most frameworks are limited to single-device setups. Furthermore, these frameworks often rely on hard-coded communication pipelines, limiting their adaptability to dynamic task requirements. Inspired by the concept of the Internet, we propose the Internet of Agents (IoA), a novel framework that addresses these limitations by providing a flexible and scalable platform for LLM-based multi-agent collaboration. IoA introduces an agent integration protocol, an instant-messaging-like architecture design, and dynamic mechanisms for agent teaming and conversation flow control. Through extensive experiments on general assistant tasks, embodied AI tasks, and retrieval-augmented generation benchmarks, we demonstrate that IoA consistently outperforms state-of-the-art baselines, showcasing its ability to facilitate effective collaboration among heterogeneous agents. IoA represents a step towards linking diverse agents in an Internet-like environment, where agents can seamlessly collaborate to achieve greater intelligence and capabilities. Our codebase has been released at https://github.com/OpenBMB/IoA.