SwarmAgentic: 군집 지능을 통한 완전 자동화 에이전트 시스템 생성 방향

SwarmAgentic: Towards Fully Automated Agentic System Generation via Swarm Intelligence

June 18, 2025

저자: Yao Zhang, Chenyang Lin, Shijie Tang, Haokun Chen, Shijie Zhou, Yunpu Ma, Volker Tresp

cs.AI

초록

대규모 언어 모델의 급속한 발전은 의사결정, 조정 및 작업 실행 측면에서 에이전트 시스템을 크게 진보시켰습니다. 그러나 기존의 에이전트 시스템 생성 프레임워크는 완전한 자율성이 부족하여, 처음부터 에이전트를 생성하는 기능, 자체 최적화 기능, 그리고 협업 기능이 결여되어 있어 적응성과 확장성이 제한됩니다. 우리는 SwarmAgentic을 제안합니다. 이는 언어 기반 탐색을 통해 에이전트 기능과 협업을 상호 의존적인 구성 요소로 공동 최적화하면서, 처음부터 에이전트 시스템을 구축하는 완전 자동화된 에이전트 시스템 생성 프레임워크입니다. 시스템 수준 구조에 대한 효율적인 탐색을 가능하게 하기 위해, SwarmAgentic은 후보 시스템 집단을 유지하고 피드백 기반 업데이트를 통해 이를 진화시킵니다. 이는 입자 군집 최적화(Particle Swarm Optimization, PSO)에서 영감을 받았습니다. 우리는 고수준 계획, 시스템 수준 조정 및 창의적 추론을 포함하는 6개의 실제 세계의 개방형 및 탐구형 작업에 대해 이 방법을 평가했습니다. 작업 설명과 목적 함수만 주어진 경우, SwarmAgentic은 모든 기준선을 능가하며 TravelPlanner 벤치마크에서 ADAS 대비 +261.8%의 상대적 개선을 달성하여 구조적으로 제약이 없는 작업에서 완전 자동화의 효과를 입증했습니다. 이 프레임워크는 군집 지능과 완전 자동화된 시스템 다중 에이전트 생성을 연결함으로써 확장 가능하고 자율적인 에이전트 시스템 설계로 나아가는 중요한 단계를 표시합니다. 우리의 코드는 https://yaoz720.github.io/SwarmAgentic/에서 공개되었습니다.

English

The rapid progress of Large Language Models has advanced agentic systems in decision-making, coordination, and task execution. Yet, existing agentic system generation frameworks lack full autonomy, missing from-scratch agent generation, self-optimizing agent functionality, and collaboration, limiting adaptability and scalability. We propose SwarmAgentic, a framework for fully automated agentic system generation that constructs agentic systems from scratch and jointly optimizes agent functionality and collaboration as interdependent components through language-driven exploration. To enable efficient search over system-level structures, SwarmAgentic maintains a population of candidate systems and evolves them via feedback-guided updates, drawing inspiration from Particle Swarm Optimization (PSO). We evaluate our method on six real-world, open-ended, and exploratory tasks involving high-level planning, system-level coordination, and creative reasoning. Given only a task description and an objective function, SwarmAgentic outperforms all baselines, achieving a +261.8% relative improvement over ADAS on the TravelPlanner benchmark, highlighting the effectiveness of full automation in structurally unconstrained tasks. This framework marks a significant step toward scalable and autonomous agentic system design, bridging swarm intelligence with fully automated system multi-agent generation. Our code is publicly released at https://yaoz720.github.io/SwarmAgentic/.