에이전트 자동 구성: 에이전트 구성 요소 선택을 위한 배낭 문제 접근법

초록

효과적인 에이전트 시스템 설계는 동적이고 불확실한 환경 내에서 에이전트, 도구, 모델의 원활한 구성과 통합을 요구합니다. 기존의 대부분의 방법은 도구나 에이전트 발견을 위해 정적이고 의미론적인 검색 접근법에 의존합니다. 그러나 불완전한 기능 설명과 검색 방법의 한계로 인해 기존 구성 요소의 효과적인 재사용과 구성은 여전히 어려운 과제로 남아 있습니다. 구성 요소 선택은 기능, 비용, 실시간 유용성을 기반으로 결정되지 않아 문제가 발생합니다. 이러한 문제를 해결하기 위해, 우리는 배낭 문제에서 영감을 받은 구조화된 자동화된 에이전트 시스템 구성 프레임워크를 소개합니다. 우리의 프레임워크는 컴포저 에이전트가 성능, 예산 제약, 호환성을 종합적으로 고려하여 최적의 에이전트 구성 요소 집합을 체계적으로 식별, 선택, 조립할 수 있도록 합니다. 후보 구성 요소를 동적으로 테스트하고 실시간으로 그들의 유용성을 모델링함으로써, 우리의 접근 방식은 에이전트 시스템의 조립을 간소화하고 자원의 확장 가능한 재사용을 촉진합니다. Claude 3.5 Sonnet을 사용한 5개의 벤치마킹 데이터셋에 대한 실험적 평가는 우리의 온라인 배낭 기반 컴포저가 기준선 대비 훨씬 낮은 구성 요소 비용으로 더 높은 성공률을 달성하며 파레토 프론티어에 지속적으로 위치함을 보여줍니다. 단일 에이전트 설정에서, 온라인 배낭 컴포저는 검색 기준선 대비 최대 31.6%의 성공률 향상을 보였습니다. 다중 에이전트 시스템에서는 100개 이상의 에이전트 인벤토리에서 에이전트를 선택할 때, 온라인 배낭 컴포저가 성공률을 37%에서 87%로 증가시켰습니다. 이러한 상당한 성능 격차는 우리의 방법이 다양한 도메인과 예산 제약에 걸쳐 강력한 적응성을 가지고 있음을 확인시켜 줍니다.

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.

에이전트 자동 구성: 에이전트 구성 요소 선택을 위한 배낭 문제 접근법

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

초록

Support