AOrchestra: Automatizando a Criação de Subagentes para Orquestração Agêntica

AOrchestra: Automating Sub-Agent Creation for Agentic Orchestration

February 3, 2026

Autores: Jianhao Ruan, Zhihao Xu, Yiran Peng, Fashen Ren, Zhaoyang Yu, Xinbing Liang, Jinyu Xiang, Bang Liu, Chenglin Wu, Yuyu Luo, Jiayi Zhang

cs.AI

Resumo

Os agentes de linguagem têm demonstrado grande potencial para a automação de tarefas. A concretização desse potencial para tarefas cada vez mais complexas e de longo horizonte impulsionou o surgimento de um paradigma de subagentes-como-ferramentas para a resolução de tarefas em múltiplos turnos. No entanto, os projetos existentes ainda carecem de uma visão de abstração dinâmica dos subagentes, prejudicando a adaptabilidade. Enfrentamos este desafio com uma abstração de agente unificada e independente de *framework*, que modela qualquer agente como uma tupla Instrução, Contexto, Ferramentas, Modelo. Esta tupla atua como uma receita composicional para capacidades, permitindo que o sistema gere executores especializados para cada tarefa sob demanda. Com base nesta abstração, introduzimos um sistema agentivo, o AOrchestra, no qual o orquestrador central concretiza a tupla a cada passo: ele seleciona o contexto relevante para a tarefa, escolhe ferramentas e modelos, e delega a execução por meio da criação automática e dinâmica de agentes. Tais projetos permitem reduzir os esforços de engenharia humana e mantêm-se independentes de *framework*, com suporte *plug-and-play* para diversos agentes como executores de tarefas. Também permite uma compensação controlável entre desempenho e custo, permitindo que o sistema se aproxime da eficiência de Pareto. Em três *benchmarks* desafiadores (GAIA, SWE-Bench, Terminal-Bench), o AOrchestra alcança uma melhoria relativa de 16,28% em relação à linha de base mais forte quando emparelhado com o Gemini-3-Flash. O código está disponível em: https://github.com/FoundationAgents/AOrchestra.

English

Language agents have shown strong promise for task automation. Realizing this promise for increasingly complex, long-horizon tasks has driven the rise of a sub-agent-as-tools paradigm for multi-turn task solving. However, existing designs still lack a dynamic abstraction view of sub-agents, thereby hurting adaptability. We address this challenge with a unified, framework-agnostic agent abstraction that models any agent as a tuple Instruction, Context, Tools, Model. This tuple acts as a compositional recipe for capabilities, enabling the system to spawn specialized executors for each task on demand. Building on this abstraction, we introduce an agentic system AOrchestra, where the central orchestrator concretizes the tuple at each step: it curates task-relevant context, selects tools and models, and delegates execution via on-the-fly automatic agent creation. Such designs enable reducing human engineering efforts, and remain framework-agnostic with plug-and-play support for diverse agents as task executors. It also enables a controllable performance-cost trade-off, allowing the system to approach Pareto-efficient. Across three challenging benchmarks (GAIA, SWE-Bench, Terminal-Bench), AOrchestra achieves 16.28% relative improvement against the strongest baseline when paired with Gemini-3-Flash. The code is available at: https://github.com/FoundationAgents/AOrchestra