OctoTools: Um Framework Agente com Ferramentas Extensíveis para Raciocínio Complexo

OctoTools: An Agentic Framework with Extensible Tools for Complex Reasoning

February 16, 2025

Autores: Pan Lu, Bowen Chen, Sheng Liu, Rahul Thapa, Joseph Boen, James Zou

cs.AI

Resumo

A resolução de tarefas complexas de raciocínio pode envolver compreensão visual, recuperação de conhecimento de domínio, cálculos numéricos e raciocínio em múltiplas etapas. Os métodos existentes aumentam os grandes modelos de linguagem (LLMs) com ferramentas externas, mas são restritos a domínios especializados, tipos limitados de ferramentas ou exigem dados de treinamento adicionais. Neste artigo, apresentamos o OctoTools, um framework agente de código aberto, sem necessidade de treinamento, amigável ao usuário e facilmente extensível, projetado para lidar com raciocínios complexos em diversos domínios. O OctoTools introduz cartões de ferramentas padronizados para encapsular a funcionalidade das ferramentas, um planejador para planejamento de alto e baixo nível, e um executor para realizar o uso das ferramentas. Validamos a generalidade do OctoTools em 16 tarefas diversas (incluindo MathVista, MMLU-Pro, MedQA e GAIA-Text), alcançando ganhos médios substanciais de 9,3% em precisão sobre o GPT-4o. Além disso, o OctoTools supera o AutoGen, GPT-Functions e LangChain em até 10,6% quando fornecido com o mesmo conjunto de ferramentas. Através de análises e ablações abrangentes, o OctoTools demonstra vantagens no planejamento de tarefas, uso eficaz de ferramentas e resolução de problemas em múltiplas etapas.

English

Solving complex reasoning tasks may involve visual understanding, domain knowledge retrieval, numerical calculation, and multi-step reasoning. Existing methods augment large language models (LLMs) with external tools but are restricted to specialized domains, limited tool types, or require additional training data. In this paper, we introduce OctoTools, a training-free, user-friendly, and easily extensible open-source agentic framework designed to tackle complex reasoning across diverse domains. OctoTools introduces standardized tool cards to encapsulate tool functionality, a planner for both high-level and low-level planning, and an executor to carry out tool usage. We validate OctoTools' generality across 16 diverse tasks (including MathVista, MMLU-Pro, MedQA, and GAIA-Text), achieving substantial average accuracy gains of 9.3% over GPT-4o. Furthermore, OctoTools outperforms AutoGen, GPT-Functions and LangChain by up to 10.6% when given the same set of tools. Through comprehensive analysis and ablations, OctoTools demonstrates advantages in task planning, effective tool usage, and multi-step problem solving.