MetaChain: Um Framework Totalmente Automatizado e Sem Código para Agentes LLM

MetaChain: A Fully-Automated and Zero-Code Framework for LLM Agents

February 9, 2025

Autores: Jiabin Tang, Tianyu Fan, Chao Huang

cs.AI

Resumo

Os Agentes de Modelos de Linguagem Grandes (LLM) demonstraram capacidades notáveis em automação de tarefas e tomada de decisões inteligentes, impulsionando a ampla adoção de frameworks de desenvolvimento de agentes como LangChain e AutoGen. No entanto, esses frameworks atendem predominantemente a desenvolvedores com ampla expertise técnica - uma limitação significativa considerando que apenas 0,03% da população global possui as habilidades de programação necessárias. Essa grande lacuna de acessibilidade levanta uma questão fundamental: Podemos capacitar todos, independentemente do conhecimento técnico, a construir seus próprios agentes LLM usando apenas linguagem natural? Para enfrentar esse desafio, apresentamos o MetaChain - um framework Totalmente Automatizado e Altamente Autodesenvolvente que permite aos usuários criar e implantar agentes LLM apenas por meio de Linguagem Natural. Funcionando como um Sistema Operacional de Agente autônomo, o MetaChain é composto por quatro componentes-chave: i) Utilitários do Sistema Agente, ii) Motor de Ação com Potência LLM, iii) Sistema de Arquivos Autogerenciável e iv) Módulo de Customização de Agente Autoplay. Esse sistema leve, porém poderoso, possibilita a criação e modificação eficientes e dinâmicas de ferramentas, agentes e fluxos de trabalho sem requisitos de codificação ou intervenção manual. Além de suas capacidades de desenvolvimento de agentes sem código, o MetaChain também atua como um sistema multiagente versátil para Assistentes de IA Geral. Avaliações abrangentes no benchmark GAIA demonstram a eficácia do MetaChain em tarefas multiagentes generalistas, superando os métodos state-of-the-art existentes. Além disso, as capacidades relacionadas ao Retrieval-Augmented Generation (RAG) do MetaChain têm mostrado consistentemente desempenho superior em comparação com muitas soluções alternativas baseadas em LLM.

English

Large Language Model (LLM) Agents have demonstrated remarkable capabilities in task automation and intelligent decision-making, driving the widespread adoption of agent development frameworks such as LangChain and AutoGen. However, these frameworks predominantly serve developers with extensive technical expertise - a significant limitation considering that only 0.03 % of the global population possesses the necessary programming skills. This stark accessibility gap raises a fundamental question: Can we enable everyone, regardless of technical background, to build their own LLM agents using natural language alone? To address this challenge, we introduce MetaChain-a Fully-Automated and highly Self-Developing framework that enables users to create and deploy LLM agents through Natural Language Alone. Operating as an autonomous Agent Operating System, MetaChain comprises four key components: i) Agentic System Utilities, ii) LLM-powered Actionable Engine, iii) Self-Managing File System, and iv) Self-Play Agent Customization module. This lightweight yet powerful system enables efficient and dynamic creation and modification of tools, agents, and workflows without coding requirements or manual intervention. Beyond its code-free agent development capabilities, MetaChain also serves as a versatile multi-agent system for General AI Assistants. Comprehensive evaluations on the GAIA benchmark demonstrate MetaChain's effectiveness in generalist multi-agent tasks, surpassing existing state-of-the-art methods. Furthermore, MetaChain's Retrieval-Augmented Generation (RAG)-related capabilities have shown consistently superior performance compared to many alternative LLM-based solutions.