Além da Inteligência Individual: Analisando Colaboração, Atribuição de Falhas e Auto-Evolução em Sistemas Multi-Agentes baseados em LLM

Resumo

Agentes autônomos baseados em LLM demonstraram fortes capacidades de raciocínio, planejamento e uso de ferramentas, mas ainda são limitados quando as tarefas exigem coordenação sustentada entre papéis, ferramentas e ambientes. Os sistemas multiagentes abordam isso por meio da colaboração estruturada entre agentes especializados, mas uma coordenação mais estreita também amplifica um risco menos explorado: os erros podem se propagar entre agentes e ao longo de rodadas de interação, produzindo falhas difíceis de diagnosticar e que raramente se traduzem em autoaperfeiçoamento estrutural. As revisões existentes cobrem separadamente as capacidades individuais dos agentes, a colaboração multiagente ou a auto-evolução dos agentes, deixando sem exame as dependências causais entre esses aspectos. Esta revisão fornece uma análise unificada organizada em torno de quatro estágios causalmente ligados, que denominamos progressão LIFE: Estabelecer a base de capacidades (Lay the capability foundation), Integrar agentes por meio de colaboração (Integrate agents through collaboration), Identificar falhas por meio de atribuição (Find faults through attribution) e Evoluir por meio de autoaperfeiçoamento autônomo (Evolve through autonomous self-improvement). Para cada estágio, fornecemos taxonomias sistemáticas e caracterizamos formalmente as dependências entre estágios adjacentes, revelando como cada estágio depende e restringe o próximo. Além de sintetizar trabalhos existentes, identificamos desafios em aberto nas fronteiras entre estágios e propomos uma agenda de pesquisa entre estágios para sistemas multiagentes de malha fechada, capazes de diagnosticar continuamente falhas, reorganizar estruturas e refinar comportamentos dos agentes, estendendo as estruturas de coordenação atuais em direção a formas mais auto-organizáveis de inteligência coletiva. Ao conectar essas linhas de pesquisa anteriormente fragmentadas, esta revisão visa oferecer tanto uma referência sistemática quanto um roteiro conceitual rumo à inteligência multiagente autônoma e autoaperfeiçoável.

English

LLM-based autonomous agents have demonstrated strong capabilities in reasoning, planning, and tool use, yet remain limited when tasks require sustained coordination across roles, tools, and environments. Multi-agent systems address this through structured collaboration among specialized agents, but tighter coordination also amplifies a less explored risk: errors can propagate across agents and interaction rounds, producing failures that are difficult to diagnose and rarely translate into structural self-improvement. Existing surveys cover individual agent capabilities, multi-agent collaboration, or agent self-evolution separately, leaving the causal dependencies among them unexamined. This survey provides a unified review organized around four causally linked stages, which we term the LIFE progression: Lay the capability foundation, Integrate agents through collaboration, Find faults through attribution, and Evolve through autonomous self-improvement. For each stage, we provide systematic taxonomies and formally characterize the dependencies between adjacent stages, revealing how each stage both depends on and constrains the next. Beyond synthesizing existing work, we identify open challenges at stage boundaries and propose a cross-stage research agenda for closed-loop multi-agent systems capable of continuously diagnosing failures, reorganizing structures, and refining agent behaviors, extending current coordination frameworks toward more self-organizing forms of collective intelligence. By bridging these previously fragmented research threads, this survey aims to offer both a systematic reference and a conceptual roadmap toward autonomous, self-improving multi-agent intelligence.