LLM-Agent-UMF: Фреймворк моделирования единого агента на основе LLM для бесшовной интеграции мультиактивных/пассивных ядерных агентов.

LLM-Agent-UMF: LLM-based Agent Unified Modeling Framework for Seamless Integration of Multi Active/Passive Core-Agents

September 17, 2024

Авторы: Amine B. Hassouna, Hana Chaari, Ines Belhaj

cs.AI

Аннотация

Интеграция инструментов в агентов на основе LLM преодолела трудности автономных LLM и ограниченные возможности традиционных агентов. Однако сочетание этих технологий и предложенные улучшения в нескольких передовых работах привели к неединой архитектуре программного обеспечения, что привело к отсутствию модульности. Фактически, они в основном сосредоточились на функциональности и пренебрегли определением границ компонентов внутри агента. Это вызвало терминологические и архитектурные неоднозначности между исследователями, которые мы рассмотрели в данной статье, предложив унифицированную структуру, устанавливающую четкое основание для развития агентов на основе LLM с функциональной и программной архитектурной точек зрения. Наша структура, LLM-Agent-UMF (LLM-основанная структура унифицированного моделирования агента), четко различает различные компоненты агента, выделяя LLM и инструменты от вновь введенного элемента: ядра-агента, играющего роль центрального координатора агента, который включает пять модулей: планирование, память, профиль, действие и безопасность, последнее часто игнорировалось в предыдущих работах. Различия во внутренней структуре ядерных агентов привели нас к классификации их на пассивные и активные типы. На основе этого мы предложили различные архитектуры мультиядерных агентов, объединяющих уникальные характеристики различных индивидуальных агентов. Для целей оценки мы применили эту структуру к выборке передовых агентов, демонстрируя ее соответствие их функциональности и уточняя пренебрегаемые архитектурные аспекты. Более того, мы тщательно оценили четыре из наших предложенных архитектур, интегрируя различные агенты в гибридные системы активных/пассивных ядерных агентов. Этот анализ предоставил ясное представление о потенциальных улучшениях и выявил вызовы, связанные с комбинированием конкретных агентов.

English

The integration of tools in LLM-based agents overcame the difficulties of standalone LLMs and traditional agents' limited capabilities. However, the conjunction of these technologies and the proposed enhancements in several state-of-the-art works followed a non-unified software architecture resulting in a lack of modularity. Indeed, they focused mainly on functionalities and overlooked the definition of the component's boundaries within the agent. This caused terminological and architectural ambiguities between researchers which we addressed in this paper by proposing a unified framework that establishes a clear foundation for LLM-based agents' development from both functional and software architectural perspectives. Our framework, LLM-Agent-UMF (LLM-based Agent Unified Modeling Framework), clearly distinguishes between the different components of an agent, setting LLMs, and tools apart from a newly introduced element: the core-agent, playing the role of the central coordinator of the agent which comprises five modules: planning, memory, profile, action, and security, the latter often neglected in previous works. Differences in the internal structure of core-agents led us to classify them into a taxonomy of passive and active types. Based on this, we proposed different multi-core agent architectures combining unique characteristics of various individual agents. For evaluation purposes, we applied this framework to a selection of state-of-the-art agents, thereby demonstrating its alignment with their functionalities and clarifying the overlooked architectural aspects. Moreover, we thoroughly assessed four of our proposed architectures by integrating distinctive agents into hybrid active/passive core-agents' systems. This analysis provided clear insights into potential improvements and highlighted the challenges involved in the combination of specific agents.