AIエージェント設計パターンのための2次元フレームワーク：認知機能と実行トポロジー
本論文は、LLMベースのエージェントアーキテクチャを体系的に記述するため、認知機能（7カテゴリ）と実行トポロジー（6つの構造原型）を組み合わせた2次元分類を提案する。7×6マトリックスにより27の命名パターン（うち13はオリジナル）を特定し、金融融資、デューデリジェンス、ネットワーク運用、医療トリアージの4領域で検証。5つのパターン選択経験則を導出した。
arXivで公開された新しい研究論文が、大規模言語モデル（LLM）ベースのAIエージェントアーキテクチャを体系的に分類・設計するための2次元フレームワークを提案しています。著者のJia Huang氏とJoey Tianyi Zhou氏は、2026年3月16日に提出されたこの論文で、既存の分類方法が単一の視点に偏っている問題を解決しようとしています。
現在、業界ガイド（Anthropic、Google、LangChainなど）は実行トポロジー（データの流れ方）に焦点を当て、認知科学のサーベイは認知機能（エージェントが何をするか）に焦点を当てています。しかし、どちらの軸だけではアーキテクチャ的に異なるシステムを区別できません。例えば、同じOrchestrator-Workersトポロジーであっても、Plan-and-Execute、階層的委任、敵対的検証の3つのパターンを実装でき、それぞれ根本的に異なる障害モードと設計トレードオフを持ちます。
そこで著者らは、2つの次元を組み合わせた分類法を提案します。1つ目の次元は認知機能軸で、コンテキストエンジニアリング、記憶、推論、行動、振り返り、協調、ガバナンスの7カテゴリからなります。2つ目の次元は実行トポロジー軸で、チェーン、ルート、パラレル、オーケストレート、ループ、階層の6つの構造原型を含みます。この7×6のマトリックスは27の命名パターンを特定し、そのうち13はオリジナルの名称です。
研究チームは系統的なクロス軸分析により直交性を実証し、8つの代表パターンを詳細に定義しました。これらのパターンにはPlan-and-Execute、階層的委任、敵対的検証などが含まれ、それぞれ固有の機能-トポロジー組み合わせに対応し、異なる障害モードと設計トレードオフを持ちます。
フレームワークの実用性を検証するため、研究者は金融融資、法的デューデリジェンス、ネットワーク運用、医療トリアージの4つの実世界領域でテストしました。結果、このフレームワークはこれらの領域で使用されるすべての実用的なパターンを網羅的に記述できることが示されました。
分野横断分析からは、パターン選択に関する5つの経験則が導き出されました。これらの経験則は、時間圧力（time pressure）がより単純なトポロジーを強制すること、行動権限（action authority）がガバナンス機能の必要性に影響すること、失敗コストの非対称性（failure cost asymmetry）が振り返りや協調の導入を決定すること、タスクのボリューム（volume）がチェーンからパラレルやオーケストレートへの移行を促進することを示しています。
このフレームワークは、AIエージェントアーキテクチャ設計のための原則的で、フレームワークに依存せず、モデルに依存しない語彙を提供します。研究者や実務者はこの分類体系を活用して、既存システムをより明確に記述し、異なる設計オプションを比較し、特定のシナリオに最適なエージェントパターンを選択できます。論文全文はarXivで入手可能で、引用番号は2605.13850です。