研究者らは、オープンワールドの科学シナリオにおけるマルチエージェントワークフロー設計を大幅に簡素化する新しい検索ベース合成フレームワーク「AgentCo-op」を提案しました。AIの急速な発展に伴い、マルチエージェントシステムは多くの分野で可能性を示していますが、オープンサイエンスへの応用には標準化されたインターフェースや信頼性の高い評価指標の欠如などの課題があります。AgentCo-opは、知識ベースから再利用可能なスキル、ツール、外部エージェントを検索し、型付きアーティファクトを形成することで、実行可能なワークフローを動的に生成します。実行中にエラーが検出された場合には、有界な自己誘導局所修復によって問題のあるコンポーネントを修正します。
このフレームワークは、オープンワールドのゲノミクスケーススタディで優れた成果を上げています。例えば、空間トランスクリプトミクス解析では、データ解析と遺伝子セット解釈のための専門エージェントを調整し、協調的な発見を実現します。また、シングルセルマルチオームデータでは、クロスモダリティマーカー分析のための並列ワークフローを構築します。注目すべきは、AgentCo-opが既存のエージェントやツールを再設計する必要がなく、グローバルなトポロジー探索も不要であることです。
AgentCo-opの設計により、検索と探索は相補的です。検索されたワークフロー構造を事前情報として取り込み、検索コンポーネントでノードを具体化し局所修復を適用することで、ワークフローを改善できます。プログラミング、数学、質問応答を含む6つのベンチマークにおいて、AgentCo-opは統一バックボーン設定下で4つのベンチマークで最高結果、最高平均スコアを達成し、マルチエージェントベースラインと比較してタスクコストを一貫して削減しました。これらの結果は、検索ベースの合成が、ベンチマーク最適化エージェントグラフから、既存のエージェント、ツール、型付きアーティファクトから構築されたオープンワールドワークフローへと、自動エージェントワークフロー設計を拡張できることを示唆しています。
さらに、AgentCo-opの入力として事前に検索されたワークフロー構造を使用できる点も重要です。これは合成と探索が補完的であることを示しています。研究者は検索されたコンポーネントをノードとしてその構造に埋め込み、局所修復によって全体の性能を最適化できます。この特性により、AgentCo-opはゼロからのワークフロー構築だけでなく、既存のワークフローの改良や拡張にも適用できます。論文の実験では、プログラミング、数学推論、質問応答など多様なタスクをカバーし、フレームワークの汎用性と有効性を包括的に検証しています。既存のマルチエージェントベースラインと比較して、AgentCo-opは4つのベンチマークで最高結果を達成し、平均スコアでもリードしており、各タスクの実行コストを大幅に削減しました。これは実際の展開において重要な利点です。