論文の概要: MAAD: Automate Software Architecture Design through Knowledge-Driven Multi-Agent Collaboration

• arxiv url: http://arxiv.org/abs/2507.21382v1
• Date: Mon, 28 Jul 2025 23:18:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:55.36981
• Title: MAAD: Automate Software Architecture Design through Knowledge-Driven Multi-Agent Collaboration
• Title（参考訳）: MAAD:知識駆動型マルチエージェントコラボレーションによるソフトウェアアーキテクチャ設計の自動化
• Authors: Ruiyin Li, Yiran Zhang, Xiyu Zhou, Peng Liang, Weisong Sun, Jifeng Xuan, Zhi Jin, Yang Liu,
• Abstract要約: アーキテクチャ設計に知識駆動型マルチエージェントシステム(MAS)を利用する自動フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。 MAADは、要求仕様を協調的に解釈し、アーキテクチャの青写真を作成するために、4つの特殊エージェント(アナリスト、モデル、設計者、評価者)を編成する。 以上の結果から,MAADの優位性は,総合的なアーキテクチャコンポーネントの生成と,洞察に富んだ構造化されたアーキテクチャ評価レポートの提供にあることが示された。
• 参考スコア（独自算出の注目度）: 20.14573932063689
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software architecture design is a critical, yet inherently complex and knowledge-intensive phase of software development. It requires deep domain expertise, development experience, architectural knowledge, careful trade-offs among competing quality attributes, and the ability to adapt to evolving requirements. Traditionally, this process is time-consuming and labor-intensive, and relies heavily on architects, often resulting in limited design alternatives, especially under the pressures of agile development. While Large Language Model (LLM)-based agents have shown promising performance across various SE tasks, their application to architecture design remains relatively scarce and requires more exploration, particularly in light of diverse domain knowledge and complex decision-making. To address the challenges, we proposed MAAD (Multi-Agent Architecture Design), an automated framework that employs a knowledge-driven Multi-Agent System (MAS) for architecture design. MAAD orchestrates four specialized agents (i.e., Analyst, Modeler, Designer and Evaluator) to collaboratively interpret requirements specifications and produce architectural blueprints enriched with quality attributes-based evaluation reports. We then evaluated MAAD through a case study and comparative experiments against MetaGPT, a state-of-the-art MAS baseline. Our results show that MAAD's superiority lies in generating comprehensive architectural components and delivering insightful and structured architecture evaluation reports. Feedback from industrial architects across 11 requirements specifications further reinforces MAAD's practical usability. We finally explored the performance of the MAAD framework with three LLMs (GPT-4o, DeepSeek-R1, and Llama 3.3) and found that GPT-4o exhibits better performance in producing architecture design, emphasizing the importance of LLM selection in MAS-driven architecture design.
• Abstract（参考訳）: ソフトウェアアーキテクチャ設計は、ソフトウェア開発の批判的だが本質的には複雑で知識集約的な段階である。 深いドメインの専門知識、開発経験、アーキテクチャの知識、競合する品質特性間の慎重なトレードオフ、そして進化する要求に適応する能力が必要です。 伝統的に、このプロセスは時間がかかり、労働集約的であり、アーキテクトに大きく依存する。 大規模言語モデル(LLM)ベースのエージェントは、様々なSEタスクで有望なパフォーマンスを示しているが、アーキテクチャ設計への応用は比較的少なく、特に多様なドメイン知識と複雑な意思決定の観点から、さらなる探索が必要である。 この課題に対処するため,我々は,知識駆動型マルチエージェントシステム(MAS)をアーキテクチャ設計に用いる自動フレームワークであるMAAD(Multi-Agent Architecture Design)を提案した。 MAADは、要求仕様を協調的に解釈し、品質属性に基づく評価レポートに富んだアーキテクチャの青写真を作成するために、4つの特殊エージェント(アナリスト、モデル、設計者、評価者)を編成する。 そこで我々は,MAADをケーススタディとして評価し,最先端のMASベースラインであるMetaGPTとの比較実験を行った。 以上の結果から,MAADの優位性は,総合的なアーキテクチャコンポーネントの生成と,洞察に富んだ構造化されたアーキテクチャ評価レポートの提供にあることが示された。 11の要求仕様にまたがる産業建築家からのフィードバックは、MAADの実用的なユーザビリティをさらに強化する。 我々はついに、3つのLLM(GPT-4o, DeepSeek-R1, Llama 3.3)でMAADフレームワークの性能を探求し、GPT-4oはアーキテクチャ設計において優れた性能を示し、MAS駆動アーキテクチャ設計におけるLLM選択の重要性を強調した。

関連論文リスト

• The Architecture Tradeoff and Risk Analysis Framework (ATRAF): A Unified Approach for Evaluating Software Architectures, Reference Architectures, and Architectural Frameworks [0.0]
  アーキテクチャトレードオフとリスク分析フレームワーク(ATRAF)について紹介する。 ATRAFは、アーキテクチャレベルを越えたトレードオフとリスクを評価するシナリオ駆動のフレームワークである。 アーキテクチャアーティファクトの継続的な洗練をサポートしながら、感受性、トレードオフ、リスクの識別を可能にする。
  論文  参考訳（メタデータ） (2025-05-01T17:48:52Z)
• Knowledge-Based Multi-Agent Framework for Automated Software Architecture Design [8.082263503892912]
  知識に基づくマルチエージェントアーキテクチャ設計(MAAD)フレームワークを構想する。 MAADはエージェントを使用して、従来のソフトウェアアーキテクチャ設計プロセスにおけるヒューマンロールをシミュレートする。 アプリケーションレベルのシステム開発を完全に自動化することを目指しています。
  論文  参考訳（メタデータ） (2025-03-26T13:35:10Z)
• Semi-Automated Design of Data-Intensive Architectures [49.1574468325115]
  本稿では,データ集約型アーキテクチャの開発手法を紹介する。 i) 特定のアプリケーションシナリオに適したアーキテクチャを設計し、(ii) アプリケーションを実装するための具体的なシステムの適切なセットを選択することをアーキテクトに案内します。 私たちが採用している記述言語は、研究者や実践者が提案するデータ集約アーキテクチャの重要な側面を捉えることができる。
  論文  参考訳（メタデータ） (2025-03-21T16:01:11Z)
• A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
  本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。 コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
  論文  参考訳（メタデータ） (2025-01-20T15:30:09Z)
• Multiple Heads are Better than One: Mixture of Modality Knowledge Experts for Entity Representation Learning [51.80447197290866]
  高品質なマルチモーダル実体表現を学習することは、マルチモーダル知識グラフ(MMKG)表現学習の重要な目標である。 既存の手法は、エレガントなエンティティワイドマルチモーダル融合戦略の構築に重点を置いている。 適応型マルチモーダルな実体表現を学習するために,Mixture of Modality Knowledge Expert (MoMoK) を用いた新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-27T06:36:17Z)
• From Requirements to Architecture: An AI-Based Journey to Semi-Automatically Generate Software Architectures [2.4150871564195007]
  本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。 さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
  論文  参考訳（メタデータ） (2024-01-25T10:56:58Z)
• Serving Deep Learning Model in Relational Databases [70.53282490832189]
  リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。 最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
  論文  参考訳（メタデータ） (2023-10-07T06:01:35Z)
• Architecture Knowledge Representation and Communication Industry Survey [0.0]
  我々は、アーキテクチャ知識の現在の実践を理解し、将来ソフトウェアアーキテクチャの持続可能性に取り組むために持続可能性をどのように適用できるかを探求することを目的としている。 オランダの著名な銀行で働く45人の建築家から回答を得た。
  論文  参考訳（メタデータ） (2023-09-20T18:17:16Z)
• Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
  データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
  論文  参考訳（メタデータ） (2023-08-09T21:54:34Z)
• Multi-Agent Reinforcement Learning for Microprocessor Design Space Exploration [71.95914457415624]
  マイクロプロセッサアーキテクトは、高性能でエネルギー効率の追求において、ドメイン固有のカスタマイズにますます頼っている。 この問題に対処するために,Multi-Agent RL (MARL) を利用した別の定式化を提案する。 評価の結果,MARLの定式化は単エージェントRLのベースラインよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2022-11-29T17:10:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。