論文の概要: Osprey: A Scalable Framework for the Orchestration of Agentic Systems

• arxiv url: http://arxiv.org/abs/2508.15066v2
• Date: Tue, 04 Nov 2025 18:32:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 20:56:29.011186
• Title: Osprey: A Scalable Framework for the Orchestration of Agentic Systems
• Title（参考訳）: Osprey: エージェントシステムのオーケストレーションのためのスケーラブルなフレームワーク
• Authors: Thorsten Hellert, João Montenegro, Antonin Sulc,
• Abstract要約: Osprey Frameworkはスケーラブルなエージェントシステムのためのプロダクション対応アーキテクチャで、会話コンテキストと安全なクリティカルドメイン間の堅牢なツールオーケストレーションを統合する。 i) 関連するツールのみを選択する動的機能分類、(ii) 明示的な依存関係とオプションの人間による承認を伴う計画ファーストオーケストレーション、(iii) 対話履歴と外部メモリとドメインリソースを組み合わせたコンテキスト対応タスク抽出。
• 参考スコア（独自算出の注目度）: 0.4970364068620607
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coordinating workflows across complex systems remains a central challenge in safety-critical environments such as scientific facilities. Language-model-driven agents offer a natural interface for these tasks, but existing approaches often lack scalability, reliability, and human oversight. We introduce the Osprey Framework, a domain-agnostic, production-ready architecture for scalable agentic systems that integrate conversational context with robust tool orchestration across safety-critical domains. Our framework provides: (i) dynamic capability classification to select only relevant tools; (ii) plan-first orchestration with explicit dependencies and optional human approval; (iii) context-aware task extraction that combines dialogue history with external memory and domain resources; and (iv) production-ready execution with checkpointing, artifact management, and modular deployment. We demonstrate its versatility through two case studies: a deployment at the Advanced Light Source particle accelerator and a tutorial-style wind farm monitoring example. These results establish Osprey as a reliable and transparent framework for agentic systems across diverse high-stakes domains.
• Abstract（参考訳）: 複雑なシステムにまたがるワークフローの調整は、科学施設のような安全クリティカルな環境において、依然として中心的な課題である。 言語モデル駆動エージェントはこれらのタスクに自然なインターフェースを提供するが、既存のアプローチにはスケーラビリティ、信頼性、人間の監視が欠けていることが多い。 Osprey Frameworkは、スケーラブルなエージェントシステムのためのドメインに依存しない実運用対応のアーキテクチャで、会話コンテキストと安全なクリティカルなドメインをまたいだ堅牢なツールオーケストレーションを統合します。 私たちのフレームワークは以下のとおりです。 (i)関連ツールのみを選択するための動的能力分類 (ii) 明示的な依存関係とオプションの人的承認を有する計画優先のオーケストレーション 三 対話履歴と外部記憶及びドメインリソースを組み合わせた文脈対応タスク抽出 (iv)チェックポイント、アーティファクト管理、モジュール化されたデプロイメントを備えた本番環境対応実行。 我々は、Advanced Light Source ParticleAccelerでの展開とチュートリアルスタイルのウィンドファームモニタリングの例の2つのケーススタディを通じて、その汎用性を実証した。 これらの結果から、Ospreyは多種多様なハイテイクドメインにわたるエージェントシステムの信頼性と透過的なフレームワークとして確立された。

関連論文リスト

• The Auton Agentic AI Framework [5.410458076724158]
  人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。 大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。 本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
  論文  参考訳（メタデータ） (2026-02-27T06:42:08Z)
• Just Ask: Curious Code Agents Reveal System Prompts in Frontier LLMs [65.6660735371212]
  textbftextscJustAskは,インタラクションのみで効果的な抽出戦略を自律的に発見するフレームワークである。 これは、アッパー信頼境界に基づく戦略選択と、原子プローブと高レベルのオーケストレーションにまたがる階層的なスキル空間を用いて、オンライン探索問題として抽出を定式化する。 この結果から,現代のエージェントシステムにおいて,システムプロンプトは致命的ではあるがほぼ無防備な攻撃面であることがわかった。
  論文  参考訳（メタデータ） (2026-01-29T03:53:25Z)
• The Why Behind the Action: Unveiling Internal Drivers via Agentic Attribution [63.61358761489141]
  LLM(Large Language Model)ベースのエージェントは、カスタマーサービス、Webナビゲーション、ソフトウェアエンジニアリングといった現実世界のアプリケーションで広く使われている。 本稿では,タスク結果に関係なく,エージェントの動作を駆動する内部要因を識別する,テキスト汎用エージェント属性のための新しいフレームワークを提案する。 標準ツールの使用やメモリ誘起バイアスのような微妙な信頼性リスクなど、さまざまなエージェントシナリオでフレームワークを検証する。
  論文  参考訳（メタデータ） (2026-01-21T15:22:21Z)
• Formalizing the Safety, Security, and Functional Properties of Agentic AI Systems [10.734711935895225]
  本稿では2つの基礎モデルからなるエージェントAIシステムのためのモデリングフレームワークを提案する。 1つ目はホストエージェントモデルで、ユーザと対話するトップレベルのエンティティを形式化し、タスクを分解し、外部エージェントやツールを活用して実行をオーケストレーションする。 第2のタスクライフサイクルモデルでは、個々のサブタスクの状態と、作成から完了までの遷移を詳述し、タスク管理とエラー処理の詳細なビューを提供します。
  論文  参考訳（メタデータ） (2025-10-15T22:02:30Z)
• JoyAgent-JDGenie: Technical Report on the GAIA [27.025464023889853]
  大規模言語モデルは、複雑な現実世界のタスクのための自律的なエージェントとして、ますます多くデプロイされている。 本稿では,計画および実行エージェントを批判モデル投票と統合する汎用エージェントアーキテクチャ,作業層,意味層,手続き層にまたがる階層型メモリシステム,検索,コード実行,マルチモーダル解析のための洗練されたツールスイートを提案する。
  論文  参考訳（メタデータ） (2025-10-01T04:41:58Z)
• Towards General Agentic Intelligence via Environment Scaling [78.66355092082253]
  高度なエージェントインテリジェンスは、現実世界のアプリケーションに大規模言語モデルをデプロイするための前提条件である。 完全にシミュレートされた異種環境を自動的に構築するスケーラブルなフレームワークを設計する。 エージェントベンチマーク, tau-bench, tau2-Bench, ACEBenchの実験により, トレーニングモデルである AgentScaler が, モデルの関数呼び出し能力を大幅に向上することを示した。
  論文  参考訳（メタデータ） (2025-09-16T17:57:20Z)
• Rethinking Testing for LLM Applications: Characteristics, Challenges, and a Lightweight Interaction Protocol [83.83217247686402]
  大言語モデル(LLM)は、単純なテキストジェネレータから、検索強化、ツール呼び出し、マルチターンインタラクションを統合する複雑なソフトウェアシステムへと進化してきた。 その固有の非決定主義、ダイナミズム、文脈依存は品質保証に根本的な課題をもたらす。 本稿では,LLMアプリケーションを3層アーキテクチャに分解する: textbftextitSystem Shell Layer, textbftextitPrompt Orchestration Layer, textbftextitLLM Inference Core。
  論文  参考訳（メタデータ） (2025-08-28T13:00:28Z)
• AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
  AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。 エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。 AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
  論文  参考訳（メタデータ） (2025-08-22T10:35:56Z)
• A Survey on Agent Workflow -- Status and Future [2.817843718857682]
  この調査は、エージェントワークフローシステムの包括的なレビューを提供する。 既存のシステムを機能機能機能とアーキテクチャの2つの重要な側面に沿って分類する。 共通パターン、潜在的な技術的課題、新たなトレンドを強調します。
  論文  参考訳（メタデータ） (2025-08-02T04:15:30Z)
• State and Memory is All You Need for Robust and Reliable AI Agents [29.259008600842517]
  大規模言語モデル(LLM)は、自然言語の理解と生成において強力な進歩を実現している。 しかし、複雑な現実世界の科学への応用は、記憶、計画、ツール統合の課題によって制限されている。 本稿では、LLMベースのエージェントが自律的に計画し、推論し、堅牢で信頼性の高いドメイン固有タスク実行を実現することができるモジュール型エージェントフレームワークであるSciBORGを紹介する。
  論文  参考訳（メタデータ） (2025-06-30T02:02:35Z)
• An Agentic Framework for Autonomous Metamaterial Modeling and Inverse Design [2.66269503676104]
  フォトニックメタマテリアルの逆設計のためのフレームワークを開発し,実証する。 フレームワークの有効性は、自動化、推論、計画、適応の能力で実証されている。 特に、Agenic Frameworkは内部のリフレクションと決定の柔軟性を持ち、高度に多様性があり、潜在的に新しい出力を可能にする。
  論文  参考訳（メタデータ） (2025-06-07T22:10:05Z)
• Control Plane as a Tool: A Scalable Design Pattern for Agentic AI Systems [2.997108944111501]
  本稿では, エージェントの種類, 環境との相互作用の態様, インフラ・建築の課題を概観する。 本稿では再利用可能な設計抽象化である"Control Plane as a Tool"パターンを提案する。 このパターンは、モジュールツールのルーティングロジックをカプセル化しながら、単一のツールインターフェースをエージェントに公開することを可能にする。
  論文  参考訳（メタデータ） (2025-05-11T02:58:50Z)
• Autonomous Deep Agent [0.7489814067742621]
  Deep Agentは、複雑なマルチフェーズタスクを管理するために設計された高度な自律AIシステムである。 システムの基盤は階層型タスクDAGフレームワーク上に構築されています。 Deep Agentは、自己管理型AIシステムにおいて、新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-02-10T21:46:54Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• ROS-LLM: A ROS framework for embodied AI with task feedback and structured reasoning [74.58666091522198]
  非専門家による直感的なロボットプログラミングのためのフレームワークを提案する。 ロボットオペレーティングシステム(ROS)からの自然言語のプロンプトと文脈情報を活用する 我々のシステムは,大規模言語モデル (LLM) を統合し,非専門家がチャットインタフェースを通じてシステムにタスク要求を記述できるようにする。
  論文  参考訳（メタデータ） (2024-06-28T08:28:38Z)
• AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
  AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。 豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
  論文  参考訳（メタデータ） (2024-02-21T04:11:28Z)
• Realistic simulation of users for IT systems in cyber ranges [63.20765930558542]
  ユーザアクティビティを生成するために,外部エージェントを用いて各マシンを計測する。 このエージェントは、決定論的および深層学習に基づく手法を組み合わせて、異なる環境に適応する。 また,会話や文書の作成を容易にする条件付きテキスト生成モデルを提案する。
  論文  参考訳（メタデータ） (2021-11-23T10:53:29Z)

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。