論文の概要: Automated Creation and Enrichment Framework for Improved Invocation of Enterprise APIs as Tools

• arxiv url: http://arxiv.org/abs/2509.11626v1
• Date: Mon, 15 Sep 2025 06:41:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.174472
• Title: Automated Creation and Enrichment Framework for Improved Invocation of Enterprise APIs as Tools
• Title（参考訳）: ツールとしてのエンタープライズAPIの呼び出しを改善するための自動作成と拡張フレームワーク
• Authors: Prerna Agarwal, Himanshu Gupta, Soujanya Soni, Rohith Vallam, Renuka Sindhgatta, Sameep Mehta,
• Abstract要約: ACEは、大規模言語モデルのための自動ツール作成および拡張フレームワークである。 パラメータ記述や例を含む豊富なツール仕様を生成して、選択と呼び出し精度を改善する。 当社のフレームワークを,プロプライエタリAPIとオープンソースAPIの両方で検証し,エージェントフレームワークとの統合を実証する。
• 参考スコア（独自算出の注目度）: 10.440520289311332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advancements in Large Language Models (LLMs) has lead to the development of agents capable of complex reasoning and interaction with external tools. In enterprise contexts, the effective use of such tools that are often enabled by application programming interfaces (APIs), is hindered by poor documentation, complex input or output schema, and large number of operations. These challenges make tool selection difficult and reduce the accuracy of payload formation by up to 25%. We propose ACE, an automated tool creation and enrichment framework that transforms enterprise APIs into LLM-compatible tools. ACE, (i) generates enriched tool specifications with parameter descriptions and examples to improve selection and invocation accuracy, and (ii) incorporates a dynamic shortlisting mechanism that filters relevant tools at runtime, reducing prompt complexity while maintaining scalability. We validate our framework on both proprietary and open-source APIs and demonstrate its integration with agentic frameworks. To the best of our knowledge, ACE is the first end-to-end framework that automates the creation, enrichment, and dynamic selection of enterprise API tools for LLM agents.
• Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、複雑な推論や外部ツールとの相互作用が可能なエージェントの開発につながっている。 エンタープライズ環境では、アプリケーションプログラミングインターフェース(API)によってしばしば有効化されるこのようなツールの効果的な利用は、ドキュメントの貧弱さ、複雑な入出力スキーマ、多数の操作によって妨げられます。 これらの課題により、ツールの選択が難しくなり、ペイロード生成の精度が最大25%低下する。 我々は、エンタープライズAPIをLLM互換ツールに変換する自動化ツール作成および拡張フレームワークであるACEを提案する。 ACE 一 パラメータ記述及び例による豊富なツール仕様を生成して、選択及び実行精度を向上させること。 (ii)は、実行時に関連するツールをフィルタリングする動的なショートリスト機構を組み込んでおり、スケーラビリティを維持しながら、すぐに複雑さを減らします。 当社のフレームワークを,プロプライエタリAPIとオープンソースAPIの両方で検証し,エージェントフレームワークとの統合を実証する。 私たちの知る限りでは、ACEはLLMエージェント用のエンタープライズAPIツールの作成、強化、動的選択を自動化する最初のエンドツーエンドフレームワークです。

関連論文リスト

• A Framework for Testing and Adapting REST APIs as LLM Tools [11.757827071584737]
  大きな言語モデル(LLM)は、外部ツールで複雑なタスクを実行する自律エージェントを構築するために、ますます使われています。 現在のベンチマークではこれらの課題を見落としており、エージェント駆動自動化のためのAPI準備性の評価のギャップが残っている。 LLMエージェント用のPythonツールとしてラップされたエンタープライズAPIを体系的に評価するテストフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-04-22T02:52:08Z)
• Advanced Tool Learning and Selection System (ATLASS): A Closed-Loop Framework Using LLM [0.0]
  ATLASSはクローズドループフレームワークとして設計された高度なツール学習と選択システムである。 エージェントはツールの選択、実行、改善のオーケストレーションにおいて重要な役割を担い、適応的な問題解決能力を確保する。 OpenAI GPT-4.0 は LLM エージェントとして使用され、安全性と倫理上の懸念は人間のフィードバックによって処理される。
  論文  参考訳（メタデータ） (2025-03-13T05:39:00Z)
• ToolFactory: Automating Tool Generation by Leveraging LLM to Understand REST API Documentations [4.934192277899036]
  APIドキュメントは、標準化、一貫性のないスキーマ、不完全な情報の欠如に悩まされることが多い。 textbfToolFactoryは、構造化されていないAPIドキュメントからツール生成を自動化するオープンソースのパイプラインである。 また,グリコマテリアル研究のためのドメイン固有のAIエージェントを作成することで,ToolFactoryを実証した。
  論文  参考訳（メタデータ） (2025-01-28T13:42:33Z)
• AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML [56.565200973244146]
  自動機械学習(Automated Machine Learning, ML)は、開発パイプライン内のタスクを自動化することによって、AI開発を加速する。 近年の作業では,そのような負担を軽減するために,大規模言語モデル(LLM)の利用が始まっている。 本稿では,フルパイプのAutoMLに適した新しいマルチエージェントフレームワークであるAutoML-Agentを提案する。
  論文  参考訳（メタデータ） (2024-10-03T20:01:09Z)
• Tool Learning in the Wild: Empowering Language Models as Automatic Tool Agents [56.822238860147024]
  大規模な言語モデルを外部ツールで拡張することは、彼らのユーティリティを拡張するための有望なアプローチとして現れました。 以前のメソッドは、ツールドキュメントを手動で解析し、コンテキスト内デモを作成し、ツールをLLMがステップバイステップの推論で使用する構造化フォーマットに変換する。 LLMがツール使用ワークフローを自動化できるフレームワークであるAutoToolsを提案する。
  論文  参考訳（メタデータ） (2024-05-26T11:40:58Z)
• ControlLLM: Augment Language Models with Tools by Searching on Graphs [97.62758830255002]
  我々は,大規模言語モデル(LLM)が実世界のタスクを解くためのマルチモーダルツールを利用できる新しいフレームワークであるControlLLMを提案する。 フレームワークは,(1)複雑なタスクを明確なサブタスクに分割し,入力と出力を適切に定義したサブタスクに分解するtextittask Decomposer,(2)構築済みのツールグラフ上で最適なソリューションパスを探索する textitThoughts-on-Graph(ToG)パラダイム,(3)ソリューションパスを解釈して実行するリッチなツールボックスを備えた textitexecution Engine,の3つの主要なコンポーネントから構成される。
  論文  参考訳（メタデータ） (2023-10-26T21:57:21Z)
• CRAFT: Customizing LLMs by Creating and Retrieving from Specialized Toolsets [75.64181719386497]
  大規模言語モデル(LLM)のためのツール作成・検索フレームワークであるCRAFTを提案する。 タスク用に特別にキュレートされたツールセットを作成し、複雑なタスクを解決する能力を高めるためにこれらのセットからツールを取得するコンポーネントをLLMに装備する。 本手法はフレキシブルに設計されており,既製のLCMを細かな調整なしに未確認領域やモダリティに適応するためのプラグアンドプレイ方式を提供する。
  論文  参考訳（メタデータ） (2023-09-29T17:40:26Z)

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。