論文の概要: Agint: Agentic Graph Compilation for Software Engineering Agents
- arxiv url: http://arxiv.org/abs/2511.19635v1
- Date: Mon, 24 Nov 2025 19:10:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.124494
- Title: Agint: Agentic Graph Compilation for Software Engineering Agents
- Title（参考訳）: Agint: ソフトウェアエンジニアリングエージェントのためのエージェントグラフコンパイル
- Authors: Abhi Chivukula, Jay Somasundaram, Vijay Somasundaram,
- Abstract要約: Agintはエージェントグラフコンパイラ、インタプリタ、ランタイムである。
自然言語命令を型付きエフェクト対応コードDAGに変換する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM-based coding agents are increasingly common but still face challenges in context management, latency, reliability, reproducibility, and scalability. We present Agint, an agentic graph compiler, interpreter, and runtime that incrementally and hierarchically converts natural-language instructions into typed, effect-aware code DAGs. Agint introduces explicit type floors (text to data to spec to code) grounded in semantic graph transformations and a hybrid LLM and function-based JIT runtime. This enables dynamic graph refinement, reproducible and optimizable execution, speculative evaluation, and interoperability with existing developer tools. Agint's typed graph bindings improve reliability and allow concurrent composition of concurrent codebases by construction, supporting accelerated development with smaller and faster models, lower latency, efficient context utilization, and higher throughput. Hierarchical compilation allows scalable graph edits, while the graph structure supports reproducibility and efficient parallel generation. Agint provides a composable unix-style toolchain: dagify (DAG compiler), dagent (hybrid JIT runtime), schemagin (schema generator), and datagin (data transformer) for realtime, low-latency code and dataflow creation. Human developers and coding agents refine graphs through the Agint CLI, while non-technical users use Agint Flow GUI for visual editing, conversational refinement, and debugging to promote prototype agentic workflows to production code. This continuous co-creation model allows teams to prototype quickly, refine seamlessly, and deploy reliably, bridging natural language, compiler methods, and developer tooling to enable a new generation of composable, team-centric coding agents at scale.
- Abstract（参考訳）: LLMベースのコーディングエージェントはますます一般的になっているが、コンテキスト管理、レイテンシ、信頼性、再現性、スケーラビリティといった課題に直面している。
本稿では,エージェントグラフコンパイラ,インタプリタ,ランタイムであるAgintを紹介し,自然言語命令を型付きエフェクト対応コードDAGに変換する。
Agintは、セマンティックグラフ変換とハイブリッドLLMと関数ベースのJITランタイムを基盤とした、明示的な型フロア(テキストからデータへのコードをコードに変換する)を導入している。
これにより、動的グラフの洗練、再現性と最適化可能な実行、投機的評価、既存の開発者ツールとの相互運用性が可能になる。
Agintの型付きグラフバインディングは信頼性を改善し、コンカレントコードベースのコンポジションをビルドすることで、より小型で高速なモデルによる迅速な開発、レイテンシの低減、効率的なコンテキスト利用、スループットの向上をサポートする。
階層的なコンパイルはスケーラブルなグラフ編集を可能にし、グラフ構造は再現性と効率的な並列生成をサポートする。
Agintは、dagify(DAGコンパイラ)、dagent(ハイブリッドJITランタイム)、schemagin(スキーマジェネレータ)、Datagin(データトランスフォーマー)という、リアルタイムで低レイテンシなコードとデータフロー生成のための構成可能なUnixスタイルのツールチェーンを提供する。
ヒューマン開発者とコーディングエージェントはAgint CLIを通じてグラフを洗練し、非技術ユーザはビジュアル編集、会話の洗練、デバッグにAgint Flow GUIを使用して、プロトタイプのエージェントワークフローをプロダクションコードにプロモートする。
この継続的共同作成モデルは、チームが迅速にプロトタイプを作成、シームレスに洗練し、確実にデプロイし、自然言語、コンパイラーメソッド、開発者ツールをブリッジすることで、新しい世代の構成可能でチーム中心のコーディングエージェントを大規模に実現できます。
関連論文リスト
- WGRAMMAR: Leverage Prior Knowledge to Accelerate Structured Decoding [58.1177179119881]
我々は、ドメイン認識の単純化、制約分解、マスクキャッシングを統合した軽量デコードエンジンであるwgrammarを紹介する。
wgrammarは、既存のシステムよりも最大250倍のスピードアップを実現します。
論文 参考訳（メタデータ） (2025-07-22T17:13:47Z) - Empirical Research on Utilizing LLM-based Agents for Automated Bug Fixing via LangGraph [1.4582633500696451]
提案システムは、4ステップの反復ワークフローにLangGraph、GLM4 Flash、ChromaDBの3つのコアコンポーネントを統合し、堅牢なパフォーマンスと機能をシームレスに提供する。
LangGraphはタスクのオーケストレーションのためのグラフベースのライブラリとして機能し、動的更新と一貫性のための統一状態オブジェクトを維持しながら、正確な制御と実行を提供する。
大きな言語モデルであるGLM4 Flashは、自然言語理解、文脈推論、多言語サポートなどの高度な機能を活用して、ユーザのプロンプトに基づいて正確なコードスニペットを生成する。
論文 参考訳（メタデータ） (2025-01-29T12:01:00Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - RGD: Multi-LLM Based Agent Debugger via Refinement and Generation Guidance [0.6062751776009752]
大規模言語モデル(LLM)は、コード生成タスクにおいて驚くべきポテンシャルを示しています。
LLMはタスク記述に基づいてコードを生成することができるが、精度は限られている。
コード生成と自動デバッグのためのLLMエージェントの新しいアーキテクチャ:Refinement and Guidancebug (RGD)を紹介する。
RGDはコード生成タスクを複数のステップに分割し、より明確なワークフローを確保し、自己回帰とフィードバックに基づいた反復的なコード改善を可能にする。
論文 参考訳（メタデータ） (2024-10-02T05:07:02Z) - CodeGRAG: Bridging the Gap between Natural Language and Programming Language via Graphical Retrieval Augmented Generation [58.84212778960507]
CodeGRAGは、制御フローとそれらのデータフローに基づいて、コードブロックのグラフィカルなビューを構築し、プログラミングドメインの知識をよりよく解釈する。
CodeGRAGはLLMのコード生成能力を大幅に改善し、言語間コード生成のパフォーマンス向上も実現している。
論文 参考訳（メタデータ） (2024-05-03T02:48:55Z) - Language Agents as Optimizable Graphs [31.220547147952278]
本稿では,Large Language Models (LLM) ベースのエージェントを計算グラフとして記述する。
我々のフレームワークは、様々なLSMエージェントを効率的に開発し、統合し、自動的に改善するために使用することができる。
論文 参考訳（メタデータ） (2024-02-26T18:48:27Z) - CONCORD: Towards a DSL for Configurable Graph Code Representation [3.756550107432323]
カスタマイズ可能なグラフ表現を構築するためのドメイン固有言語であるCONCORDを紹介する。
実例として,コードの臭い検出に有効であることを示す。
ConCORDは、研究者がカスタマイズ可能なグラフベースのコード表現を作成し、実験するのに役立つ。
論文 参考訳（メタデータ） (2024-01-31T16:16:48Z) - InterCode: Standardizing and Benchmarking Interactive Coding with
Execution Feedback [50.725076393314964]
標準的な強化学習環境として,インタラクティブコーディングの軽量でフレキシブルで使いやすいフレームワークであるInterCodeを紹介した。
私たちのフレームワークは、言語とプラットフォームに依存しない、自己完結型のDocker環境を使用して、安全で再現可能な実行を提供します。
我々は、異なるプロンプト戦略で構成された複数の最先端LLMを評価することにより、InterCodeの生存性をテストベッドとして示す。
論文 参考訳（メタデータ） (2023-06-26T17:59:50Z)
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。