Fugu-MT 論文翻訳(概要): Monadic Context Engineering

論文の概要: Monadic Context Engineering

arxiv url: http://arxiv.org/abs/2512.22431v1
Date: Sat, 27 Dec 2025 01:52:06 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-30 22:37:30.049383
Title: Monadic Context Engineering
Title（参考訳）: モナディックコンテキストエンジニアリング
Authors: Yifan Zhang, Mengdi Wang,
Abstract要約: 本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
参考スコア（独自算出の注目度）: 59.95390010097654
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The proliferation of Large Language Models (LLMs) has catalyzed a shift towards autonomous agents capable of complex reasoning and tool use. However, current agent architectures are frequently constructed using imperative, ad hoc patterns. This results in brittle systems plagued by difficulties in state management, error handling, and concurrency. This paper introduces Monadic Context Engineering (MCE), a novel architectural paradigm leveraging the algebraic structures of Functors, Applicative Functors, and Monads to provide a formal foundation for agent design. MCE treats agent workflows as computational contexts where cross-cutting concerns, such as state propagation, short-circuiting error handling, and asynchronous execution, are managed intrinsically by the algebraic properties of the abstraction. We demonstrate how Monads enable robust sequential composition, how Applicatives provide a principled structure for parallel execution, and crucially, how Monad Transformers allow for the systematic composition of these capabilities. This layered approach enables developers to construct complex, resilient, and efficient AI agents from simple, independently verifiable components. We further extend this framework to describe Meta-Agents, which leverage MCE for generative orchestration, dynamically creating and managing sub-agent workflows through metaprogramming. Project Page: https://github.com/yifanzhang-pro/monadic-context-engineering.
Abstract（参考訳）: LLM(Large Language Models)の増殖は、複雑な推論とツールの使用が可能な自律エージェントへのシフトを引き起こした。しかし、現在のエージェントアーキテクチャは命令型アドホックパターンを使って頻繁に構築されている。この結果、状態管理、エラー処理、並行処理の難しさに悩まされる脆弱なシステムとなる。本稿では, ファクタ, 応用ファクタ, モナドの代数的構造を活用する新しいアーキテクチャパラダイムであるモナディックコンテキストエンジニアリング(MCE)を紹介し, エージェント設計の正式な基盤を提供する。 MCEはエージェントワークフローを、状態伝播、短絡エラー処理、非同期実行といった横断的な関心事を抽象の代数的性質によって本質的に管理する計算コンテキストとして扱う。我々は、モナドがロバストなシーケンシャルなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。生成オーケストレーションにMCEを活用し、メタプログラミングを通じてサブエージェントワークフローを動的に作成および管理するメタエージェントを記述するために、このフレームワークをさらに拡張する。 Project Page: https://github.com/yifanzhang-pro/monadic-context-engineering.com

関連論文リスト

Zero-shot 3D Map Generation with LLM Agents: A Dual-Agent Architecture for Procedural Content Generation [8.398818816613806]
ゼロショットPCGパラメータ設定にLLMエージェントを利用する学習自由アーキテクチャを提案する。我々のシステムはアクターエージェントとCriticエージェントをペアリングし、ツールパラメータを自律的に理由づける反復ワークフローを可能にする。
論文参考訳（メタデータ） (2025-12-11T10:22:02Z)
A Practical Guide for Designing, Developing, and Deploying Production-Grade Agentic AI Workflows [4.3073750462661256]
Agentic AIは、自律システムがマルチステップタスクを推論、計画、実行する方法において大きな変化を示す。本稿では、生産品質の高いエージェントAIシステムを設計、開発、展開するための実用的でエンドツーエンドのガイドを提供する。
論文参考訳（メタデータ） (2025-12-09T16:23:05Z)
Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
論文参考訳（メタデータ） (2025-11-21T12:25:47Z)
FABRIC: Framework for Agent-Based Realistic Intelligence Creation [3.940391073007047]
大規模言語モデル(LLM)はエージェントとしてますます多くデプロイされ、目標を分解し、ツールを実行し、動的環境で結果を検証することが期待されている。本稿では,LLMのみを用いたエージェントデータの統一化フレームワークを提案する。
論文参考訳（メタデータ） (2025-10-20T18:20:22Z)
Simpliflow: A Lightweight Open-Source Framework for Rapid Creation and Deployment of Generative Agentic AI Workflows [0.0]
生成エージェントAIシステムは、複雑なマルチステップタスクを自動化するための強力なパラダイムとして登場しています。これらのシステムを構築するための既存のフレームワークには、相当な複雑さ、急勾配の学習曲線、相当な定型コードが導入されている。これは、これらの課題に対処するために設計された軽量でオープンソースのPythonフレームワークであるsimpliflowを導入する。
論文参考訳（メタデータ） (2025-10-12T16:02:50Z)
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)
Multi-Agent Collaboration via Evolving Orchestration [55.574417128944226]
大規模言語モデル(LLM)は、様々な下流タスクで顕著な成果を上げているが、そのモノリシックな性質は複雑な問題解決におけるスケーラビリティと効率を制限している。 LLMに基づくマルチエージェントコラボレーションのためのパウチスタイルのパラダイムを提案し,タスク状態の進化に応じて,中央集権的なオーケストレータ("puppeteer")がエージェント("puppets")を動的に指示する。クローズドドメインおよびオープンドメインシナリオの実験により,この手法は計算コストを低減し,優れた性能が得られることが示された。
論文参考訳（メタデータ） (2025-05-26T07:02:17Z)
PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文参考訳（メタデータ） (2025-02-20T05:41:55Z)

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。