論文の概要: Autonoma: A Hierarchical Multi-Agent Framework for End-to-End Workflow Automation
- arxiv url: http://arxiv.org/abs/2603.19270v1
- Date: Fri, 27 Feb 2026 11:00:37 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-06 02:36:12.813121
- Title: Autonoma: A Hierarchical Multi-Agent Framework for End-to-End Workflow Automation
- Title（参考訳）: Autonoma: エンドツーエンドワークフロー自動化のための階層的なマルチエージェントフレームワーク
- Authors: Eslam Reda, Maged Yasser, Sara El-Metwally,
- Abstract要約: 本稿では,自然言語のプロンプトからエンドツーエンドのワークフロー自動化を実現するために設計された,構造化された階層型マルチエージェントフレームワークであるAutonomaを紹介する。
Autonomaは、高レベルのコーディネータがユーザの意図を検証し、Plannerが構造化され、スーパーバイザが特別なエージェントのスイートを編成して実行を管理するという、原則化された多層アーキテクチャを採用している。
オートノマは97%のタスク完了率と98%のエージェントハンドオフ率を達成した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The increasing complexity of user demands necessitates automation frameworks that can reliably translate open-ended instructions into robust, multi-step workflows. Current monolithic agent architectures often struggle with the challenges of scalability, error propagation, and maintaining focus across diverse tasks. This paper introduces Autonoma, a structured, hierarchical multi-agent framework designed for end-to-end workflow automation from natural language prompts. Autonoma employs a principled, multi-tiered architecture where a high-level Coordinator validates user intent, a Planner generates structured workflows, and a Supervisor dynamically manages the execution by orchestrating a suite of modular, specialized agents (e.g., for web browsing, coding, file management). This clear separation between orchestration logic and specialized execution ensures robustness through active monitoring and error handling, while enabling extensibility by allowing new capabilities to be integrated as plug-and-play agents without modifying the core engine. Implemented as a fully functional system operating within a secure LAN environment, Autonoma addresses critical data privacy and reliability concerns. The system is further engineered for inclusivity, accepting multi-modal input (text, voice, image, files) and supporting both English and Arabic. Autonoma achieved a 97% task completion rate and a 98% successful agent handoff rate, confirming its operational reliability and efficient collaboration.
- Abstract（参考訳）: ユーザ要求の複雑さの増大は、オープンエンド命令を堅牢でマルチステップのワークフローに確実に翻訳できる自動化フレームワークを必要とします。
現在のモノリシックなエージェントアーキテクチャは、スケーラビリティやエラーの伝搬、さまざまなタスクへのフォーカスの維持といった課題に悩まされることが多い。
本稿では,自然言語のプロンプトからエンドツーエンドのワークフロー自動化を実現するために設計された,構造化された階層型マルチエージェントフレームワークであるAutonomaを紹介する。
Autonomaは、高レベルのコーディネータがユーザの意図を検証し、Plannerが構造化されたワークフローを生成し、スーパーバイザがモジュール化された特殊なエージェントのスイート(Webブラウジング、コーディング、ファイル管理など)をオーケストレーションすることで、実行を動的に管理する、原則化された多層アーキテクチャを採用している。
オーケストレーションロジックと特殊実行の明確な分離は、アクティブな監視とエラー処理を通じて堅牢性を保証すると同時に、コアエンジンを変更することなく、新たな機能をプラグイン・アンド・プレイエージェントとして統合可能にすることで、拡張性を実現する。
セキュアなLAN環境で動作する完全な機能システムとして実装されたAutonomaは、重要なデータのプライバシと信頼性に関する懸念に対処する。
このシステムは、インクリシティーのためにさらに設計されており、多モード入力(テキスト、音声、画像、ファイル)を受け入れ、英語とアラビア語の両方をサポートする。
オートノマは97%のタスク完了率と98%のエージェントハンドオフ率を達成した。
関連論文リスト
- Effective Strategies for Asynchronous Software Engineering Agents [52.76455094324273]
本稿では,集中型タスクデリゲート,非同期実行,独立したワークスペースという,3つのSWEプリミティブに根ざした構造化マルチエージェント協調パラダイムを導入する。
CAIDは,紙再生タスク(PaperBench)では26.7%,Pythonライブラリ開発タスクでは14.3%,単一エージェントベースラインでは26.7%の精度向上を実現している。
論文 参考訳（メタデータ） (2026-03-23T02:26:35Z) - A Lightweight Modular Framework for Constructing Autonomous Agents Driven by Large Language Models: Design, Implementation, and Applications in AgentForge [1.932555230783329]
LLM駆動の自律エージェントの構築を民主化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。
AgentForgeは、(1)正式に定義された入出力契約できめ細かいタスク分解を可能にする構成可能なスキル抽象化、(2)クラウドベースのAPIとローカル推論エンジンのシームレスな切り替えをサポートする統一されたバックエンドインターフェース、(3)エージェントロジックと実装の詳細を分離する宣言型YAMLベースの構成システムである。
論文 参考訳（メタデータ） (2026-01-19T20:33:26Z) - MegaFlow: Large-Scale Distributed Orchestration System for the Agentic Era [74.42509044145417]
MegaFlowは、エージェント環境ワークロードの効率的なスケジューリング、リソース割り当て、きめ細かいタスク管理を可能にする、大規模な分散オーケストレーションシステムである。
エージェントのトレーニングデプロイメントでは、MegaFlowは、高いシステムの安定性を維持しながら、数万の並行エージェントタスクを編成し、効率的なリソース利用を実現しています。
論文 参考訳（メタデータ） (2026-01-12T13:25:33Z) - 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) - AgentOrchestra: Orchestrating Hierarchical Multi-Agent Intelligence with the Tool-Environment-Agent(TEA) Protocol [22.406849007798858]
本稿では,環境,エージェント,ツールを統一システムに統合するツール-環境-エージェントプロトコルを提案する。
本稿では,複雑な目的を分解し,特殊エージェントをコーディネートする中央計画エージェントを備えた階層型マルチエージェントフレームワークであるAgensOrchestraを紹介する。
論文 参考訳（メタデータ） (2025-06-14T13:45:37Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - 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) - 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)
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。