論文の概要: From Intent to Execution: Composing Agentic Workflows with Agent Recommendation

• arxiv url: http://arxiv.org/abs/2605.03986v1
• Date: Tue, 05 May 2026 17:08:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-06 19:35:44.054287
• Title: From Intent to Execution: Composing Agentic Workflows with Agent Recommendation
• Title（参考訳）: インテントから実行へ:エージェントレコメンデーションによるエージェントワークフローの構築
• Authors: Kishan Athrey, Ramin Pishehvar, Brian Riordan, Mahesh Viswanathan,
• Abstract要約: 本稿では,マルチエージェントシステムの自動作成のためのフレームワークを提案する。 提案するフレームワークは,必要なタスク固有のアプリケーションをオーケストレーションするソフトウェアモジュールとワークフローで構成されている。
• 参考スコア（独自算出の注目度）: 1.462945824459286
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-Agent Systems (MAS) built using AI agents fulfill a variety of user intents that may be used to design and build a family of related applications. However, the creation of such MAS currently involves manual composition of the plan, manual selection of appropriate agents, and manual creation of execution graphs. This paper introduces a framework for the automated creation of multi-agent systems which replaces multiple manual steps with an automated framework. The proposed framework consists of software modules and a workflow to orchestrate the requisite task- specific application. The modules include: an LLM-derived planner, a set of tasks described in natural language, a dynamic call graph, an orchestrator for map agents to tasks, and an agent recommender that finds the most suitable agent(s) from local and global agent registries. The agent recommender uses a two-stage information retrieval (IR) system comprising a fast retriever and an LLM-based re-ranker. We implemented a series of experiments exploring the choice of embedders, re- rankers, agent description enrichment, and supervising critique agent. We benchmarked this system end-to-end, evaluating the combination of planning, agent selection, and task completion, with our proposed approach. Our experimental results show that our approach outperforms the state-of-the- art in terms of the recall rate and is more robust and scalable compared to previous approaches. The critique agent holistically reevaluates both agent and tool recommendations against the overall plan. We show that the inclusion of the critique agent further enhances the recall score, proving that the comprehensive review and revision of task-based agent selection is an essential step in building end-to-end multi-agent systems.
• Abstract（参考訳）: AIエージェントを使用して構築されたマルチエージェントシステム(MAS)は、関連するアプリケーションのファミリの設計と構築に使用されるさまざまなユーザ意図を満たす。 しかしながら、そのようなMASの作成には、現在、計画のマニュアル構成、適切なエージェントのマニュアル選択、実行グラフのマニュアル作成が含まれる。 本稿では,複数の手動ステップを自動フレームワークに置き換えたマルチエージェントシステムの自動作成のためのフレームワークを提案する。 提案するフレームワークは,必要なタスク固有のアプリケーションをオーケストレーションするソフトウェアモジュールとワークフローで構成されている。 モジュールには、LLMから派生したプランナー、自然言語で記述されたタスクのセット、動的コールグラフ、タスクへのマップエージェントのオーケストレータ、ローカルおよびグローバルエージェントレジストリから最も適したエージェントを見つけるエージェントレコメンデータが含まれる。 エージェントレコメンデータは、高速レトリバーとLLMベースのリランカとからなる2段階情報検索(IR)システムを使用する。 我々は, 組込み機, 再ランク付け機, エージェント記述豊かさ, 監視的批判エージェントの選択について, 一連の実験を行った。 このシステムをエンドツーエンドにベンチマークし、提案手法を用いて計画、エージェント選択、タスク完了の組み合わせを評価した。 実験の結果,我々の手法はリコール率において最先端技術よりも優れており,従来の手法よりも堅牢でスケーラブルであることがわかった。 批判エージェントは、全体計画に対してエージェントおよびツールレコメンデーションの両方を再評価する。 批判エージェントを取り入れることでリコールスコアがさらに向上し、タスクベースのエージェント選択の総合的なレビューとリビジョンが、エンドツーエンドのマルチエージェントシステムを構築する上で不可欠なステップであることを証明した。

関連論文リスト

• The Future is Agentic: Definitions, Perspectives, and Open Challenges of Multi-Agent Recommender Systems [8.36558427125949]
  大規模言語モデル(LLM)は、計画、記憶、外部ツールの呼び出し、相互運用が可能なエージェントエンティティへと急速に進化している。 本稿では,LLMエージェントがレコメンデーションシステムの設計空間をどう変えるかを検討する。 エージェント的抽象化を推奨対象と統一することにより、次世代のパーソナライズされ、信頼性が高く、コンテキストに富んだレコメンデーションサービスの基礎を成す。
  論文  参考訳（メタデータ） (2025-07-02T19:25:44Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
  マルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークであるAOPを提案する。 本研究では, エージェント指向計画の3つの重要な設計原則, 可解性, 完全性, 非冗長性を明らかにする。 大規模実験は,マルチエージェントシステムにおける単一エージェントシステムと既存の計画戦略と比較して,現実の問題を解決する上でのAOPの進歩を実証している。
  論文  参考訳（メタデータ） (2024-10-03T04:07:51Z)
• Ask-before-Plan: Proactive Language Agents for Real-World Planning [68.08024918064503]
  プロアクティブエージェントプランニングでは、ユーザエージェントの会話とエージェント環境のインタラクションに基づいて、言語エージェントが明確化のニーズを予測する必要がある。 本稿では,明確化,実行,計画の3つのエージェントからなる新しいマルチエージェントフレームワーク,Clarification-Execution-Planning(textttCEP)を提案する。
  論文  参考訳（メタデータ） (2024-06-18T14:07:28Z)

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。