論文の概要: Beyond Prompt-Based Planning: MCP-Native Graph Planning-based Biomedical Agent System
- arxiv url: http://arxiv.org/abs/2606.04494v1
- Date: Wed, 03 Jun 2026 06:19:25 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-04 20:44:18.58406
- Title: Beyond Prompt-Based Planning: MCP-Native Graph Planning-based Biomedical Agent System
- Title（参考訳）: プロンプト計画を超えて:MSP-Native Graph Planning-based Biomedical Agent System
- Authors: Zhangtianyi Chen, Florensia Widjaja, Wufei Dai, Xiangjun Zhang, Yuhao Shen, Juexiao Zhou,
- Abstract要約: グラフスキャフォールド計画に基づくMSPネイティブなバイオメディカルエージェントであるBioManusを紹介した。
また,BioManusは,高度なバイオメディカルエージェントベースラインよりも実行精度,ワークフローの妥当性,コンテキスト効率を向上することを示した。
- 参考スコア（独自算出の注目度）: 0.8857568447033265
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Biomedical agents promise to automate complex biological workflows, yet current systems face two fundamental bottlenecks: bioinformatics tools are highly heterogeneous in interfaces and execution environments, while agent planning still relies on flat prompt-retrieved tool descriptions. As biomedical software ecosystems grow, this coupling between tool coverage and context size leads to tool confusion, unstable planning, and inefficient execution. We introduce BioManus, an MCP-native biomedical agent built on graph-scaffolded planning over structured biological capabilities. BioManus first introduces the BioinfoMCP Compiler, which converts heterogeneous bioinformatics software into standardized MCP servers, yielding a large executable MCP ecosystem. It then organizes this ecosystem as a typed heterogeneous MCP graph over tools, operations, datatypes, and workflow stages. At inference time, BioManus retrieves compact task-specific subgraphs, synthesizes operation-level workflow scaffolds. This design decouples planning complexity from raw tool inventory size, achieving a context compression ratio of Theta(N / (h * m_bar)) under high-recall retrieval, where N is the total tool count, h is the workflow horizon, and m_bar (much smaller than N) is the average number of candidate tools per operation. Experiments on BioAgentBench and LAB-Bench show that BioManus improves execution accuracy, workflow validity, and context efficiency over advanced biomedical agent baselines. This work suggests a paradigm shift: scalable biomedical reasoning requires structured executable capability graphs rather than increasingly larger prompt-level tool retrieval.
- Abstract（参考訳）: バイオインフォマティクスツールはインターフェースや実行環境において非常に不均一であり、エージェントプランニングは依然としてフラットなプロンプト検索ツール記述に依存している。
バイオメディカルなソフトウェアエコシステムが成長するにつれて、ツールカバレッジとコンテキストサイズの結合は、ツールの混乱、不安定な計画、非効率な実行につながる。
グラフスキャフォールド計画に基づくMSPネイティブなバイオメディカルエージェントであるBioManusを紹介した。
BioManusはまず、異種バイオインフォマティクスソフトウェアを標準化されたMSPサーバに変換するBioinfoMCPコンパイラを導入した。
そして、このエコシステムを、ツール、オペレーション、データタイプ、ワークフローステージにまたがる、異質なMPPグラフとして分類する。
推論時に、BioManusは、コンパクトなタスク固有のサブグラフを取得し、オペレーションレベルのワークフローを合成する。
この設計は、計画上の複雑さを生ツールの在庫規模から切り離し、Tta(N / (h * m_bar))のコンテキスト圧縮比をハイリコール検索で達成し、Nはトータルツールカウント、hはワークフロー水平、m_bar(Nよりはるかに小さい)は操作毎の平均ツール数とする。
BioAgentBenchとLAB-Benchの実験では、BioManusは高度なバイオメディカルエージェントベースラインよりも実行精度、ワークフローの妥当性、コンテキスト効率を改善している。
スケーラブルなバイオメディカル推論は、より大きなプロンプトレベルのツール検索ではなく、構造化可能な機能グラフを必要とする。
関連論文リスト
- AIMBio-Mat: An AI-Native FAIR Platform for Closed-Loop Materials Discovery and Biomedical Translation [0.30495228237759914]
AIMBioは、AIネイティブ、FAIR、ガバナンス対応の意思決定レイヤのための概念的なフレームワークである。
資料の出所、生医学的文脈、知識グラフ、不確実性を認識した機械学習、そして人間のループ内アクティブな学習をリンクする。
論文 参考訳（メタデータ） (2026-05-20T12:18:49Z) - BioMiner: A Multi-modal System for Automated Mining of Protein-Ligand Bioactivity Data from Literature [53.894504720119805]
生物活性データ抽出のためのマルチモーダル抽出フレームワークであるBioMinerを紹介する。
BioMinerでは、生物活性セマンティクスは直接推論によって推測され、化学構造は化学構造に基づく視覚的セマンティクス推論パラダイムによって解決される。
厳密な評価と方法開発のために,500の出版物から得られた16,457の生物活性成分からなるベンチマークを構築した。
論文 参考訳（メタデータ） (2026-04-23T10:11:56Z) - Biomedical systems biology workflow orchestration and execution with PoSyMed [3.2613377085614417]
PoSyMedは、バイオインフォマティクスツールとツールの統合、構成、実行を制御するオープンでモジュール化されたプラットフォームである。
PoSyMedはバックエンド中心のプラットフォームアーキテクチャとフォーマルなツール記述、コンテナベースのビルドと実行プロセスのコントロール、永続的なワークフロー状態、対話ベースのユーザインターフェースを組み合わせたものだ。
論文 参考訳（メタデータ） (2026-04-21T20:20:58Z) - Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。
我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。
簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文 参考訳（メタデータ） (2025-12-02T18:42:26Z) - BioinfoMCP: A Unified Platform Enabling MCP Interfaces in Agentic Bioinformatics [0.4500306327865278]
BioinfoMCPは、高度なバイオインフォマティクス解析と自然言語による対話を可能にする。
MCP変換バイオインフォマティクスツール38のプラットフォームを提案し、94.7%が広く使用されている3つのAIエージェントプラットフォームで複雑なインターフェースの実行に成功したことを示す。
論文 参考訳（メタデータ） (2025-10-02T15:47:59Z) - BioAgents: Democratizing Bioinformatics Analysis with Multi-Agent Systems [6.668992155393883]
我々は,小言語モデルに基づくマルチエージェントシステムを提案し,バイオインフォマティクスデータに基づいて微調整し,検索拡張生成(RAG)により拡張した。
当社のシステムであるBioAgentsは,プロプライエタリなデータを用いたローカル操作とパーソナライズを可能にする。
我々は、概念ゲノミクスのタスクにおいて、人間の専門家に匹敵するパフォーマンスを観察し、コード生成能力を高めるための次のステップを提案する。
論文 参考訳（メタデータ） (2025-01-10T19:30:59Z) - Language Model Powered Digital Biology with BRAD [5.309032614374711]
大規模言語モデル(LLM)は構造化されていない統合に適しています。
バイオインフォマティクス検索デジタルアシスタント(BRAD)の試作について紹介する。
論文 参考訳（メタデータ） (2024-09-04T16:43:14Z) - BioDiscoveryAgent: An AI Agent for Designing Genetic Perturbation Experiments [112.25067497985447]
そこで,BioDiscoveryAgentを紹介した。このエージェントは,新しい実験を設計し,その結果の理由を明らかにし,仮説空間を効率的にナビゲートし,望ましい解に到達させる。
BioDiscoveryAgentは、機械学習モデルをトレーニングすることなく、新しい実験を独自に設計することができる。
6つのデータセットで関連する遺伝的摂動を予測することで、平均21%の改善が達成されている。
論文 参考訳（メタデータ） (2024-05-27T19:57:17Z) - Diversifying Knowledge Enhancement of Biomedical Language Models using
Adapter Modules and Knowledge Graphs [54.223394825528665]
我々は、軽量なアダプターモジュールを用いて、構造化された生体医学的知識を事前訓練された言語モデルに注入するアプローチを開発した。
バイオメディカル知識システムUMLSと新しいバイオケミカルOntoChemの2つの大きなKGと、PubMedBERTとBioLinkBERTの2つの著名なバイオメディカルPLMを使用している。
計算能力の要件を低く保ちながら,本手法がいくつかの事例において性能改善につながることを示す。
論文 参考訳（メタデータ） (2023-12-21T14:26:57Z) - BiomedGPT: A Generalist Vision-Language Foundation Model for Diverse Biomedical Tasks [68.39821375903591]
汎用AIは、さまざまなデータ型を解釈する汎用性のために、制限に対処する可能性を秘めている。
本稿では,最初のオープンソースかつ軽量な視覚言語基盤モデルであるBiomedGPTを提案する。
論文 参考訳（メタデータ） (2023-05-26T17:14:43Z)
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。