論文の概要: Developing LLM-based Multi-Agent Systems in Software Engineering: A Mixed-Method Experience Report
- arxiv url: http://arxiv.org/abs/2608.11965v1
- Date: Wed, 12 Aug 2026 11:53:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.566246
- Title: Developing LLM-based Multi-Agent Systems in Software Engineering: A Mixed-Method Experience Report
- Title（参考訳）: ソフトウェア工学におけるLLMベースのマルチエージェントシステムの開発:混合手法の経験報告
- Abstract要約: 大規模言語モデル(LLM)を利用したGen AIは、ソフトウェア開発プロセスを変革した。
近年の進歩は、マルチエージェントエージェントを編成するマルチエージェントシステム(MAS)へと移行している。
本稿では,ソフトウェア工学にMASを実装するための既存のツールとフレームワークについて概観する。
- 参考スコア（独自算出の注目度）: 3.5548623483904436
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The proliferation of Generative Artificial Intelligence (Gen AI) powered by large language models (LLMs) has transformed the software development process, introducing new paradigms for code generation, debugging, testing, and maintenance. While early applications focused on leveraging single, independent LLMs to assist developers with isolated tasks, recent advances have shifted toward multi-agent systems (MAS) that orchestrate multiple LLM-based agents working collaboratively toward common objectives. Despite their promising potential, using MAS encompasses a set of challenges for developers who have to carefully select the right technology, devise proper coordination rules, and design specific roles for the involved agents. In this paper, we provide a comprehensive overview of the existing tools and frameworks for implementing MAS in software engineering. First, we conducted a quantitative analysis of the most relevant open source MAS frameworks by evaluating their documentation, features, and capabilities from the developers' perspective. Second, we performed a qualitative evaluation of a subset of the selected frameworks by implementing a common use case: the summarization of README.MD files. The findings show that the selected frameworks provide a good coverage of fundamental components of MAS, though advanced features such as telemetry of agents are still missing. In addition, the empirical evaluation shows that there is no significant difference in terms of ROUGE scores considering the summarization task. Finally, we provide a set of lessons learned and challenges that can help researchers and practitioners to select a suitable MAS framework according to their needs.
- Abstract（参考訳）: 大規模言語モデル(LLM)を活用したジェネレーティブ人工知能(Gen AI)の普及は、コード生成、デバッグ、テスト、メンテナンスのための新しいパラダイムを導入して、ソフトウェア開発プロセスを変革した。
初期のアプリケーションは、単一の独立したLLMを活用して開発者が孤立したタスクを補助することに焦点を当てていたが、最近の進歩は、複数のLLMベースのエージェントを協調して共通の目的に向けて動作させるマルチエージェントシステム(MAS)へと移行した。
有望な可能性にもかかわらず、MASを使用することは、適切なテクノロジを慎重に選択し、適切な調整ルールを策定し、関連するエージェントに特定の役割を設計しなければならない開発者にとって、一連の課題を含んでいる。
本稿では,ソフトウェア工学にMASを実装するための既存のツールやフレームワークについて概観する。
まず、開発者の視点からそれらのドキュメント、機能、能力を評価することによって、最も関連性の高いオープンソースMASフレームワークを定量的に分析した。
第2に、README.MDファイルの要約という共通ユースケースを実装することで、選択したフレームワークのサブセットの質的評価を行った。
この結果は、選択されたフレームワークがMASの基本コンポーネントの優れたカバレッジを提供することを示しているが、エージェントのテレメトリのような高度な機能はいまだに欠落している。
さらに, 要約作業を考慮したROUGEスコアに有意差は認められなかった。
最後に、研究者や実践者が必要に応じて適切なMASフレームワークを選択するのに役立つ一連の教訓と課題を提供する。
関連論文リスト
- The Evolution of Tool Use in LLM Agents: From Single-Tool Call to Multi-Tool Orchestration [58.61149924275458]
ツールの使用により、大きな言語モデルが外部情報にアクセスし、ソフトウェアシステムを実行し、モデルパラメータだけで解決できるもの以外のデジタル環境で動作することができる。
エージェントシステムが進化するにつれて、中央の問題は、中途半端な状態、実行フィードバック、環境の変化、安全性、コスト、検証可能性といった実践的な制約によって、孤立呼び出しからマルチツールオーケストレーションへと移行した。
推論時の計画と実行、トレーニングと軌道構築、安全と制御、リソース制約下での効率性、オープン環境における能力の完全性、およびベンチマーク設計と評価の6つの分野に関する文献を整理する。
論文 参考訳（メタデータ） (2026-03-24T07:05:05Z) - LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities [0.03437656066916039]
本論文は,LLMに基づくマルチエージェントシステムの新しいパラダイムを体系的にレビューする。
言語モデルの選択、SE評価ベンチマーク、最先端のエージェントフレームワーク、通信プロトコルなど、幅広いトピックを掘り下げる。
論文 参考訳（メタデータ） (2026-01-14T19:28:30Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - Benchmarking LLM-based Agents for Single-cell Omics Analysis [6.915378212190715]
AIエージェントは、適応的な計画、実行可能なコード生成、トレース可能な決定、リアルタイム知識融合を可能にする、パラダイムシフトを提供する。
本稿では,シングルセルオミクス解析におけるエージェント能力の厳格な評価を行うためのベンチマーク評価システムを提案する。
論文 参考訳（メタデータ） (2025-08-16T04:26:18Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - 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) - GUI Agents with Foundation Models: A Comprehensive Survey [91.97447457550703]
この調査は(M)LLMベースのGUIエージェントに関する最近の研究を集約する。
重要な課題を特定し,今後の研究方向性を提案する。
この調査が(M)LLMベースのGUIエージェントの分野におけるさらなる進歩を促すことを願っている。
論文 参考訳（メタデータ） (2024-11-07T17:28:10Z) - LLM-Agent-UMF: LLM-based Agent Unified Modeling Framework for Seamless Integration of Multi Active/Passive Core-Agents [0.0]
LLM-Agent-UMF(LLM-Agent-UMF)に基づく新しいエージェント統一モデリングフレームワークを提案する。
我々のフレームワークはLLMエージェントの異なるコンポーネントを区別し、LLMとツールを新しい要素であるコアエージェントから分離する。
我々は,13の最先端エージェントに適用し,それらの機能との整合性を実証することによって,我々の枠組みを評価する。
論文 参考訳（メタデータ） (2024-09-17T17:54:17Z) - Collaboration Dynamics and Reliability Challenges of Multi-Agent LLM Systems in Finite Element Analysis [3.437656066916039]
インターエイジェントダイナミクスが推論の品質と信頼性にどのように影響するかは、まだ不明である。
線形弾性有限要素解析(FEA)のためのAutoGenベースのマルチエージェントフレームワークを用いたこれらのメカニズムについて検討する。
1,120のコントロールされたトライアルから、コラボレーションの有効性は、チームのサイズよりも機能的な相補性に依存することが分かりました。
論文 参考訳（メタデータ） (2024-08-23T23:11:08Z) - Large Multimodal Agents: A Survey [78.81459893884737]
大規模言語モデル(LLM)は、テキストベースのAIエージェントのパワーで優れたパフォーマンスを実現している。
LLMを利用したAIエージェントをマルチモーダルドメインに拡張することに焦点を当てた、新たな研究トレンドがある。
本総説は, この急速に発展する分野において, 今後の研究に有用な洞察とガイドラインを提供することを目的としている。
論文 参考訳（メタデータ） (2024-02-23T06:04:23Z)
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。