論文の概要: Is Bash All You Need? An Empirical Study of Tool Interfaces for Enterprise Digital Worker Agents
- arxiv url: http://arxiv.org/abs/2609.11999v1
- Date: Thu, 10 Sep 2026 00:10:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-15 07:38:31.485725
- Title: Is Bash All You Need? An Empirical Study of Tool Interfaces for Enterprise Digital Worker Agents
- Title（参考訳）: Bashがすべて必要か? エンタープライズデジタルワーカーエージェントのためのツールインターフェースの実証的研究
- Abstract要約: シェルベースのエージェントはコーディングにおいて大きな成果を上げているが、エンタープライズの作業にはアプリケーションとサービス間の移動も含まれる。
We compare five tools interface on TheAgentCompany and APEX-Agents using Opus-4.8 and GPT-5.5。
- 参考スコア（独自算出の注目度）: 38.00958272770167
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this study, we examine whether a general shell can outperform specialized tools on enterprise tasks. Shell-based agents have shown strong results in coding, but enterprise work also involves moving between applications and services, coordinating with coworkers, and performing professional analysis. We compare five tool interfaces on TheAgentCompany and APEX-Agents using Opus-4.8 and GPT-5.5: typed tools, typed tools plus bash, bash alone, bash with persistent agent-synthesized tools, and programmatic tool calling (PTC), which runs programs whose actions are restricted to a typed tool catalog. Bash alone outperforms typed tools on both benchmarks, improving score by 21.8-24.5 pp on TheAgentCompany and 4.8-7.4 pp on APEX-Agents while using 19-72% fewer total tokens. Adding typed tools or persistent tool synthesis to bash produces no detectable pooled score gain. PTC uses fewer tokens than direct typed calls with broadly similar task performance, but generally underperforms bash alone in both quality and cost efficiency. For enterprise practitioners, these results favor bash alone when arbitrary execution can be isolated and PTC when security or compliance policies require a fixed tool catalog.
- Abstract（参考訳）: 本研究では,汎用シェルが企業タスクの専門ツールより優れているかどうかを検討する。
シェルベースのエージェントは、コーディングにおいて強力な結果を示しているが、エンタープライズワークには、アプリケーションとサービス間の移動、同僚とのコーディネート、プロフェッショナル分析の実行も含まれる。
TheAgentCompany と APEX-Agents の5つのツールインターフェースを Opus-4.8 と GPT-5.5 を使って比較する: 型付ツール、型付ツール+bash、bash 単独、永続的なエージェント合成ツールによるbash、型付ツールカタログに制限されたプログラムを実行するプログラムツール呼び出し(PTC)。
Bashは両方のベンチマークで21.8-24.5pp、APEX-Agentsでは4.8-7.4pp、合計トークンは19-72%減った。
bashに型付きツールや永続的なツール合成を追加すると、検出可能なプールされたスコアゲインが発生しない。
PTCは、広範囲に類似したタスクパフォーマンスを持つ直接型付き呼び出しよりも少ないトークンを使用するが、一般的には、品質とコスト効率の両方において、bash単独ではパフォーマンスが劣る。
企業実践者にとって、これらの結果は、任意の実行を分離できる場合と、セキュリティやコンプライアンスポリシーが固定ツールカタログを必要とする場合とで、bashのみを好む。
関連論文リスト
- ToolRobustBench: Stage-Wise Perturbation Evaluation and Failure Diagnosis for Tool-Calling Agents [16.995082216096787]
大規模言語モデルは基本的なエージェント機能としてツール呼び出しに依存している。
クリーンなエンドツーエンド(E2E)の成功は、ツール使用障害の発生場所や、呼び出しを通じてどのように伝播するかを特定できない。
ツールコールエージェントの段階的診断ベンチマークである ToolRobustBench を紹介する。
論文 参考訳（メタデータ） (2026-08-23T15:22:49Z) - When Does Restricting a Coding Agent to execute_code Help? A Regime $\times$ Agent-Design Ablation [20.672156968511587]
合成計算タスクとSWE-bench Mini修正タスクにおける3アームアブレーション(ベースライン/bash_only/code_only)の比較を行った。
結果として得られた4つの(登録、エージェント)細胞全体で、エージェントを1つの execute_code MCP ツールに制限することは、最も安価なツールリッチなライバルである -- あるいは統計的に結びついている -- よりも安価である。
唯一の例外はSWE-bench/Claudeである。
論文 参考訳（メタデータ） (2026-07-12T04:52:08Z) - Beyond Function Calling: Benchmarking Tool-Using Agents under Tool-Environment Unreliability [14.862168786900382]
本稿では,信頼性評価のためのベンチマークであるToolBench-Xを紹介する。
クリーンなツール環境から始めると、ToolBench-Xは5つの構造化ハザードタイプを注入する。
信頼性のあるツールでうまく機能するエージェントは、回復可能なハザードの下で失敗することが多い。
論文 参考訳（メタデータ） (2026-06-24T13:34:34Z) - SING: Synthetic Intention Graph for Scalable Active Tool Discovery in LLM Agents [64.59100414726556]
大規模言語モデル(LLM)エージェントは、コンテキスト、ツール、マルチターン実行を管理するハーネスに依存している。
Retrieval-augmented Tool selectionは、自然な代替手段を提供するが、既存のワンショット検索方法は、独立したツール記述とエージェントの真のタスク意図との整合に失敗する。
我々は、ユーザ意図、ツール機能、ツールコラボレーションパターンをリンクするインテントツーオールグラフを構築する、意図認識型のアクティブツール発見フレームワークであるSINGを提案する。
論文 参考訳（メタデータ） (2026-06-15T11:37:37Z) - HyperTool: Beyond Step-Wise Tool Calls for Tool-Augmented Agents [52.33697136670754]
textbfHyperToolは、実行可能なMPPスタイルのツールインターフェースで、ツール実行のモデル可視単位を変更する。
モデルはHyperToolをコードブロックで呼び出し、既存のツールを元のスキーマを通じて呼び出し、返却された値を操作し、中間結果をローカルに渡すことができる。
MCP-Universeでは、HyperToolは平均精度をQwen3-32Bで15.69%から35.29%、Qwen3-8Bで9.93%から33.33%に改善し、GPT-OSSとKimi-k2.5を平均で上回っている。
論文 参考訳（メタデータ） (2026-06-11T17:56:36Z) - Contract2Tool: Learning Preconditions and Effects for Reliable Tool-Augmented LLM Agents [0.0]
Contract2Toolは、メタデータ、スキーマ、ドキュメント、実行トレースからツールコントラクトを推論するフレームワークです。
我々は,ゴールドプレ条件,エフェクト,リスクラベルに対する学習契約を評価し,エージェントタスクの下流ユーティリティを測定した。
以上の結果から,ハイブリッド・ドキュメンテーション・トレース・エビデンスにより,ゴールド契約の信頼性と効率性の大半を維持するのに十分な契約が得られたことが示唆された。
論文 参考訳（メタデータ） (2026-06-05T23:47:33Z) - ToolOrchestra: Elevating Intelligence via Efficient Model and Tool Orchestration [110.24410841004777]
私たちは、他のモデルやさまざまなツールを管理する小さなオーケストレータが、どちらもインテリジェンスの上限を押し上げることができることを示しています。
インテリジェントなツールをコーディネートする,小さなオーケストレータのトレーニング方法であるToolOrchestraを紹介する。
ToolOrchestraを使うことで、従来のツール使用エージェントよりも低コストで精度の高い8BモデルであるOrchestratorを作成できる。
論文 参考訳（メタデータ） (2025-11-26T18:59:46Z) - OSWorld-MCP: Benchmarking MCP Tool Invocation In Computer-Use Agents [49.34040731113563]
我々は,コンピュータ利用エージェントのツール実行,GUI操作,意思決定能力を評価するための,最初の総合的かつ公正なベンチマークであるOSWorld-MCPを提案する。
厳密な手作業による検証は158の高品質なツールをもたらし、それぞれが正しい機能、実用性、汎用性を検証します。
OSWorld-MCPはマルチモーダルエージェントの理解を深め、複雑なツール支援環境でのパフォーマンスを評価するための新しい標準を設定している。
論文 参考訳（メタデータ） (2025-10-28T15:56:36Z) - DeepAgent: A General Reasoning Agent with Scalable Toolsets [111.6384541877723]
DeepAgentは、自律的な思考、ツール発見、アクション実行を実行するエンドツーエンドのディープ推論エージェントである。
長期にわたる相互作用の課題に対処するために,過去の相互作用を構造化エピソード,動作,ツール記憶に圧縮する自律的メモリ折り畳み機構を導入する。
LLMシミュレートされたAPIを活用し、ツール呼び出しトークンにきめ細かいクレジットを割り当てるツールコールアドバンテージ属性を適用した、エンドツーエンドの強化学習戦略であるToolPOを開発した。
論文 参考訳（メタデータ） (2025-10-24T16:24:01Z) - TheMCPCompany: Creating General-purpose Agents with Task-specific Tools [12.249551019598442]
TheMCPCompanyは、様々な現実世界のサービスと対話するタスクにおいて、ツールコールエージェントを評価するためのベンチマークである。
また、各タスクに手動でアノテートされた接地木ツールも提供します。
全体として、我々の研究は、最も高度な推論モデルは、より単純な環境でツールを見つけるのに効果的であるが、複雑なエンタープライズ環境をナビゲートするのに深刻な苦労をしていることを示している。
論文 参考訳（メタデータ） (2025-10-22T06:42:01Z) - Programming with Pixels: Can Computer-Use Agents do Software Engineering? [24.011063667060792]
$textttProgramming with Pixels$ (PwP)は、ソフトウェアエンジニアリングのための初めての総合的なコンピュータ利用環境である。
PwPは、一般のコンピュータ利用エージェントがスペシャリストレベルのパフォーマンスに達するかどうかをベンチマークするための自然なドメインとしてソフトウェア工学を確立している。
論文 参考訳（メタデータ） (2025-02-24T18:41:33Z)
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。