論文の概要: GEAR: Feature-Based Configuration and Code Generation for Agentic Systems
- arxiv url: http://arxiv.org/abs/2610.35592v1
- Date: Mon, 26 Oct 2026 15:19:22 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:14.049951
- Title: GEAR: Feature-Based Configuration and Code Generation for Agentic Systems
- Title（参考訳）: GEAR:エージェントシステムのための機能ベースの構成とコード生成
- Abstract要約: GEARはマルチエージェントシステムを構成するためのオープンソースのツールである。
共通仕様からフレームワーク固有の実装を生成する。
GEARは、エージェントシステムと研究者がフレームワーク間のMAS構成をプロトタイピングする開発者をサポートする。
- 参考スコア（独自算出の注目度）: 0.4582656607374373
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Engineering multi-agent systems (MAS) requires choosing agents, orchestration strategies, communication mechanisms, reasoning approaches, and memory configurations. These choices depend on framework-specific capabilities and abstractions, requiring developers to learn different APIs when exploring alternative implementations. We present GEAR, an open-source tool for configuring MAS and generating framework-specific implementations from a common specification. GEAR uses a feature-based representation to make configuration options and their constraints explicit, enabling users to validate specifications before code generation. Through connectors for ten agentic frameworks, users generate projects from the same specification and can then inspect reports describing framework-specific adaptations. A preliminary assessment of mapping feasibility identifies translation strategies for 271 of 320 evaluated feature-framework pairs (84.69%). GEAR supports developers prototyping agentic systems and researchers exploring MAS configurations across frameworks. GEAR is available as open-source software at https://github.com/brellsanwouo/gear-framework and a video demo is available at https://youtu.be/iwNi-oC2tCw.
- Abstract（参考訳）: エンジニアリングマルチエージェントシステム(MAS)は、選択エージェント、オーケストレーション戦略、通信機構、推論アプローチ、メモリ構成を必要とする。
これらの選択はフレームワーク固有の機能と抽象化に依存しており、開発者は代替実装を探究する際に異なるAPIを学ぶ必要がある。
我々は,共通仕様からMASを設定し,フレームワーク固有の実装を生成するオープンソースツールであるGEARを紹介する。
GEARは機能ベースの表現を使用して、設定オプションとその制約を明確にし、ユーザがコード生成前に仕様を検証できるようにする。
10のエージェントフレームワーク用のコネクタを通じて、ユーザは同じ仕様からプロジェクトを生成し、フレームワーク固有の適応に関するレポートを検査することができる。
マッピング実現可能性の予備評価では、320種類の特徴フレーム対 (84.69%) のうち271の翻訳戦略が特定される。
GEARは、エージェントシステムと研究者がフレームワーク間のMAS構成をプロトタイピングする開発者をサポートする。
GEARはhttps://github.com/brellsanwouo/gear-frameworkでオープンソースソフトウェアとして利用可能であり、ビデオデモはhttps://youtu.be/iwNi-oC2tCwで公開されている。
関連論文リスト
- Benchmarking AI Agents for Hardware Design Automation via MCP Tool Calling [1.6639892342953113]
ローカルにデプロイされた大規模言語モデルを利用したAIエージェントが、業界現実的なツールコール設定で、専門家が定義したハードウェア設計を確実に自動化できるかどうかを問う。
この設定を研究するために、組み込みシステム開発に使用されるプロプライエタリなハードウェア設計ツールの状態と依存性ロジックを再現するモデルコンテキストプロトコル(MCP)サーバを構築した。
我々は、システムプロンプト、ツール記述の詳細、コンテキストスコープ、シングルエージェント対マルチエージェントアーキテクチャを含むパイプライン選択を比較した7つのオープンソースモデルを評価する。
論文 参考訳（メタデータ） (2026-08-25T15:33:50Z) - MetaInfer: A Knowledge Only LLM Inference Engine Generator SKILL Toolbox [0.3581211034057412]
本稿では,LLM-as-Compiler(LLM-as-Compiler)アプローチであるmetainferを提案する。
LLM駆動のマルチエージェントコラボレーションシステムは,契約知識ベースと組み合わせて,コンパクトな推論フレームワークを自動生成する。
論文 参考訳（メタデータ） (2026-07-14T15:22:48Z) - Using Process Mining to Generate AI Agents from Software Engineering Process Records [1.6974371408199849]
AIエージェントをソフトウェアエンジニアリング(SE)チームに統合するという課題に対処する。
提案手法は,事前に定義されたSEロール語彙を用いて,プロジェクト固有のエージェントの役割を発見する。
概念実証として、確立されたオープンソースプロジェクトに我々のアプローチを適用しました。
論文 参考訳（メタデータ） (2026-07-06T11:22:25Z) - MASEval: Extending Multi-Agent Evaluation from Models to Systems [77.09381093359598]
MASEvalはフレームワークに依存しないライブラリで、システム全体を分析の単位として扱う。
研究者はエージェントシステムのすべてのコンポーネントを探索し、原則化されたシステム設計のための新たな道を開くことができる。
論文 参考訳（メタデータ） (2026-03-09T18:46:17Z) - OpenSage: Self-programming Agent Generation Engine [56.399761469404496]
自己生成型トポロジとツールセットでエージェントを自動生成する最初のエージェント開発キットであるOpenSageを提案する。
OpenSageは、エージェントが独自のサブエージェントとツールキットを作成し管理するための効果的な機能を提供する。
OpenSageは、人間中心のパラダイムからAI中心のパラダイムへと焦点を移す、次世代のエージェント開発への道を開くことができる、と私たちは信じています。
論文 参考訳（メタデータ） (2026-02-18T21:16:29Z) - The Agentic Automation Canvas: a structured framework for agentic AI project design [0.0]
本稿ではエージェントシステム設計のための構造化フレームワークであるエージェント自動化Canvas(AAC)について述べる。
AACは自動化プロジェクトの6つの側面を捉えている。定義とスコープ、定量化された利益指標によるユーザ期待、開発者の実現可能性評価、ガバナンスのステージングである。
リアルタイムのバリデーションを備えたクライアントサイドのWebアプリケーションを通じてアクセスすることができる。
論文 参考訳（メタデータ） (2026-02-16T16:46:04Z) - How are MLOps Frameworks Used in Open Source Projects? An Empirical Characterization [7.351668608270923]
マシンラーニング(MLOps)運用(MLOps)フレームワークは、MLモデルのライフサイクル管理において、開発者とAIエンジニアを支援するために考案されたものだ。
本稿では,8つの人気オープンソースMLOpsフレームワークの実用的利用と所望の機能拡張について検討する。
論文 参考訳（メタデータ） (2026-01-26T15:35:42Z) - Domain-Specific Data Generation Framework for RAG Adaptation [58.20906914537952]
Retrieval-Augmented Generation (RAG)は、大規模言語モデルの言語理解と推論能力と外部検索を組み合わせ、ドメイン基底応答を可能にする。
本稿では,様々なRAG適応手法に合わせて,ドメイン基底型質問応答コンテキスト(QAC)トリプルを生成するフレームワークであるRAGenを提案する。
論文 参考訳（メタデータ） (2025-10-13T09:59:49Z) - UltraRAG: A Modular and Automated Toolkit for Adaptive Retrieval-Augmented Generation [64.79921229760332]
Retrieval-Augmented Generation (RAG) は、下流タスクにおける大規模言語モデル(LLM)の性能を大幅に向上させる。
既存のRAGツールキットは、特定のアプリケーションシナリオに適した知識適応をサポートしていない。
ワークフロー全体を通して知識適応を自動化するRAGツールキットであるUltraRAGを提案する。
論文 参考訳（メタデータ） (2025-03-31T03:49:49Z) - Embodied-RAG: General Non-parametric Embodied Memory for Retrieval and Generation [69.01029651113386]
Embodied-RAGは、非パラメトリックメモリシステムによるエンボディエージェントのモデルを強化するフレームワークである。
コアとなるEmbodied-RAGのメモリはセマンティックフォレストとして構成され、言語記述を様々なレベルで詳細に保存する。
Embodied-RAGがRAGをロボット領域に効果的にブリッジし、250以上の説明とナビゲーションクエリをうまく処理できることを実証する。
論文 参考訳（メタデータ） (2024-09-26T21:44:11Z)
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。