From Intent to Execution: Composing Agentic Workflows with Agent Recommendation
Dieser Beitrag stellt einen automatisierten Rahmen zur Komposition von Multi-Agenten-Systemen vor, der die manuelle Planung und Agentenauswahl durch einen von einem LLM gesteuerten Workflow ersetzt, der einen zweistufigen Agenten-Empfehlungsdienst und einen Kritik-Agenten umfasst, und dabei im Vergleich zu den fortschrittlichsten Ansätzen eine überlegene Recall-Rate, Robustheit und Skalierbarkeit demonstriert.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich vor, Sie möchten eine komplexe Maschine bauen, wie einen maßgeschneiderten Roboter, der Ihnen ein Sandwich zubereitet, Ihre Wäsche faltet und Ihre Pflanzen gießt. In der Vergangenheit müssten Sie, um diesen Roboter zu bauen, manuell einen Koch, einen Wäsche-Experten und einen Gärtner einstellen, genau herausfinden, wie sie miteinander sprechen sollen, und eine Karte erstellen, wer was und wann tut. Dies ist langsam, mühsam und erfordert viel menschliche Arbeit.
Dieser Artikel stellt AutoMAS vor, ein System, das wie ein super-intelligenter Projektmanager agiert und dieses „Roboter-Team" automatisch aufbaut, indem es einfach Ihre einfache Anfrage hört.
So funktioniert das System, in einfachen Schritten mit alltäglichen Analogien erklärt:
1. Der „Master-Planer" (Der Architekt)
Zuerst teilen Sie dem System in einfachem Englisch mit, was Sie möchten, zum Beispiel: „Ich möchte einen Tisch im besten mexikanischen Restaurant in meiner Nähe reservieren."
Der Planer agiert wie ein Architekt. Er sagt nicht nur „Okay". Er zerlegt Ihre große Anfrage in eine Liste kleiner, überschaubarer Schritte (Teilaufgaben), wie zum Beispiel:
- Die nächsten mexikanischen Restaurants finden.
- Bewertungen lesen, um das beste zu finden.
- Anrufen, um eine Reservierung zu tätigen.
Anstatt einer einfachen Liste zeichnet das System einen Ablaufplan (eine endliche Zustandsmaschine). Stellen Sie sich dies als eine Karte mit mehreren möglichen Routen vor. Wenn das erste Restaurant voll ist, weiß die Karte, wie sie sofort zur zweitbesten Option umleiten kann, ohne dass Sie etwas tun müssen.
2. Der „Recruiter" (Der Agent-Empfehler)
Nun muss das System die richtigen „Arbeiter" (genannt Agenten) finden, um jeden Schritt auszuführen. Stellen Sie sich vor, Sie haben ein massives Telefonbuch mit Tausenden verschiedener Spezialisten (einige sind großartig darin, Restaurants zu finden, andere darin, Bewertungen zu lesen, wieder andere darin, Anrufe zu tätigen).
Die richtige Person in einem Telefonbuch mit Tausenden Einträgen zu finden, ist schwierig. Das System des Artikels verwendet einen zweistufigen Einstellungsprozess:
- Stufe 1: Der schnelle Scout (Retriever): Dies ist wie eine schnelle Suchmaschine. Sie durchsucht das gesamte Telefonbuch und zieht die Top-10- oder Top-20-Kandidaten heraus, die möglicherweise gut passen könnten. Sie ist schnell, kann aber einige Personen enthalten, die nicht perfekt sind.
- Stufe 2: Der Experte-Interviewer (Re-ranker): Dies ist eine hochintelligente KI (ein LLM), die diese Top-Kandidaten nimmt und sie interviewt. Sie liest deren Lebensläufe (Beschreibungen) sehr sorgfältig, um zu sehen, wer tatsächlich am besten für die spezifische Aufgabe geeignet ist. Dies stellt sicher, dass die allerbeste Wahl die richtige ist.
3. Der „Lebenslauf-Booster" (Beschreibungsanreicherung)
Manchmal ist der Lebenslauf eines Arbeiters so langweilig geschrieben, dass er nicht zu Ihrer Art, Hilfe zu bitten, passt. Zum Beispiel könnte ein Arbeiter sagen: „Ich verarbeite Flugdaten", aber Sie fragen: „Ich möchte eine Reise nach Paris buchen."
Das System hat einen speziellen Trick namens Beschreibungsanreicherung. Bevor die Suche überhaupt beginnt, nutzt es KI, um die Lebensläufe der Arbeiter umzuschreiben, indem es Beispiele für das hinzufügt, was sie können. Aus „Ich verarbeite Flugdaten" wird „Ich verarbeite Flugdaten, wie zum Beispiel die Buchung einer Reise von New York nach San Francisco". Dies macht es dem „schnellen Scout" viel einfacher, die richtige Person zu finden.
4. Der „Qualitätskontroll-Inspektor" (Der Kritik-Agent)
Selbst mit einem großartigen Recruiter passieren Fehler. Vielleicht wählt das System einen billigen, schnellen Arbeiter, der bei der Aufgabe tatsächlich schlecht ist, oder vielleicht passen die Arbeiter nicht gut zusammen (wie ein Koch, der nur Französisch spricht, und ein Kellner, der nur Spanisch spricht).
Der Kritik-Agent ist wie ein finaler Qualitätsinspektor. Er betrachtet das gesamte Team und den gesamten Plan, bevor die Arbeit beginnt. Er fragt:
- „Passt dieses Team tatsächlich zum Budget und den Geschwindigkeitsanforderungen des Nutzers?"
- „Entsprechen die Ausgaben dieser Arbeiter dem, was der nächste Arbeiter benötigt?"
Wenn der Plan schwach aussieht, schickt der Kritik-Agent ihn zur Überarbeitung zurück und stellt sicher, dass das finale Team perfekt ist.
5. Das „menschliche Sicherheitsnetz" (Human-in-the-Loop)
Das System ist so konzipiert, dass es größtenteils automatisch arbeitet, weiß aber, wann es um Hilfe bitten muss. Wenn das System verwirrt ist oder auf eine Situation stößt, die es nicht lösen kann, kann es anhalten und einen menschlichen Supervisor um eine schnelle Entscheidung bitten, um dann automatisch fortzufahren.
Was haben sie bewiesen?
Die Autoren haben dieses System mit echten Daten getestet, die Tausende verschiedener „Werkzeuge" und Aufgaben umfassten. Sie stellten fest, dass:
- Ihr zweistufiger Einstellungsprozess (Schneller Scout + Experte-Interviewer) viel besser darin war, die richtigen Arbeiter zu finden, als ältere Methoden, die nur nach Schlüsselwörtern suchten.
- Das Anreichern der Lebensläufe (Hinzufügen von Beispielen) die Suche noch genauer machte.
- Das Hinzufügen des Qualitätskontroll-Inspektors (Kritik) die Endergebnisse erheblich verbesserte und sicherstellte, dass der gesamte Plan reibungslos zusammenarbeitete.
Kurz gesagt: Dieser Artikel beschreibt ein System, das einen einfachen menschlichen Wunsch in ein voll funktionsfähiges, automatisiertes Team digitaler Arbeiter verwandelt und die komplexe Einstellung, Planung und Qualitätskontrolle vollständig selbstständig übernimmt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.