From Intent to Execution: Composing Agentic Workflows with Agent Recommendation
Ce papier présente un cadre automatisé pour composer des systèmes multi-agents qui remplace la planification manuelle et la sélection d'agents par un flux de travail piloté par un LLM comportant un recommandateur d'agents en deux étapes et un agent critique, démontrant un rappel, une robustesse et une évolutivité supérieurs par rapport aux approches les plus avancées.
Article original sous licence CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète
Imaginez que vous souhaitiez construire une machine complexe, comme un robot personnalisé capable de vous préparer un sandwich, de plier votre linge et d'arroser vos plantes. Autrefois, pour construire ce robot, vous deviez embaucher manuellement un chef, un expert en blanchisserie et un jardinier, déterminer exactement comment ils devaient communiquer entre eux, et dessiner une carte indiquant qui fait quoi et quand. C'est lent, fastidieux et cela exige beaucoup d'effort humain.
Ce papier présente AutoMAS, un système qui agit comme un chef de projet ultra-intelligent capable de construire automatiquement cette « équipe de robots » simplement en écoutant votre demande simple.
Voici comment le système fonctionne, décomposé en étapes simples utilisant des analogies du quotidien :
1. Le « Planificateur Principal » (L'Architecte)
D'abord, vous dites au système ce que vous voulez en anglais courant, par exemple : « Je veux réserver une table dans le meilleur restaurant mexicain près de chez moi. »
Le Planificateur agit comme un architecte. Il ne se contente pas de dire « D'accord ». Il décompose votre grande demande en une liste de petites étapes gérables (sous-tâches), telles que :
- Trouver les restaurants mexicains les plus proches.
- Lire les avis pour trouver le meilleur.
- Appeler pour faire une réservation.
Au lieu d'une simple liste, le système dessine un organigramme (appelé Machine à États Finis). Imaginez cela comme une carte avec plusieurs itinéraires possibles. Si le premier restaurant est complet, la carte sait comment rediriger instantanément vers la deuxième meilleure option sans que vous ayez à faire quoi que ce soit.
2. Le « Recruteur » (Le Recommandateur d'Agents)
Maintenant, le système doit trouver les bons « travailleurs » (appelés Agents) pour effectuer chaque étape. Imaginez que vous avez un annuaire téléphonique massif contenant des milliers de spécialistes différents (certains sont excellents pour trouver des restaurants, d'autres pour lire des avis, d'autres encore pour passer des appels).
Trouver la bonne personne dans un annuaire de milliers d'entrées est difficile. Le système du papier utilise un processus d'embauche en deux étapes :
- Étape 1 : Le Scout Rapide (Récupérateur) : C'est comme un moteur de recherche rapide. Il parcourt tout l'annuaire et extrait les 10 ou 20 meilleurs candidats qui pourraient convenir. C'est rapide, mais cela peut inclure quelques personnes qui ne sont pas parfaites.
- Étape 2 : L'Interviewer Expert (Reclassement) : Il s'agit d'une IA hautement intelligente (un LLM) qui prend ces meilleurs candidats et les interviewe. Il lit leurs CV (descriptions) très attentivement pour voir qui est réellement le meilleur choix pour le poste spécifique. Cela garantit que le tout premier choix est le bon.
3. Le « Boosteur de CV » (Enrichissement de Description)
Parfois, le CV d'un travailleur est rédigé de manière ennuyeuse qui ne correspond pas à la façon dont vous demandez de l'aide. Par exemple, un travailleur pourrait dire : « Je traite des données de vols », mais vous demandez : « Je veux réserver un voyage à Paris. »
Le système possède un truc spécial appelé Enrichissement de Description. Avant même que la recherche ne commence, il utilise l'IA pour réécrire les CV des travailleurs en ajoutant des exemples de ce qu'ils peuvent faire. Il transforme « Je traite des données de vols » en « Je traite des données de vols, comme réserver un voyage de New York à San Francisco ». Cela rend beaucoup plus facile pour le « Scout Rapide » de trouver la bonne personne.
4. L'« Inspecteur de Contrôle Qualité » (L'Agent de Critique)
Même avec un excellent recruteur, des erreurs se produisent. Peut-être que le système choisit un travailleur bon marché et rapide qui est en réalité terrible pour le travail, ou peut-être que les travailleurs ne s'adaptent pas bien entre eux (comme un chef qui ne parle que français et un serveur qui ne parle que espagnol).
L'Agent de Critique agit comme un inspecteur de qualité final. Il examine toute l'équipe et tout le plan avant que le travail ne commence. Il se demande :
- « Cette équipe correspond-elle réellement aux exigences de budget et de rapidité de l'utilisateur ? »
- « Les résultats de ces travailleurs correspondent-ils à ce dont le travailleur suivant a besoin ? »
Si le plan semble faible, l'Agent de Critique le renvoie pour une refonte, garantissant que l'équipe finale est parfaite.
5. Le « Filet de Sécurité Humain » (Humain dans la Boucle)
Le système est conçu pour être majoritairement automatique, mais il sait quand demander de l'aide. Si le système est confus ou rencontre une situation qu'il ne peut pas résoudre, il peut se mettre en pause et demander à un superviseur humain une décision rapide, puis continuer automatiquement.
Qu'ont-ils prouvé ?
Les auteurs ont testé ce système avec de vraies données impliquant des milliers d'« outils » et de tâches différents. Ils ont constaté que :
- Leur processus d'embauche en deux étapes (Scout Rapide + Interviewer Expert) était bien meilleur pour trouver les bons travailleurs que les anciennes méthodes qui se contentaient de chercher des mots-clés.
- L'enrichissement des CV (ajout d'exemples) rendait la recherche encore plus précise.
- L'ajout de l'Inspecteur de Contrôle Qualité (Critique) a considérablement amélioré les résultats finaux, s'assurant que tout le plan fonctionnait harmonieusement.
En résumé : Ce papier décrit un système qui transforme un simple souhait humain en une équipe entièrement fonctionnelle de travailleurs numériques automatisés, gérant l'embauche complexe, la planification et le contrôle qualité entièrement par lui-même.
Noyé(e) sous les articles dans votre domaine ?
Recevez des digests quotidiens des articles les plus récents correspondant à vos mots-clés de recherche — avec des résumés techniques, dans votre langue.