💻 computer science

HyperAgent: Planning and Acting over Tool-Schema Hypergraphs for Tool-Use LLM Agents

O artigo introduz o HyperAgent, um novo framework que aproveita um Hipergrafo de Esquema de Ferramentas direcionado para guiar o planejamento dinâmico e a execução orientada a déficits, melhorando, assim, as taxas de conclusão de tarefas e a eficiência para agentes de LLM em cenários complexos de uso de ferramentas em comparação com os baselines existentes.

Autores originais: Zian Zhai, Xingyu Tan, Gaowang Zou, Xiaoyang Wang, Wenjie Zhang

Publicado 2026-08-05

📖 7 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Zian Zhai, Xingyu Tan, Gaowang Zou, Xiaoyang Wang, Wenjie Zhang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você é o capitão de uma nave espacial, mas em vez de pilotar com um único joystick, você tem que comandar uma frota de milhares de robôs diferentes, cada um falando uma língua diferente e segurando um conjunto único de ferramentas. Este é o mundo dos "Agentes de IA" — programas de computador inteligentes construídos sobre Grandes Modelos de Linguagem (LLMs) que são projetados para realizar tarefas do mundo real para nós, como reservar um voo, pedir compras de supermercado ou gerenciar sua conta bancária. Esses agentes são como assistentes brilhantes, mas ligeiramente desorganizados; eles podem entender seu pedido perfeitamente, mas quando se trata de descobrir como fazê-lo, muitas vezes se perdem. Eles podem tentar usar uma ferramenta sem ter os ingredientes necessários, ou podem esquecer que um robô precisa terminar seu trabalho antes que o próximo possa começar. A grande questão que os cientistas estão fazendo é: Como impedimos que esses assistentes de IA colidam com paredes e os ajudamos a navegar por um labirinto complexo de ferramentas digitais sem ficarem sobrecarregados?

Apresentamos o HyperAgent, um novo método que atua como um GPS superinteligente para esses agentes de IA. Em vez de deixar a IA adivinhar seu caminho através de uma tarefa por tentativa e erro, o HyperAgent constrói um mapa massivo e detalhado de como todas as ferramentas se conectam entre si antes mesmo de o agente começar a se mover. Pense nisso como um mestre cuca que não apenas olha para uma receita; ele primeiro verifica a despensa, a geladeira e o jardim para ver exatamente quais ingredientes ele tem, quais ferramentas são necessárias para picar e em que ordem tudo deve acontecer. Ao usar este "mapa", o HyperAgent ajuda a IA a planejar seus passos com precisão, evitando becos sem saída e economizando uma enorme quantidade de tempo e energia.

O Problema: O "Jogo de Adivinhação" da IA

Atualmente, a maioria dos agentes de IA trabalha de forma semelhante a alguém tentando consertar o motor de um carro batendo aleatoriamente em peças com um martelo até que algo funcione. Eles olham para uma lista de ferramentas (como "enviar e-mail" ou "verificar saldo bancário") e tentam adivinhar quais usar e em que ordem. O problema é que essas ferramentas geralmente dependem umas das outras. Você não pode "enviar um e-mail" se não "fizer login" primeiro, e não pode "fazer login" se não tiver sua senha.

Os métodos atuais dependem do cérebro da IA para descobrir essas conexões apenas lendo descrições. Mas quando há centenas de ferramentas, a IA fica confusa. Ela pode tentar usar uma ferramenta que precisa de um dado específico que ela ainda não possui, levando a uma tentativa fracassada. É como tentar assar um bolo sem verificar se você tem ovos, para só então perceber, no meio do processo, que precisa ir comprá-los, apenas para descobrir que a loja está fechada. Este "jogo de adivinhação" desperdiça tempo, custa dinheiro (em poder de processamento computacional) e frequentemente leva a tarefa ao fracasso total.

A Solução: O "Hipergrafo de Esquema de Ferramentas"

Os pesquisadores por trás do HyperAgent decidiram parar de adivinhar e começar a mapear. Eles criaram algo chamado Hipergrafo de Esquema de Ferramentas (Tool-Schema Hypergraph). Para entender isso, imagine uma teia de aranha gigante e 3D, onde cada fio representa uma conexão entre ferramentas.

Em um mapa normal, você poderia desenhar uma linha de "Ferramenta A" para a "Ferramenta B". Mas neste novo "Hipergrafo", as conexões são muito mais precisas. Ele não diz apenas "A Ferramenta A ajuda a Ferramenta B". Ele diz: "A Ferramenta A produz este ingrediente específico (como uma senha), que é exatamente o que a Ferramenta B precisa para começar". Ele mapeia o fluxo de dados como água fluindo através de canos, garantindo que cada saída de uma ferramenta corresponda perfeitamente à entrada exigida pela próxima.

Eles construíram este mapa usando um conjunto de dados do mundo real com 250 cenários diferentes envolvendo aplicativos como e-mail, compras e serviços de música. Eles até adicionaram "pré-condições" ao mapa — como saber que uma ferramenta de "enviar mensagem" só funciona se você já estiver "logado". Isso cria um blueprint dinâmico e vivo de como o mundo digital funciona.

Como o HyperAgent Funciona: A Dança de Três Passos

Uma vez que este mapa é construído, o HyperAgent o utiliza em um processo inteligente de três etapas para realizar o trabalho:

O Explorador (Extração de Contexto): Quando você dá uma tarefa à IA (ex: "Envie o recibo da nossa última compra para o meu colega de quarto por e-mail"), o HyperAgent não olha para toda a rede bagunçada. Em vez disso, ele usa o mapa para dar um zoom e extrair apenas as ferramentas e conexões relevantes para essa tarefa. Ele cria um "DAG de Tarefa" (um termo técnico para um fluxograma) que mostra a ordem exata das operações, como um cartão de receita que lista cada passo e ingrediente necessário.
O Construtor (Expansão Orientada ao Déficit): É aqui que o HyperAgent se torna realmente inteligente. À medida que a IA começa a trabalhar, ela verifica seu "estado atual" — quais informações ela possui agora? Se ela precisa de um "arquivo de recibo", mas ainda não o possui, o HyperAgent consulta o mapa para encontrar a ferramenta exata que produz esse arquivo. Ele constrói uma mini-sub-rede de ferramentas apenas para essa peça que falta, garantindo que a IA nunca tente fazer algo que não consegue fazer ainda. É como uma equipe de construção que só pede os tijolos necessários para a parede atual, em vez de tentar construir a casa inteira de uma vez.
O Navegador (Execução Dinâmica): À medida que a IA completa etapas e reúne novas informações (como encontrar o recibo), ela atualiza seu estado interno. Se algo dá errado ou se a situação muda, o HyperAgent não entra em pânico. Ele revalida o mapa, ajusta o plano e encontra um novo caminho a seguir. É como um GPS que instantaneamente recalcula a rota quando detecta trânsito, em vez de fazer você dirigir em círculos esperando que o trânsito passe.

Os Resultados: Mais Rápido, Mais Inteligente e Mais Barato

Os pesquisadores testaram o HyperAgent no benchmark AppWorld, um conjunto de testes rigorosos com 750 tarefas variando de simples a muito complexas. Eles o compararam com outros métodos de IA, incluindo aqueles que apenas adivinham (como o ReAct) e aqueles que são treinados em exemplos passados.

Os resultados foram impressionantes. O HyperAgent não apenas concluiu mais tarefas; ele o fez de forma muito mais eficiente.

Taxa de Sucesso: No conjunto de teste padrão, o HyperAgent concluiu 63,1% das tarefas com sucesso, comparado a 48,8% do segundo melhor método. No conjunto "Desafio" (mais difícil), ele concluiu 35,7% contra 30,2%.
Eficiência: Talvez ainda mais importante, o HyperAgent economizou uma quantidade massiva de recursos. Ele utilizou 46.000 tokens (as "palavras" digitais que a IA processa) por tarefa, comparado a 140.000 do método padrão. Ele também fez menos chamadas de API (requisições a ferramentas externas), caindo de uma média de 75,1 chamadas para 48,0.

Em termos mais simples, o HyperAgent não foi apenas mais propença a ter sucesso, mas também desperdiçou menos tempo e poder computacional para chegar lá. Ele evitou o ciclo de "tentativa e erro" onde outros agentes tentariam uma ferramenta, falhariam, tentariam outra, falhariam novamente e acabariam desistindo.

Por Que Isso Importa

O artigo sugere que, ao modelar explicitamente como as ferramentas dependem umas das outras — em vez de confiar que a IA adivinhe essas conexões apenas pela leitura de texto — podemos tornar os agentes de IA muito mais confiáveis. Os pesquisadores descobriram que, quando removeram o "mapa" (o contexto do grafo) ou o "construtor" (o grafo de suporte), o desempenho caiu significativamente. Isso prova que a estrutura do mapa é essencial, e não apenas um extra opcional.

Embora este estudo tenha sido conduzido em um ambiente simulado (o conjunto de dados AppWorld), os resultados sugerem um caminho claro a seguir: os agentes de IA não precisam apenas ser mais inteligentes na leitura; eles precisam entender melhor a estrutura das ferramentas que utilizam. Ao dar a eles um mapa, paramos de deixá-los vagando no escuro e os ajudamos a navegar pelo complexo mundo digital com confiança.

Resumo Técnico: HyperAgent

Declaração do Problema

Agentes de Large Language Models (LLMs) dependem cada vez mais de ferramentas externas para executar tarefas complexas do mundo real. No entanto, o planejamento confiável do uso de ferramentas permanece um gargalo significativo devido a duas limitações primárias em abordagens existentes:

Raciocínio Implícito Não Confiável: Agentes atuais tipicamente dependem de LLMs para inferir implicitamente cadeias de ferramentas executáveis a partir de descrições textuais. Esse processo é frágil ao lidar com grandes volumes de documentação, frequentemente falhando em identificar ferramentas upstream necessárias para produzir parâmetros de entrada para uma operação alvo.
Planejamento Estático e Agnóstico ao Estado: Métodos baseados em grafos existentes frequentemente capturam apenas dependências de ferramentas grosseiras, falhando em especificar quais saídas específicas de upstream satisfazem entradas de downstream. Além disso, eles frequentemente dependem de planos estáticos que não se adaptam ao estado evolutivo do agente. Em ambientes dinâmicos, os inputs necessários podem já estar disponíveis de execuções anteriores ou solicitações do usuário, tornando caminhos de ferramentas pré-planejados redundantes ou incompletos.

Metodologia: Estrutura HyperAgent

Para abordar esses desafios, os autores propõem o HyperAgent, uma estrutura que modela relações de ferramentas ao nível de esquema usando um Hipergrafo de Ferramenta–Esquema (TSH) e realiza planejamento e execução dinâmica guiados por essa estrutura.

1. Construção do Hipergrafo de Ferramenta–Esquema (TSH)

A base da estrutura é um hipergrafo direcionado $H = (V, E, D)$ construído a partir de conjuntos de dados de APIs do mundo real (especificamente In-N-Out):

Nós ( $V$ ): Representam esquemas de entrada, esquemas de saída e efeitos/condições de ferramentas.
Hiperarestas ( $E$ ): Cada ferramenta é representada como uma hiperaresta direcionada conectando um conjunto de nós de esquema de entrada a um conjunto de nós de esquema de saída e de efeito. Isso captura as restrições conjuntas da invocação de ferramentas do mundo real (ou seja, todos os inputs devem estar disponíveis para a ferramenta ser executada, e todos os outputs são produzidos conjuntamente).
Dependências ( $D$ ): Links de nível de porta conectam nós de saída de uma ferramenta a nós de entrada de outra, anotados com pesos para indicar a força de suporte.
Refinamento: O grafo é refinado pela extração de nós de precondição e efeito da documentação da API (ex: estados de autenticação) usando LLMs e anotação de especialistas, garantindo que o grafo capture dependências de estado além da simples passagem de parâmetros.

2. Planejamento e Execução em Duas Etapas

O HyperAgent opera em duas fases distintas:

Fase 1: Planejamento de Nível de Tarefa (Offline/Pré-execução)

Extração de Contexto: Dada uma solicitação do usuário, o agente realiza uma busca reversa limitada no TSH para extraar um Grafo de Contexto de Ferramenta Relevante à Tarefa. Isso envolve:
- Ancoragem de Semente (Seed Anchoring): Identificar hiperarestas de ferramentas e nós de esquema iniciais baseados na similaridade semântica com as operações e restrições da tarefa.
- Expansão Reversa (Backward Expansion): Expandir a partir dos nós semente para recuperar ferramentas produtoras upstream, priorizando aquelas com fortes dependências de esquema e relevância semântica.
Geração de DAG da Tarefa: O agente decompõe a solicitação em um Grafo Acíclico Dirigido (DAG) de Tarefa. Os nós representam subtarefas e as arestas codificam dependências de esquema de dados, efeito ou ordenação derivadas do Grafo de Contexto de Ferramenta. Isso fornece orientação global antes do início da execução.

Fase 2: Execução de Nível de Ferramenta (Online/Dinâmica)

Execução Topológica: O agente executa subtarefas seguindo a topologia de dependência do DAG da Tarefa.
Expansão Orientada a Déficit (DOE): Para cada subtarefa pronta, o agente constrói dinamicamente um Subgrafo de Suporte de Ferramenta. Em vez de selecionar uma cadeia de ferramentas fixa, ele:
- Identifica "déficits" (esquemas de entrada não satisfeitos atualmente pelo estado do agente).
- Expande iterativamente o subgrafo adicionando hiperarestas produtoras que resolvem esses déficits, priorizando ferramentas que cobrem a maioria dos inputs não resolvidos.
- Constrói uma composição de ferramentas condicionada ao estado que se adapta ao estado de execução atual (ex: reutilizando valores já obtidos).
Verificação e Refinamento: Após a execução, o agente verifica se o contrato da subtarefa (outputs/efeitos) foi cumprido. Se bem-sucedido, o estado é atualizado; caso contrário, o DAG da Tarefa é refinado e o processo se repete.

Principais Contribuições

Hipergrafo de Ferramenta–Esquema: A construção de um TSH direcionado que modela dependências de nível de parâmetro finas entre ferramentas, representando explicitamente as restrições conjuntas de invocação de ferramentas e mudanças de estado.
Estrutura HyperAgent: Um sistema de planejamento e execução em duas etapas que extrai um DAG de Tarefa consciente do esquema e utiliza expansão orientada a déficit para realizar subtarefas dinamicamente.
Adaptação Condicionada ao Estado: A introdução da expansão de subgrafo de suporte orientada a déficit, que permite que composições de ferramentas se adaptem ao estado evolutivo do agente, evitando chamadas redundantes e lidando com pré-requisitos dinâmicos.
Validação Empírica: Experimentos extensos demonstrando desempenho e eficiência superiores em comparação com baselines existentes.

Resultados Experimentais

A estrutura foi avaliada no benchmark AppWorld, que simula interações com aplicações de consumo (e-mail, pagamento, compras, etc.) através de 750 tarefas.

Desempenho: O HyperAgent superou significativamente os baselines existentes, incluindo Supervised Fine-Tuning (SFT), Direct Preference Optimization (DPO), Reinforcement Learning (RL) e métodos sem fine-tuning (ex: ReAct, PlanExec).
- No conjunto de teste desafiador (TEST-C), o HyperAgent alcançou uma Conclusão de Objetivo de Tarefa (TGC) de 40,2% e uma Conclusão de Objetivo de Cenário (SGC) de 26,1%, superando o melhor baseline sem fine-tuning (Traj) e sendo competitivo com modelos com fine-tuning.
Eficiência: O HyperAgent reduziu significativamente o consumo de recursos em comparação ao ReAct:
- Interações com LLM: Reduziu os turnos em aproximadamente 50% (ex: 10,5 vs. 22,0 turnos no TEST-C).
- Chamadas de API: Reduziu as chamadas de API executáveis em cerca de 50% (ex: 57,0 vs. 123,1 chamadas no TEST-C).
- Consumo de Tokens: Reduziu o uso total de tokens em cerca de 60% (ex: 68k vs. 180k tokens no TEST-C).
Estudos de Ablação: A remoção do contexto de grafo ou dos grafos de suporte de ferramenta resultou em degradação consistente do desempenho, confirmando que as relações de nível de esquema são críticas para reduzir a exploração redundante e evitar ferramentas inadequadas.

Significância e Alegações

O artigo alega que modelar explicitamente as dependências de ferramentas no nível de esquema complementa as capacidades de raciocínio semântico dos LLMs. Ao mudar da inferência implícita baseada em texto para o planejamento explícito guiado por estrutura, o HyperAgent permite um planejamento de uso de ferramentas mais confiável e eficiente, particularmente em ambientes de execução dinamicamente variáveis. Os resultados sugerem que incorporar restrições estruturais (via TSH) permite que os agentes recuperem ferramentas pré-requisitas implícitas que a recuperação semântica sozinha perde, reduzindo assim o ensaio e erro e melhorando as taxas de conclusão de tarefas sem exigir um extenso fine-tuning.