💻 computer science

AgentCo-op: Retrieval-Based Synthesis of Interoperable Multi-Agent Workflows

AgentCo-op 是一个基于检索的框架，它通过类型化工件交接和局部自我修复，将可复用的工具与智能体组合成可互操作的多智能体工作流，从而在开放式科学领域实现高效协同探索，同时在各类基准测试中以更低的成本超越基线方法。

原作者： Shuaike Shen, Wenduo Cheng, Shike Wang, Mingqian Ma, Jian Ma

发布于 2026-05-21

📖 1 分钟阅读☕ 轻松阅读

原作者： Shuaike Shen, Wenduo Cheng, Shike Wang, Mingqian Ma, Jian Ma

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你正在试图制造一台复杂的机器，比如一台既能 sorts 邮件又能写每日日记的高科技咖啡机。在过去，若要借助人工智能实现这一目标，研究人员会尝试“搜索”完美的设计方案。他们会生成成千上万种不同的蓝图，逐一测试，并寄希望于其中一种能奏效。但这就像每次寻找 haystack 中的特定针时，都要先建造一座新的制针工厂。这种方法既缓慢又昂贵，而且当面对像现实世界科学那样新颖且杂乱的任务时往往行不通，因为这类任务根本没有可供批改作业的“标准答案”。

AGENTCO-OP 是一种构建这些人工智能团队的新方法。它不再从零开始搜索新设计，而是像一位总包工头：走进一个堆满预制专用工具和工人的仓库，挑选合适的组件，将它们组装成一台可运行的机器。

以下是其工作原理，辅以简单的类比：

1. “仓库”与“搜索”

大多数现有的人工智能系统试图通过搜索来寻找最佳工作流。这就像试图通过随机混合食材并不断品尝，直到做出正确的蛋糕。
AGENTCO-OP 则采用检索机制。想象你是一位需要烤蛋糕的厨师。你不必发明新食谱，而是前往一个组织有序的仓库（即技能与工具库）。你取用现成的“混合技能”、“烘焙工具”和“糖霜代理”。你无需重复造轮子，只需组装所需的部件。

2. “类型化交接”（安全包裹）

当你把一张便条递给朋友时，你可能会写在餐巾纸上。如果下一个人需要特定格式，这张餐巾纸可能会丢失或被误解。
在 AGENTCO-OP 中，每当一个 AI 代理将结果传递给另一个代理时，它会将数据放入一个严格标记、安全封装的盒子（称为“类型化工件”）。

示例：如果代理 A 找到了一份基因列表，它不会直接把列表喊给代理 B，而是将列表放入一个标记为“基因列表：53 项，已验证”的盒子中。代理 B 打开盒子，检查标签，确切知道该如何处理。这防止了代理之间各说各话，或因杂乱数据而产生混淆。

3. “局部修复”（快速修补）

有时，即便计划再完美，机器也会出故障。

旧方法：如果某个部件失效，整个工厂就会停工，工程师们不得不回到绘图板前，从头设计一台全新的机器。
AGENTCO-OP 方法：如果某个特定部件失效，一位“审查员”（一位智能主管）会查看错误并执行局部修复。这就像一名机械师看到发动机上有一颗松动的螺栓，只需拧紧那颗螺栓，而无需重建整辆汽车。系统仅修复损坏的部分，然后继续运行。

4. “Docker"（通用适配器）

科学家们的工具往往构建于不同的环境中（例如，一个工具在 Mac 上运行，另一个在 Linux 服务器上）。通常，它们无法相互通信。
AGENTCO-OP 将这些不同的工具封装在 Docker 容器中。这就像将每个工具都放入一个通用集装箱中。无论工具是什么，或在何处构建，一旦装入容器，它就能无缝接入工作流。这使得由不同人在不同时间构建的“基因代理”和“组织代理”能够完美协同工作。

他们实际做了什么？

该论文通过两种主要方式测试了该系统：

A. “现实世界”科学测试（开放世界）
他们没有使用标准的测试题，而是采用了真实且杂乱的科学问题：

心脏研究：他们连接了两个独立的 AI 代理（一个观察心脏组织，一个分析基因），以探究为何某些心脏细胞表现出不同的行为。该系统构建了工作流，在两者之间传递数据，并成功识别出一种特定的生物学模式。
细胞研究：他们结合了两种不同的分析方法（观察 RNA 和观察 DNA 可及性），以寻找更优的细胞类型标记物。该系统并行运行两项分析，比较结果，并生成了一份比单独使用任一方法更准确的报告。
“复用”测试：他们利用 AGENTCO-OP 的方法，对另一个 AI 已设计的工作流进行了“修复”，使其更加完善。

B. 标准测试（基准测试）
他们还在标准的数学、编程和问答测试（即用于评估 AI 模型的测试）中测试了该系统。

结果：AGENTCO-OP 在六项测试中的四项取得了最高分。
成本：其运行成本也低得多。其他方法花费大量资金“搜索”正确答案，而 AGENTCO-OP 只需组装合适的工具，并在错误发生时进行小修小补，从而节省了大量的计算时间和资金。

核心结论

该论文声称，AGENTCO-OP 是一种为复杂任务构建 AI 团队的更智能的方法。它不再试图从零开始“搜索”完美解决方案，而是检索现有工具，通过严格规则将它们组装在一起，并即时修复小错误。这使得它在处理没有标准答案的现实世界科学任务时表现更佳，并且与旧方法相比节省了资金。

技术摘要：AGENTCO-OP

问题陈述

在开放式科学领域设计可互操作的多智能体工作流尤为具有挑战性。与提供精心策划的训练集、可靠的标量评估指标和标准化接口的标准基准（如问答、编程、数学）不同，科学任务往往缺乏这些资源。在基因组学等领域，任务具有开放性，真实答案经常模糊不清或根本不存在，评估依赖于异质的中间证据（例如统计显著性、生物学合理性），而非单一的标量奖励。此外，现有的科学智能体和工具通常是独立开发的，其环境、接口和来源状态互不兼容。当前的自动化工作流设计方法（例如 ADAS、AFlow、AgentSquare）依赖于在候选拓扑结构上进行搜索，并针对标量反馈进行优化；当缺乏代表性基准和可靠的奖励信号时，这种策略变得不切实际。

方法：AGENTCO-OP

作者提出了AGENTCO-OP，这是一个基于检索的合成框架，将自动化多智能体工作流设计重新定义为组合问题，而非全局搜索问题。该系统通过五个主要阶段运行：

规划与检索：给定任务规范 $x = (g, c, r, \Omega)$ （目标、上下文、约束和资源），系统制定检索计划。它从精心策划的库或用户提供的存储库中收集相关工件，包括参考文档、过程性智能体技能、可调用的工具以及来自外部 GitHub 存储库的元数据。
合成：AGENTCO-OP 将初始可执行工作流合成为有向图 $G = (V, E)$ $G = (V, E)$ 。
- 图表示：节点代表分配了角色的智能体，这些角色可以是封装在 Docker 容器中的外部智能体，也可以是端到端的方法。边代表信息和中间工件的流动。
- 节点落地：每个节点通过从库中检索到的特定技能和工具进行落地，并通过函数 $\phi$ 进行映射。
- 接口对齐：系统强制执行类型化工件交接。智能体之间的通信由协议 $\Pi$ 管理，其中工件（例如经过验证的标记表、结构化 JSON）通过标准化模式传递，确保异构组件之间的兼容性。
- 容器化：外部存储库和方法被封装在 Docker 容器中（遵循 Repo2Run），以解决环境依赖问题，并使其能够作为图节点运行。
执行：执行合成的工作流。在此阶段，系统监控异质证据，包括执行轨迹、验证检查、工具错误和成本信号。
证据引导的局部修复：如果执行证据表明失败或不确定性，“审查员”将触发有界的局部修复。系统不是重新启动全局合成或搜索，而是咨询一组修复策略，仅修改受影响的节点、附加技能、工具或通信边。该过程受修复预算或最大轮次的限制。
与基于搜索的工作流组合：AGENTCO-OP 还可以将基于搜索的方法（例如 AFlow）生成的现有智能体图作为结构先验输入。随后，它通过用检索到的技能落地节点并应用局部修复来细化该图，证明了合成与搜索是互补的。

主要贡献

基于检索的合成公式：本文将自动化工作流设计公式化为基于检索的合成问题，适用于标量奖励微弱或不可用的场景。AGENTCO-OP 实现了这一公式，通过类型化工件交接和有界局部修复，动态地将资源、技能、工具和外部智能体组合成可执行工作流。
独立科学智能体的协调：该框架展示了在开放式基因组学任务中协调独立开发的科学智能体和工具存储库的能力。仅凭任务规范和 GitHub 链接，它即可自动合成可互操作的工作流，而无需重新设计底层存储库。
合成与搜索的互补性：作者通过导入由 AFlow 搜索的工作流，并通过检索落地和局部修复对其进行改进，证明了合成与搜索是互补的。
性能与效率：在六个标准基准（问答、数学、代码）上，AGENTCO-OP 在四个基准上取得了最佳性能，并在统一骨干设置下取得了最佳平均分，同时与多智能体基线相比，一致降低了每个任务的令牌成本。

实验结果

本文在两种模式下评估了 AGENTCO-OP：

1. 开放式科学案例研究：

空间转录组学协作：AGENTCO-OP 协调 TissueAgent（空间转录组学）和 GeneAgent（基因集解释），分析发育中的人类心脏 MERFISH 数据集。系统成功合成了一个串行工作流，其中 TissueAgent 识别出 53 个上调标记基因，这些基因经过验证后作为类型化工件传递给 GeneAgent 进行解释。智能体得出结论：AVN/AV 环成纤维细胞代表一种特殊的发育状态。
跨模态标记发现：该系统在 PBMC 多组学数据上并行组合 Seurat（RNA-seq）和 Signac（ATAC-seq）工作流。它整合了两种模态的结果，并针对 CellMarker 2.0 和 PanglaoDB 评估标记质量。组合方法产生的宏观精确率和召回率高于任一单独模态。
工作流重用：通过导入针对 MBPP 基准搜索到的 AFlow 图并进行细化，系统达到了 87.5 的 pass@1 分数，优于单独的 AFlow（78.2）和从头构建的 AGENTCO-OP（87.1）。

2. 标准基准测试：

使用 GPT-4o-mini 在 HotpotQA、DROP、HumanEval、MBPP、GSM8K 和 MATH 上进行评估。
AGENTCO-OP 在六个基准中的四个上取得了最高分，并取得了最高的平均分。
成本分析：与基于讨论的方法（例如 LLM-Debate、ReConcile）和基于搜索的方法（例如 AFlow）相比，AGENTCO-OP 显著降低了测试时的令牌成本，后者在训练/搜索期间或重复的智能体间通信中会产生高昂成本。

意义与主张

本文声称，基于检索的合成将自动化智能体工作流设计从针对基准优化的智能体图扩展到了开放式工作流，这些工作流由现有的智能体、工具和类型化工件构建而成。

对开放式任务的可扩展性：通过避免依赖全局拓扑搜索和标量奖励，AGENTCO-OP 解决了科学领域的瓶颈，在这些领域中任务缺乏精心策划的基准。
互操作性：该框架通过将技能视为可测试的类型化单元，并通过 Docker 封装和类型化工件强制执行接口对齐，解决了互操作性挑战，使得独立开发的系统能够协作。
效率：合成优先的方法，结合有界局部修复，避免了全局搜索昂贵的试错过程以及基于辩论系统的冗余通信，从而降低了成本并加快了对特定问题实例的适应速度。
科学效用：这项工作表明，科学智能体的进步不仅取决于构建更强大的单个智能体，还取决于开发将异构智能体组织、组合和适应为可靠协作系统的方法。AGENTCO-OP 提供了一条通往可重用生态系统的实用路径，在该生态系统中，现有的专业知识可以被组合和验证，以解决复杂的跨领域发现挑战。

作者承认了局限性，包括目前专注于单领域案例研究、对可用资源质量的依赖，以及局部修复不能保证全局最优性。然而，他们提出，这种范式为现实世界的科学应用提供了一种比基于搜索的设计更稳健的替代方案。