El Agente Gr\'afico：科学代理的结构化执行图

大语言模型 (LLM) 越来越多地用于自动化科学工作流程，但它们与异构计算工具的集成仍然是临时且脆弱的。当前的代理方法通常依赖非结构化文本来管理上下文和协调执行，通常会生成大量信息，这些信息可能会掩盖决策来源并妨碍可审计性。在这项工作中，我们提出了 El Agente Gr\'afico，这是一个单代理框架，它将 LLM 驱动的决策嵌入到类型安全的执行环境和用于外部持久性的动态知识图谱中。我们方法的核心是科学概念的结构化抽象和对象图映射器，该映射器将计算状态表示为类型化的 Python 对象，存储在内存中或保留在外部知识图中。这种设计通过键入符号标识符而不是原始文本来实现上下文管理，从而确保一致性、支持来源跟踪并实现高效的工具编排。我们通过开发一个自动化基准测试框架来评估该系统，该框架涵盖之前在多智能体系统上评估的一系列大学级量子化学任务，证明单个智能体在与可靠的执行引擎耦合时，可以稳健地执行复杂的、多步骤的并行计算。我们进一步将这种范式扩展到另外两大类应用：构象异构体集成生成和金属有机框架设计，其中知识图谱充当记忆和推理基础。这些结果共同说明了抽象和类型安全如何为超越以提示为中心的设计的代理科学自动化提供可扩展的基础。