AgentCo-op：基于检索的互操作多智能体工作流合成

摘要

在开放式科学场景中设计多智能体工作流尤为困难：任务缺少精心整理的训练集、可靠的标量评估指标，以及现有工具与智能体之间的标准化接口。我们提出AgentCo-op，一个基于检索的合成框架：它通过类型化的工件交接把可复用技能、工具与外部智能体组合成可执行工作流，当执行证据表明失败时，再对相关组件施加有界的自引导局部修复。在两个开放式基因组学案例研究中，AgentCo-op把独立开发的科学智能体与外部工具仓库组合成可审计的工作流，无需重新设计它们或运行全局拓扑搜索。它协调空间转录组学与基因集解读的专用智能体，实现基于空间转录组学数据的协同发现，并为单细胞multiome数据上的跨模态标志物分析构建并行工作流。AgentCo-op还能把搜索到的工作流作为结构先验导入，通过用检索到的组件落实节点并应用局部修复来改进它，这表明合成与搜索是互补的。在六个编码、数学与问答基准上，AgentCo-op在四个基准上取得最佳结果，并在统一骨干设定下取得最佳平均分，同时相对多智能体基线持续降低单任务成本。综合来看，这些结果表明基于检索的合成能够把自动化智能体工作流设计从面向基准优化的智能体图，扩展到由现有智能体、工具与类型化工件构建的开放世界工作流。

AgentCo-op：基于检索的互操作多智能体工作流合成：论文配图 — 图 1：\methodname 概述。 \methodnames 通过五个主要阶段综合多代理工作流程：规划、检索、综合、执行和审查。给定一个类型化的任务规范x=(g,c,r,Ω)x=(g,c,r,\Omega)，系统检索相关知识、技能、工具、存储库和数据集，然后合成可执行的工作流图G=(V,E)G=(V,E)。综合阶段包括初始图构建、Dockerfile 或执行器包装、技能和工具的节点基础，以及通过标准化消息和工件模式进行接口对齐。在执行过程中，审核者监视输出、测试、工具行为、预算和接口等信号。当出现故障或不确定性时，\methodname执行有界局部修复，生成修补图 G′=(V′,E′)G^{\prime}=(V^{\prime},E^{\prime}) 和最终任务输出。 \methodname 支持三种代表性应用程序：协调特定于域的代理之间的协作、组成域工作流以及重用现有的代理图。