HyperAgent：在工具Schema超图上进行规划与行动

大语言模型（LLM）代理越来越多地依赖外部工具来完成复杂的现实世界任务。然而，可靠的工具使用规划仍然具有挑战性，因为隐式推理的限制以及现实世界执行环境的不断演变。现有的工具使用代理通常依赖于LLMs从文本描述中推断工具组合，这可能导致在复杂任务中的不效率探索和不可靠执行。为了解决这些问题，我们模型工具关系在schema级别，并构建了一个有向工具-schema超图，其中工具被表示为从其输入schema节点到其输出schema节点的超边。此外，我们提出了HyperAgent，这是一种工具-schema超图引导的框架，用于动态规划和执行。给定一个任务，HyperAgent首先提取一个与任务相关的工具上下文图，并使用它来指导schema-aware Task DAG的构建。在执行过程中，HyperAgent通过缺损导向扩展动态实现每个子任务，通过识别未解决的要求并根据当前代理状态检索支持的生产工具。在AppWorld上的实验表明，HyperAgent在任务完成性能上有所提高，同时减少了冗余的API调用、LLM交互和token消费，相比现有的代理基准。