Resumen: Los sistemas de múltiples agentes (MAS) han surgido como un poderoso paradigma para orquestar modelos de lenguaje grande (LLMS) y herramientas especializadas para abordar las tareas complejas en colaboración. Sin embargo, los marcos MAS existentes a menudo requieren una configuración manual de flujo de trabajo y carecen de soporte nativo para la evolución dinámica y la optimización del rendimiento. Además, muchos algoritmos de optimización MAS no se integran en un marco unificado. En este artículo, presentamos EvoAgentX, una plataforma de código abierto que automatiza la generación, la ejecución y la optimización evolutiva de los flujos de trabajo de múltiples agentes. EVOAGENTX emplea una arquitectura modular que consta de cinco capas centrales: los componentes básicos, el agente, el flujo de trabajo, la evolución y las capas de evaluación. Específicamente, dentro de la capa evolutiva, EvoAgentX integra tres algoritmos de optimización MAS, TextGRAD, Aflow y Mipro, para refinar iterativamente las indicaciones de agentes, configuraciones de herramientas y topologías de flujo de trabajo. Evaluamos EVOAGENTX en HOTPOTQA, MBPP y MATH para razonamiento múltiple, generación de código y resolución de problemas matemáticos, respectivamente, y lo evaluan más a fondo en tareas del mundo real utilizando GAIA. Los resultados experimentales muestran que EVOAGENTX logra constantemente mejoras de rendimiento significativas, incluido un aumento del 7.44% en Hotpotqa F1, una mejora del 10.00% en MBPP Pass@1, una ganancia del 10.00% en la precisión de las matemáticas y una mejora general de precisión de hasta el 20.00% en GAIA. El código fuente está disponible en: esta URL HTTPS
Publicado Originalme en export.arxiv.org El 7 de julio de 2025.
Ver Fuente Original
