Resumen: Agentic AI ha extendido significativamente las capacidades de los modelos de idiomas grandes (LLM) al permitir un razonamiento complejo y el uso de herramientas. Sin embargo, la mayoría de los marcos existentes se adaptan a dominios como las matemáticas, la codificación o la automatización web, y se quedan cortos en tareas geoespaciales que requieren razonamiento espacial, planificación de múltiples saltos e interacción de mapas en tiempo real. Para abordar estos desafíos, presentamos Mapagent, un marco jerárquico de plug-and-play de múltiples agentes con conjuntos de herramientas personalizados y andamios de agente para el razonamiento geoespacial integrado en el mapa. A diferencia de los enfoques de agentes planos existentes que tratan las herramientas de manera uniforme, a menudo abrumando el LLM cuando se manejan la planificación de apisas de apis geoespaciales similares pero sutilmente diferentes. Un planificador de alto nivel descompone consultas complejas en subggoals, que se enrutan a módulos especializados. Para los módulos de herramientas, como los servicios basados en mapas, diseñamos un agente de herramientas de mapas dedicado que orquesta eficientemente las API relacionadas adaptivamente en paralelo en paralelo para obtener datos geoespaciales de manera efectiva relevantes para la consulta, mientras que los módulos más simples (por ejemplo, generación de soluciones o extracción de respuestas) operan sin agente adicional sobre la cabeza. Este diseño jerárquico reduce la carga cognitiva, mejora la precisión de la selección de herramientas y permite una coordinación precisa en API similares. Evaluamos Mapagent en cuatro diversos referencia geoespacial-mape-textual, mapeval-API, visual-visual y MAPQA y demostramos ganancias sustanciales sobre las baselas agentes y de última generación de herramientas de última generación. Estamos de código abierto nuestro marco en esta URL HTTPS.
Publicado Originalme en export.arxiv.org El 8 de septiembre de 2025.
Ver Fuente Original
