buddyMe 오픈소스 멀티모델 에이전트 프레임워크에서 Generator-Evaluator 오케스트레이션, ReAct 도구 사용 루프, 메모리 증강 상호작용의 세 가지 패러다임을 체계적으로 분석합니다. 5단계 처리 파이프라인과 6차원 평가 스키마를 형식화하고 실제 배포 로그 기반의 4가지 사례 연구를 수행했습니다. Generator-Evaluator 사전 검토는 복잡 과제 20%에서 요구사항 누락을 탐지하고, ReAct 루프는 약 30% 중복 도구 호출이 발생합니다. 적대적 평가자-방어자 토론은 70%의 시나리오에서 2-3라운드 내에 합의에 도달합니다.
- •buddyMe 프레임워크에서 Generator-Evaluator, ReAct 루프, 메모리 증강 3가지 패러다임을 통합한 5단계 파이프라인을 구현합니다.
- •Generator-Evaluator 사전 검토는 복잡 과제 20%에서 요구사항 누락을 탐지하고, ReAct 루프는 개약 30%의 중복 도구 호출이 발생합니다.
- •적대적 평가자-방어자 토론은 70%의 시나리오에서 2-3라운드 내 합의에 도달하며, 논리 역전보다는 내용 정제에 주로 기능합니다.
Multi-Paradigm Agent Interaction in Practice:A Systematic Analysis of Generator-Evaluator, ReAct Loop,and Adversarial Evaluation in the buddyMe Framework
- 1.buddyMe 프레임워크에서 Generator-Evaluator, ReAct 루프, 메모리 증강 등 3가지 에이전트 패러다임을 통합 분석
- 2.5단계 처리 파이프라인과 6차원 평가 스키마로 체계적 성능 측정 수행
- 3.Generator-Evaluator가 복잡한 작업 20%에서 요구사항 누락 감지, ReAct 루프는 약 30% 중복 도구 호출 발생
- 4.CrewAI, AutoGen, LangGraph, MemGPT 등과 6개 시스템 차원 비교 분석 제공
왜 중요한가?
다양한 에이전트 패러다임을 단일 아키텍처에서 통합한 실증 연구로, 안정적인 멀티 에이전트 시스템 설계를 위한 실용적 가이드라인을 제시한다.
본문 미리보기
arXiv:2605.16821v1 Announce Type: new Abstract: The rapid evolution of Large Language Model (LLM) agents has produced diverse interaction paradigms, yet few production systems integrate multiple paradigms within a unified architecture. This paper presents a systematic analysis of three principal agent interaction paradigms, including Multi-Agent Orchestration (Generator-Evaluator), ReAct Tool-Use Loops, and Memory-Augmented Interaction, as implemented in buddyMe, an open-source multi-model agen
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
