LLM 에이전트가 대규모 API 라이브러리에서 툴을 선택하고 올바른 순서로 호출하는 문제를 풀기 위해 SkillGraph 제안. 기존 의미 유사성 기반 검색·순서 지정은 워크플로우 순서 의존성을 포착 못해 구조화 도메인에서 Kendall-τ가 음수로 떨어짐. SkillGraph는 49,831개 성공적 LLM 에이전트 궤적에서 마이닝한 방향성 가중 실행-전이 그래프로, 워크플로우 선후 규칙성을 재사용 가능한 그래프 사전지식으로 인코딩. GS-Hybrid 후보 검색 + 학습 pairwise reranker 2단계 구조로 ToolBench(9,965 테스트, 16,000 툴)에서 Set-F1 0.271·Kendall-τ 0.096 달성, API-Bank Kendall-τ를 -0.433에서 +0.613으로 개선.

• •기존 의미 유사성 기반 툴 선택·순서는 워크플로우 선후 의존성을 못 담아 Kendall-τ가 음수로 붕괴하는 문제.
• •49,831개 성공 에이전트 궤적에서 마이닝한 방향성 가중 그래프 SkillGraph를 사전지식으로 사용.
• •2단계 분리 프레임워크: GS-Hybrid 후보 검색 + 학습 pairwise reranker 순서 지정.
• •ToolBench(9,965 테스트·16K 툴)에서 Set-F1 0.271, Kendall-τ 0.096 달성.
• •API-Bank Kendall-τ -0.433 → +0.613 극적 개선, LLaMA-3.1-8B reranker보다 우수.