이 논문은 다중 LLM 에이전트로 구성된 에이전틱 AI 시스템에서 에이전트 선택과 통신을 협력 게임으로 모델링해, 토큰 비용·지연·중복·오류 전파를 줄이는 동적 연합 구성 기법을 제안한다. 연합 수준 효용에서 활성화 비용을 분리한 순효용 U(C|x)를 정의하고, 한계가치 기반 활성화 규칙과 그리디 라우터를 제안했으며 섀플리 값 추정으로 실행 전후 어느 에이전트를 접촉할지 예측한다. 서브모듈러 최대화와 연결지어 단조·카디널리티 제약 특수 경우의 곡률 개선 경계, 비단조 무제약 경우의 타이트한 1/2-근사 보장을 증명했다. 합성 실험에서 그리디 라우팅은 8개 에이전트 중 평균 1.96개만 활성화하면서도 완전 브로드캐스트(효용 38.8%) 대비 브루트포스 최적의 99.5% 효용을 달성했으나, 서브모듈러성이 크게 깨지거나 값 추정에 잡음이 있으면 66%까지 성능이 떨어졌다.

• •다중 LLM 에이전트 선택·통신을 협력 게임(순효용 U(C|x))으로 정식화
• •한계가치 활성화 규칙, 그리디 라우터, 샤플리 값 기반 접촉 예측 제안
• •서브모듈러 최대화 연결으로 곱률 개선 경계·타이트한 1/2-근사 보장 증명
• •합성 실험: 8개 중 평균 1.96개 활성화로 브루트포스 대비 99.5% 효용(완전 브로드캐스트는 38.8%)
• •서브모듈러성 위반·잡음 있는 값 추정 시 성능 66%까지 저하