Исследователи представили WebSwarm — фреймворк для рекурсивной оркестрации мультиагентных систем, предназначенный для выполнения сложных исследовательских задач в сети. В отличие от стандартных ReAct-агентов, ограниченных линейной траекторией, WebSwarm динамически распределяет задачи между агентами, обеспечивая баланс между глубиной анализа и широтой охвата источников при поиске информации, что значительно повышает качество и полноту ответов.
Традиционные подходы к веб-поиску с использованием LLM часто сталкиваются с проблемой «узкого горлышка» контекстного окна и неспособностью эффективно обрабатывать многоуровневые запросы. WebSwarm решает эту задачу через иерархическую структуру: система декомпозирует сложный запрос на подзадачи, которые распределяются между специализированными агентами. Это позволяет параллельно исследовать различные ветки поиска, не теряя контекст основной цели.
Архитектура системы поддерживает рекурсивное ветвление, где каждый агент может инициировать создание дочерних агентов для детализации конкретных аспектов исследования. Такой подход позволяет системе самостоятельно определять, когда данных достаточно, а когда требуется дополнительный поиск, минимизируя избыточные запросы и оптимизируя использование токенов при сохранении высокого уровня детализации отчетов.
Ключевые факты
- WebSwarm использует рекурсивную модель управления, позволяющую агентам делегировать задачи и динамически расширять поисковую стратегию.
- Система преодолевает ограничения классических ReAct-агентов, которые ограничены одной длинной цепочкой рассуждений и фиксированным контекстом.
- Фреймворк ориентирован на выполнение «глубоких и широких» (deep-and-wide) исследовательских задач, требующих синтеза информации из множества разрозненных источников.
- Архитектура обеспечивает автоматизированное управление жизненным циклом агентов, включая создание, координацию и агрегацию результатов от дочерних узлов.