发表机构
City University of Hong Kong（香港城市大学）
机构由 AI 辅助整理，请以论文原文为准。AI 中文总结
介绍用于设计和分析可组合大语言模型智能体系统的MyAG框架，它将构建分为三个图抽象，支持分层组合，提供监控和可视化工具，实验表明其能支持灵活设计并助于分析性能-效率权衡，且已开源。
AI 中文摘要
我们提出了MyAG，一个用于设计和分析可组合大语言模型智能体系统的基于图的框架。我们的框架将智能体系统构建分为三个图抽象：用于智能体、环境和模块的组件图；用于执行控制的工作流图；以及用于运行时执行的搜索图。这种分离允许用户以不同策略灵活重用相同组件。我们还通过递归系统节点支持分层组合，并提供用于检查智能体执行的监控和可视化工具。在代表性智能体应用上的实验表明，我们的框架支持灵活的智能体系统设计并有助于分析性能-效率权衡。我们的框架已公开可用且完全开源。
英文摘要
We present MyAG, a graph-based framework for designing and analyzing composable LLM agent systems. Our framework separates agent system construction into three graph abstractions: a component graph for agents, environments, and modules; a workflow graph for execution control; and a search graph for runtime execution. This separation allows users to flexibly reuse the same components with different strategies. We further support hierarchical composition through recursive system nodes and provide monitoring and visualization tools for inspecting agent execution. Experiments on representative agent applications show that our framework supports flexible agent system design and helps analyze performance-efficiency tradeoffs. Our framework is publicly available and fully open-source.
