메타체인: LLM 에이전트를 위한 완전 자동화 및 제로 코드 프레임워크

MetaChain: A Fully-Automated and Zero-Code Framework for LLM Agents

February 9, 2025

저자: Jiabin Tang, Tianyu Fan, Chao Huang

cs.AI

초록

대규모 언어 모델 (LLM) 에이전트는 작업 자동화 및 지능적 의사 결정에서 놀라운 능력을 보여주며, LangChain 및 AutoGen과 같은 에이전트 개발 프레임워크의 널리 퍼지는 채택을 이끌어내고 있습니다. 그러나 이러한 프레임워크는 주로 광범위한 기술 전문 지식을 가진 개발자들을 대상으로 하고 있는데, 전 세계 인구의 단 0.03%만이 필요한 프로그래밍 기술을 보유하고 있다는 사실을 고려하면 이는 상당한 제약으로 작용합니다. 이러한 접근성에 대한 큰 격차는 기본적인 질문을 던집니다: 기술적 배경에 관계없이 누구나 자연어만 사용하여 자신만의 LLM 에이전트를 구축할 수 있게 할 수 있을까요? 이러한 도전에 대처하기 위해, 우리는 MetaChain을 소개합니다 - 자연어만 사용하여 사용자가 LLM 에이전트를 생성하고 배포할 수 있게 하는 완전 자동화 및 고도로 자기 발전적인 프레임워크입니다. 자율 에이전트 운영 시스템으로 작동하는 MetaChain은 네 가지 주요 구성 요소로 구성됩니다: i) 에이전트 시스템 유틸리티, ii) LLM 기반의 실행 가능 엔진, iii) 자체 관리 파일 시스템, 그리고 iv) 자가 플레이 에이전트 사용자 정의 모듈. 이 가벼우면서도 강력한 시스템은 코딩 요구 사항이나 수동 개입 없이 효율적이고 동적인 도구, 에이전트 및 워크플로우의 생성 및 수정을 가능하게 합니다. 코드 없는 에이전트 개발 능력을 넘어서, MetaChain은 일반 인공 지능 어시스턴트를 위한 다목적 다 에이전트 시스템으로 작동합니다. GAIA 벤치마크에서의 포괄적인 평가는 MetaChain의 일반적인 다 에이전트 작업에서의 효과를 입증하며, 기존 최첨단 방법을 능가합니다. 더불어, MetaChain의 검색 증강 생성 (RAG) 관련 능력은 많은 대안적 LLM 기반 솔루션에 비해 일관되게 우수한 성능을 보여주었습니다.

English

Large Language Model (LLM) Agents have demonstrated remarkable capabilities in task automation and intelligent decision-making, driving the widespread adoption of agent development frameworks such as LangChain and AutoGen. However, these frameworks predominantly serve developers with extensive technical expertise - a significant limitation considering that only 0.03 % of the global population possesses the necessary programming skills. This stark accessibility gap raises a fundamental question: Can we enable everyone, regardless of technical background, to build their own LLM agents using natural language alone? To address this challenge, we introduce MetaChain-a Fully-Automated and highly Self-Developing framework that enables users to create and deploy LLM agents through Natural Language Alone. Operating as an autonomous Agent Operating System, MetaChain comprises four key components: i) Agentic System Utilities, ii) LLM-powered Actionable Engine, iii) Self-Managing File System, and iv) Self-Play Agent Customization module. This lightweight yet powerful system enables efficient and dynamic creation and modification of tools, agents, and workflows without coding requirements or manual intervention. Beyond its code-free agent development capabilities, MetaChain also serves as a versatile multi-agent system for General AI Assistants. Comprehensive evaluations on the GAIA benchmark demonstrate MetaChain's effectiveness in generalist multi-agent tasks, surpassing existing state-of-the-art methods. Furthermore, MetaChain's Retrieval-Augmented Generation (RAG)-related capabilities have shown consistently superior performance compared to many alternative LLM-based solutions.