精选今天0 投票
AgentCo-op：基于检索的互操作多Agent工作流合成框架
快讯：AgentCo-op 让多 Agent 协作不再“各自为战”
在开放科学场景下，设计多 Agent 工作流往往面临三大难题：缺乏训练数据、缺少可靠评估指标、工具与 Agent 之间接口不统一。近日，来自中国人民大学等机构的研究团队提出 AgentCo-op——一种基于检索的合成框架，能够将可复用的技能、工具和外部 Agent 组合成可执行的工作流，并在执行失败时进行局部修复。
核心机制：检索 + 合成 + 局部修复
AgentCo-op 的核心思路是**“先检索、再合成、后修复”。它维护一个组件库，包含各类 Agent、工具和技能描述。当用户提出任务时，框架首先检索相关组件，然后通过类型化工件传递**（typed artifact handoffs）将它们编排为工作流。执行过程中，若某环节失败，AgentCo-op 会定位到具体组件并进行有界局部修复，避免全局重新搜索。
案例验证：基因组学中的实战表现
研究团队在两个开放世界基因组学案例中测试了 AgentCo-op：
- 空间转录组学协作分析：协调多个独立开发的科学 Agent（如空间转录组分析 Agent、基因集解释 Agent），实现从数据到结论的端到端协作。
- 单细胞多组学跨模态标记分析：构建并行工作流，同时处理多种数据模态。
这些案例表明，AgentCo-op 无需重新设计现有 Agent，也无需全局拓扑搜索，就能将它们整合为可审计的工作流。
补充能力：工作流搜索与改进
AgentCo-op 还支持导入已有工作流作为结构先验，通过检索到的组件替换节点，并应用局部修复来改进性能。这体现了合成与搜索的互补性。
基准测试：成本更低，效果更好
在 6 个编程、数学和问答基准测试中，AgentCo-op 在统一骨干设置下取得了 4 项最佳成绩 和最高平均分，同时相比多 Agent 基线持续降低单任务成本。
意义与展望
AgentCo-op 将自动化 Agent 工作流设计从“基准优化图”扩展到“开放世界工作流”，让开发者能够直接利用现有的 Agent、工具和类型化工件，而无需从头构建。这对于科研自动化、复杂任务分解等场景具有重要价值。
论文链接：arXiv:2605.20425
