摘要
针对多智能体系统市场中候选者功能重叠导致的编排难题，本文提出一种约束推荐框架。该方法将智能体推荐建模为约束决策问题，利用历史调用树捕捉执行结构与交互依赖，通过检索构建候选集并进行效用优化。框架支持智能体级与系统级两种推荐模式，并构建了统一的调用树基准以评估其在复杂任务编排中的可靠性与兼容性。
AI 推荐理由
论文核心解决多智能体系统中工具与智能体的选择、推荐及协作问题，属于技能学习范畴。
研究机构
美国埃默里大学计算机科学系
论文信息