效用导向的 Agent 编排以实现高效的 LLM 工具使用

使用工具的 LLM Agent 常面临回答质量与执行成本间的矛盾。固定工作流稳定但缺乏灵活性，而自由形式的多步推理（如 ReAct）虽提升性能却导致过多的工具调用和高延迟。本文提出将 Agent 编排视为显式决策问题，设计了一种效用导向的编排策略，通过平衡预期收益、步骤成本、不确定性和冗余度，在响应、检索、工具调用等动作间进行选择。实验表明，显式编排信号显著影响 Agent 行为，轻量级的效用设计为控制工具使用中的质量 - 成本权衡提供了实用机制。