본 논문은 무인 항공기(UAV)의 궤적 및 통신을 위한 Warm-Start Particles Swarm Optimization with Crossover and Mutation (WS-PSO-CM) 알고리즘의 초매개변수 최적화를 위해 대규모 언어 모델(LLM) 에이전트를 설계합니다. 기존의 휴리스틱 기반 초매개변수 최적화 방식의 자동화 수준이 낮고 성능 향상의 여지가 있다는 점을 고려하여, 반복적 프레임워크와 모델 컨텍스트 프로토콜(MCP)을 적용한 LLM 에이전트를 제안합니다. LLM 에이전트는 초매개변수의 경계, 작업 목표, 종료 조건, 초매개변수 최적화의 보수적 또는 공격적 전략, LLM 구성을 지정하는 프로파일을 통해 설정됩니다. LLM 에이전트는 반복적으로 WS-PSO-CM 알고리즘을 호출하여 탐색을 수행하고, 종료 조건에 따라 루프를 종료하고 최적화된 초매개변수 집합을 반환합니다. 실험 결과, LLM 에이전트가 생성한 초매개변수를 사용하여 달성한 최소 합계율은 휴리스틱 및 랜덤 생성 방법보다 훨씬 높았으며, 이는 PSO 및 WS-PSO-CM 알고리즘 지식을 갖춘 LLM 에이전트가 고성능 초매개변수를 찾는 데 유용함을 보여줍니다.