본 논문은 대규모 언어 모델(LLM) 기반 에이전트 시스템의 복잡한 작업 해결 능력을 향상시키기 위해 계층적 다중 에이전트 프레임워크인 \projectname을 제안합니다. \projectname은 중앙 계획 에이전트가 복잡한 목표를 하위 작업으로 분해하고 전문화된 에이전트 팀에 위임하는 방식으로 동작합니다. 확장성, 다중 모드, 모듈성, 조정의 원칙에 따라 설계되었으며, 각 하위 에이전트는 데이터 분석, 파일 작업, 웹 탐색, 다중 모드 환경에서의 상호 작용 추론 등 다양한 실제 작업을 처리할 수 있는 일반적인 프로그래밍 및 분석 도구를 갖추고 있습니다. 하위 목표 설정, 에이전트 간 통신, 적응적 역할 할당을 통해 유연한 조정을 지원하며, 다양한 실제 작업을 다루는 세 가지 벤치마크 데이터 세트에서 기존 방법보다 우수한 성능을 보입니다.
