본 논문은 API 문서가 부족하거나 부정확한 상황에서, API 기능을 직접 시연으로부터 학습하는 새로운 패러다임을 제안합니다. 기존 API 벤치마크를 사용하여 전문가 에이전트와 자가 탐색을 통한 시연 데이터를 수집하고, 성공적인 작업 완료를 위해 시연이 전달해야 하는 정보를 연구합니다. 시연 개수, LLM 생성 요약 및 평가의 사용이 API 기반 에이전트의 작업 성공률에 미치는 영향을 실험적으로 분석합니다. 3개의 데이터셋과 5개의 모델에 대한 실험 결과, 최신 LLM을 사용하더라도 시연으로부터 기능을 학습하는 것이 여전히 어려운 과제임을 보여줍니다. 명시적인 함수 호출과 자연어 비평을 제공하면 매개변수 채우기의 정확도가 높아져 에이전트의 작업 성공률이 크게 향상됨을 발견했습니다. 실패 모드를 분석하고 오류 원인을 파악하며, 문서가 없는 자가 개선형 API 기반 에이전트에 대한 향후 연구의 주요 과제를 강조합니다.
