본 논문은 에이전트 워크플로우 설계를 자동화하기 위한 프레임워크인 $A^2Flow$를 제안한다. $A^2Flow$는 수동으로 정의된 연산자에 의존하는 기존 방법의 한계를 극복하기 위해, 자기 적응적 추상 연산자를 기반으로 하는 완전 자동화된 워크플로우 생성 방식을 사용한다. 구체적으로, 1) 사례 기반 초기 연산자 생성, 2) 연산자 클러스터링 및 예비 추상화, 3) 추상 실행 연산자 심층 추출의 세 단계를 거쳐 재사용 가능한 연산자를 생성한다. 또한, 연산자 메모리 메커니즘을 통해 노드 수준 워크플로우 검색을 개선한다. 일반 및 구체화된 벤치마크에서 $A^2Flow$는 최첨단 기준선 대비 성능을 향상시키고, 자원 사용량을 감소시켰다.
