본 논문은 자율적인 대규모 언어 모델(LLM) 에이전트 시스템의 자원 활용을 최적화하는 문제를 해결하기 위해 COALESCE 프레임워크를 제안한다. COALESCE는 LLM 에이전트가 특정 하위 작업을 전문적이고 비용 효율적인 제3자 LLM 에이전트에 동적으로 아웃소싱할 수 있도록 설계된 프레임워크이다. 하이브리드 기술 표현, 동적 기술 발견, 자동 작업 분해, 내부 실행 비용과 외부 아웃소싱 가격을 비교하는 통합 비용 모델, 단순화된 시장 기반 의사 결정 알고리즘, 그리고 LLM 에이전트 간의 표준화된 통신 프로토콜을 통합한다. 239개의 이론적 시뮬레이션을 통한 포괄적인 검증 결과 41.8%의 비용 절감 가능성을 보였으며, 240개의 실제 LLM 작업에 대한 대규모 실증적 검증 결과 epsilon-greedy 탐색을 통해 20.3%의 비용 절감을 확인하여 이론적 타당성과 실용성을 입증했다. Google의 Agent2Agent (A2A) 프로토콜과 같은 제안된 개방형 표준의 등장은 COALESCE와 같은 프레임워크의 필요성을 더욱 강조한다.
