본 논문은 대규모 언어 모델(LLM) 기반 지능형 에이전트가 외부 도구를 활용하여 복잡한 실제 문제를 해결하는 과정에서 발생하는 신뢰성 문제를 해결하기 위해, AWorld 프레임워크 내에서 실행 에이전트와 감시 에이전트로 구성된 동적 다중 에이전트 시스템(MAS)을 제안합니다. 특히, 제어 이론의 시스템 식별에서 영감을 받은 방법론을 통해 실행 에이전트의 성능 프로파일을 생성하고, 이를 기반으로 감시 에이전트가 에이전트의 고유한 약점에 맞춰 목표 지향적인 개입을 수행하여 시스템의 강건성을 향상시킵니다. GAIA 데이터셋을 이용한 실험 결과, 제안된 프로파일 인식 MAS는 단일 에이전트 시스템 및 일반적인 감시 시스템보다 효율성과 안정성이 훨씬 뛰어나며, GAIA 리더보드에서 오픈소스 프로젝트 중 1위를 달성했습니다. 이는 신뢰할 수 있는 지능형 시스템 구축에는 에이전트 간의 협업뿐 아니라 각 에이전트의 고유한 능력과 한계에 대한 경험적 이해가 필수적임을 보여줍니다.