Cet article propose un système multi-agents dynamique (SMA) dans le cadre d'AWorld, composé d'agents exécutifs et de supervision, afin de résoudre les problèmes de fiabilité qui surviennent lorsque des agents intelligents basés sur des modèles de langage à grande échelle (LLM) utilisent des outils externes pour résoudre des problèmes complexes du monde réel. Plus précisément, nous utilisons une méthodologie inspirée de l'identification de systèmes en théorie du contrôle pour générer des profils de performance des agents exécutifs. À partir de ces profils, l'agent de supervision effectue des interventions ciblées et adaptées à ses faiblesses spécifiques, améliorant ainsi la robustesse du système. Les résultats expérimentaux obtenus à partir du jeu de données GAIA démontrent que le SMA basé sur les profils proposé surpasse significativement les systèmes mono-agent et les systèmes de supervision généraux en termes d'efficacité et de stabilité, se classant au premier rang des projets open source du classement GAIA. Cela démontre que la construction de systèmes intelligents fiables nécessite non seulement une collaboration inter-agents, mais aussi une compréhension empirique des capacités et des limites uniques de chaque agent.
