본 논문은 기존 중앙 집중식 대규모 언어 모델(LLM) 기반 에이전트 프레임워크의 높은 배포 비용, 융통성 없는 통신 토폴로지, 제한된 적응성 문제를 해결하기 위해 분산형 다중 에이전트 시스템인 Symphony를 제안합니다. Symphony는 소비자급 GPU에서 경량 LLM의 조정을 가능하게 하며, 기능을 기록하는 분산형 원장, 동적 작업 할당을 위한 봉화 선택 프로토콜, CoT 기반 가중 결과 투표라는 세 가지 주요 메커니즘을 도입합니다. 이러한 설계는 프라이버시 보호, 확장성, 내결함성을 갖춘 오버헤드가 낮은 조정을 형성합니다. 실험적으로 Symphony는 추론 벤치마크에서 기존 기준보다 우수한 성능을 보이며 상당한 정확도 향상과 다양한 용량의 모델에서 강력한 성능을 보여줍니다.
