标题： AgentCo-op：基于检索的可互操作多智能体工作流合成
摘要： 在开放式的科学场景中设计多智能体工作流尤为困难，因为这类任务缺乏精心整理的训练集、可靠的标量评估指标，以及现有工具与智能体之间的标准化接口。我们提出 AgentCo-op，一个基于检索的合成框架，它通过类型化工件交接将可复用的技能、工具和外部智能体组合成可执行工作流，并在执行证据表明失败时，对相关组件进行有界自引导局部修复。在两个开放世界基因组学案例研究中，AgentCo-op 将独立开发的科学智能体和外部工具仓库组合成可审计的工作流，无需重新设计它们或进行全局拓扑搜索。它协调用于空间转录组学和基因集解读的专用智能体，从而实现对空间转录组学数据的协作发现，并为单细胞多组学数据构建跨模态标记分析的并行工作流。AgentCo-op 还可以将搜索到的工作流作为结构先验导入，并通过用检索到的组件锚定节点以及应用局部修复来改进它，这表明合成与搜索是互补的。在六个编码、数学和问答基准测试中，AgentCo-op 在统一骨干设置下，在四个基准上取得了最佳结果，并获得了最佳平均分数，同时相对于多智能体基线，持续降低了每个任务的成本。这些结果共同表明，基于检索的合成可以将自动化智能体工作流设计从基准优化的智能体图扩展到由现有智能体、工具和类型化工件构建的开放世界工作流。