BMW Agents -- A Framework For Task Automation Through Multi-agent Collaboration

自然语言驱动的自主代理人为自动化提供了巨大的潜力。这项技术的早期证明可以在各种代理人解决复杂任务、与外部系统交互以增强其知识并触发动作的演示中找到。特别是，涉及多个代理人以协作方式解决复杂任务的工作流程，展示了它们在不那么严格和不那么明确定义的环境中操作的能力。因此，多代理人方法在许多工业应用中具有很大的潜力，从复杂的知识检索系统到下一代机器人流程自动化。鉴于当前一代LLM中的推理能力，复杂过程需要一个多步骤的方法，其中包括明确定义和模块化任务的计划。根据复杂程度，这些任务可以由单个代理人或一组代理人执行。在这项工作中，我们专注于设计一个灵活的代理人工程框架，特别关注规划和执行，能够处理各个领域中的复杂用例应用。所提出的框架为工业应用提供可靠性，并提供技术，以确保多个自主代理人共同工作以解决任务的可扩展、灵活和协作的工作流程。

设计一个灵活的代理工程框架，以规划和执行复杂的任务，以解决多个自主代理协同工作的问题。

使用大型语言模型驱动自主代理，通过规划和执行模块化任务的计划来解决复杂任务。

该框架提供可靠性，并提供确保多个自主代理协同工作的可扩展、灵活和协作式工作流程的技术。实验设计包括多个代理协同完成任务，并提供了相关数据集和代码。

最近的相关研究包括“Large-Scale Multi-Agent-Based Automation Using Reinforcement Learning”和“Collaborative Multi-Agent Reinforcement Learning for Dynamic Pricing in E-Commerce”。