Yapay zeka araştırmalarında çok-ajan sistemleri, karmaşık problemlerin çözümünde önemli avantajlar sunuyor. Ancak mevcut orkestrasyon yöntemleri genellikle sabit iş akışlarına veya sıralı ajan programlamasına dayanıyor, bu da sistem karmaşıklığını artırıyor ve genişletilemeyi zorlaştırıyor.
Araştırmacılar bu sorunları çözmek için 'Agent-as-Tool' adlı yenilikçi bir paradigma önerdi. Bu yaklaşım, hem ajanları hem de araçları standartlaştırılmış ve öğrenilebilir bir eylem alanında birleştiriyor. Protokol normalizasyonu ve açık durum geri bildirimi ile sistemin bütünlüğü sağlanıyor.
ParaManager adlı hafif orkestratör, bu paradigma üzerine inşa edildi. Planlama kararlarını alt görev çözümünden ayırarak, durum farkında paralel alt görev ayrıştırması, delegasyonu ve asenkron yürütme imkanı sunuyor. Bu sayede farklı ajanlar aynı anda farklı görevler üzerinde çalışabiliyor.
Sistem, iki aşamalı eğitim süreciyle geliştirildi ve sağlamlığını artırmak için çeşitli senaryolar dahil edildi. Bu yenilik, çok-ajan sistemlerinin verimliliğini önemli ölçüde artırırken, sistem karmaşıklığını azaltıyor ve daha esnek çözümler sunuyor.