LLM エージェントの時代におけるグラフエンジニアリング：個体知能からシステム知能へ

LLM は言語生成器から、複雑で長期にわたるタスクを遂行できる自律型エージェントへと進化しました。この進化に伴い、モデルの能力を引き出すための「プロンプトエンジニアリング」、情報アクセスを管理する「コンテキストエンジニアリング」、外部ツールやリソースを整理する「ハルネスエンジニアリング」、継続的な反省と自己改善を支える「ループエンジニアリング」といったパラダイムが生まれました。しかし、タスクが複雑化するにつれ、単一の知能には根本的な限界があります。多くのタスクでは、多様な専門性、相互依存するサブタスク、並列実行、独立した検証、そして永続的な状態管理が必要であり、これらは単一のエージェントの組織能力を超えています。

1 つのエージェントの能力やコンテキストを拡張しても、このアーキテクチャの不整合は解消できません。知能はむしろ、専門化された複数のエージェントに分散し、システムレベルで整理される必要があります。私たちはこれを「システムインテリジェンス」と呼びます。これは、エージェントシステムが複数の知的コンポーネントを組織化・調整し、共有目標に向かって一貫性があり適応力のある全体へと統合する能力です。これを実現するには、単にエージェントを追加するだけでは不十分で、作業を整理し、多様なエージェントを調整し、変化する実行状態を維持するための明示的な構造が求められます。

そこで私たちは次世代のエージェントシステムのための新たなパラダイムとして「グラフエンジニアリング」を提案します。

従来のパラダイムが個々の相互作用やエージェントレベルの行動の最適化に主眼を置いていたのに対し、グラフエンジニアリングはタスク、エージェント、システム状態を表す明示的で動的かつ進化するグラフ構造を構築します。これらの抽象化は、複雑な目標の整理、異種エージェントの調整、システムダイナミクスのモデル化、そしてスケーラブルなエージェント進化の実現のための統一された基盤を提供します。本稿では、LLM エージェントにおけるグラフエンジニアリングの原理、手法、応用を体系的にレビューします。関連論文、オープンソースデータ、プロジェクトは https://github.com/DEEP-JLU/Awesome-Graph-Engineering で収集されています。