AgentCompiler: compilador LLM para orquestração paralela de multiagentes

Abstract

Nos últimos anos, a adoção de modelos de linguagem (Large Language Models, ou LLMs) cresceu exponencialmente, impulsionando aplicações em áreas como processamento de linguagem natural, análise de dados e suporte à tomada de decisão. Em paralelo, sistemas multiagentes — compostos por entidades autônomas que interagem para alcançar objetivos comuns ou complementares — vêm sendo empregados em problemas complexos e distribuídos, como logística e simulações de cenários de negócios. No entanto, a coordenação de vários agentes pode agravar desafios de latência, custo computacional e manutenção de acurácia. Para atenuar esses problemas, este trabalho propõe um sistema multiagentes inspirado nas técnicas de compiladores para otimização de chamadas de funções, adaptando o conceito de LLMCompiler por meio de uma abordagem dinâmica baseada em Plan and Solve. Um agente orquestrador decide quais agentes ativar e a forma de comunicação — hierárquica, centralizada, descentralizada ou em pool compartilhado — em um pipeline flexível, capaz de definir topologias e sequências de execução. A avaliação contempla métricas como latência, quantidade de agentes envolvidos, buscando equilibrar eficiência computacional e qualidade das respostas. Palavras-chave: multiagentes; LLM; orquestração; compiladores; Plan and Solve; otimização.