OrgAgent: 다중 에이전트 시스템을 기업처럼 조직화하는 방법

OrgAgent: Organize Your Multi-Agent System like a Company

대규모 언어 모델 기반 다중 에이전트 시스템은 복잡한 추론에 강력한 잠재력을 보여주었지만, 여러 에이전트를 효과적으로 조직하는 방법은 여전히 해결해야 할 과제입니다. 본 논문에서는 OrgAgent를 소개합니다. OrgAgent는 협업을 거버넌스, 실행, 규정 준수 계층으로 분리하는 기업 스타일의 계층적 다중 에이전트 프레임워크입니다. OrgAgent는 다중 에이전트 추론을 세 가지 계층으로 분해합니다. 첫째, 계획 및 자원 할당을 위한 거버넌스 계층, 둘째, 작업 해결 및 검토를 위한 실행 계층, 셋째, 최종 답변 제어를 위한 규정 준수 계층입니다. 본 연구에서는 다양한 추론 작업, 언어 모델, 실행 모드 및 실행 정책을 통해 프레임워크를 평가한 결과, 기업 스타일의 계층 구조로 조직된 다중 에이전트 시스템이 다른 조직 구조보다 일반적으로 더 우수한 성능을 보이는 것을 확인했습니다. 또한, 계층적 조정은 대부분의 경우 평탄한 협업보다 토큰 소비를 줄이는 효과도 있습니다. 예를 들어, GPT-OSS-120B 모델의 경우, 계층적 설정은 평탄한 다중 에이전트 시스템보다 SQuAD 2.0에서 성능을 102.73% 향상시키면서 토큰 사용량을 74.52% 줄였습니다. 추가 분석 결과, 계층 구조는 안정적인 기술 할당, 제어된 정보 흐름, 계층적 검증이 필요한 작업에서 가장 효과적임을 알 수 있습니다. 전반적으로, 본 연구 결과는 다중 에이전트 추론에서 조직 구조가 효율성 및 비용뿐만 아니라 조정 행동에도 중요한 영향을 미치는 요인임을 강조합니다.

While large language model-based multi-agent systems have shown strong potential for complex reasoning, how to effectively organize multiple agents remains an open question. In this paper, we introduce OrgAgent, a company-style hierarchical multi-agent framework that separates collaboration into governance, execution, and compliance layers. OrgAgent decomposes multi-agent reasoning into three layers: a governance layer for planning and resource allocation, an execution layer for task solving and review, and a compliance layer for final answer control. By evaluating the framework across reasoning tasks, LLMs, execution modes, and execution policies, we find that multi-agent systems organized in a company-style hierarchy generally outperform other organizational structures. Besides, hierarchical coordination also reduces token consumption relative to flat collaboration in most settings. For example, for GPT-OSS-120B, the hierarchical setting improves performance over flat multi-agent system by 102.73% while reducing token usage by 74.52% on SQuAD 2.0. Further analysis shows that hierarchy helps most when tasks benefit from stable skill assignment, controlled information flow, and layered verification. Overall, our findings highlight organizational structure as an important factor in multi-agent reasoning, shaping not only effectiveness and cost, but also coordination behavior.