자가 진화 에이전트 프로토콜: 오토제네시스

Autogenesis: A Self-Evolving Agent Protocol

최근 LLM 기반 에이전트 시스템의 발전은 복잡하고 장기적인 과제를 해결하는 데 유망한 결과를 보여주고 있습니다. 그러나 기존 에이전트 프로토콜(예: A2A 및 MCP)은 엔티티 간의 생명 주기 및 컨텍스트 관리, 버전 추적, 그리고 안전한 업데이트 인터페이스를 충분히 제공하지 못하여, 이는 단일화된 구성과 취약한 연결 코드를 야기합니다. 우리는 자가 진화 프로토콜(Autogenesis Protocol, AGP)을 소개합니다. AGP는 무엇이 진화하는지, 그리고 어떻게 진화가 발생하는지를 분리하는 자가 진화 프로토콜입니다. AGP의 리소스 서브스트레이트 프로토콜 레이어(Resource Substrate Protocol Layer, RSPL)는 프롬프트, 에이전트, 도구, 환경 및 메모리를 명시적인 상태, 생명 주기 및 버전화된 인터페이스를 가진 프로토콜에 등록된 리소스로 모델링합니다. 또한, AGP의 자체 진화 프로토콜 레이어(Self Evolution Protocol Layer, SEPL)는 감사 가능한 추적 정보와 롤백 기능을 갖춘 개선 제안, 평가 및 적용을 위한 폐쇄 루프 운영자 인터페이스를 정의합니다. AGP를 기반으로, 우리는 동적으로 프로토콜에 등록된 리소스를 인스턴스화, 검색 및 개선하는 자가 진화 멀티 에이전트 시스템인 오토제네시스 시스템(Autogenesis System, AGS)을 제시합니다. 우리는 AGS를 다양한 복잡한 벤치마크에서 평가했는데, 이 벤치마크는 장기적인 계획과 이기종 리소스 간의 도구 사용을 필요로 합니다. 실험 결과는 강력한 기준 모델보다 일관된 성능 향상을 보여주며, 이는 에이전트 리소스 관리 및 폐쇄 루프 자가 진화의 효과를 뒷받침합니다. 코드 및 관련 자료는 https://github.com/DVampire/Autogenesis 에서 확인할 수 있습니다.

Recent advances in LLM based agent systems have shown promise in tackling complex, long horizon tasks. However, existing agent protocols (e.g., A2A and MCP) under specify cross entity lifecycle and context management, version tracking, and evolution safe update interfaces, which encourages monolithic compositions and brittle glue code. We introduce Autogenesis Protocol (AGP), a self evolution protocol that decouples what evolves from how evolution occurs. Its Resource Substrate Protocol Layer (RSPL) models prompts, agents, tools, environments, and memory as protocol registered resources with explicit state, lifecycle, and versioned interfaces. Its Self Evolution Protocol Layer (SEPL) specifies a closed loop operator interface for proposing, assessing, and committing improvements with auditable lineage and rollback. Building on AGP, we present Autogenesis System (AGS), a self-evolving multi-agent system that dynamically instantiates, retrieves, and refines protocol-registered resources during execution. We evaluate AGS on multiple challenging benchmarks that require long horizon planning and tool use across heterogeneous resources. The results demonstrate consistent improvements over strong baselines, supporting the effectiveness of agent resource management and closed loop self evolution. The code is available at https://github.com/DVampire/Autogenesis.