성찰적 교정을 동반한 계층적 실행 구조 기반의 강건하고 효율적인 도구 오케스트레이션

Robust and Efficient Tool Orchestration via Layered Execution Structures with Reflective Correction

도구 호출은 에이전트 시스템의 핵심 기능이지만, 종종 개별 도구 호출 자체가 아니라 여러 도구가 조직되고 함께 실행되는 방식에서 실패가 발생한다. 기존 접근법은 도구 실행을 단계별 언어 추론이나 명시적 계획과 강하게 결합하여, 불안정한 동작과 높은 실행 오버헤드를 초래한다. 이러한 한계를 극복하기 위해, 본 연구는 도구 오케스트레이션의 관점에서 도구 호출을 재검토한다. 우리의 핵심 통찰은 효과적인 오케스트레이션을 위해 정밀한 의존성 그래프나 세밀한 계획이 필요하지 않다는 것이다. 대신, 거시적인 계층 구조만으로도 전역적인 지침을 제공하기에 충분하며, 실행 시점의 오류는 국소적으로 수정할 수 있다. 구체적으로, 우리는 상위 수준의 도구 의존성을 포착하는 계층적 실행 구조를 학습하는 것으로 도구 오케스트레이션을 모델링하고, 문맥 제약 조건을 통해 계층별 실행을 유도한다. 실행 시점의 실패를 처리하기 위해, 국소적으로 오류를 감지하고 복구하는 스키마 인지형 성찰적 교정 메커니즘을 도입한다. 이 설계는 오류를 개별 도구 호출로 국한시키고 전체 실행 궤적을 다시 계획하는 것을 방지한다. 이러한 구조화된 실행 패러다임은 에이전트 시스템을 위한 경량화되고 재사용 가능한 오케스트레이션 구성 요소를 가능하게 한다. 실험 결과, 제안한 방식은 실행 복잡성과 오버헤드를 줄이면서 강건한 도구 실행을 달성함을 보여준다. 관련 코드는 공개될 예정이다.

Tool invocation is a core capability of agentic systems, yet failures often arise not from individual tool calls but from how multiple tools are organized and executed together. Existing approaches tightly couple tool execution with stepwise language reasoning or explicit planning, leading to brittle behavior and high execution overhead. To overcome these limitations, we revisit tool invocation from the perspective of tool orchestration. Our key insight is that effective orchestration does not require precise dependency graphs or fine-grained planning. Instead, a coarse-grained layer structure suffices to provide global guidance, while execution-time errors can be corrected locally. Specifically, we model tool orchestration as learning a layered execution structure that captures high-level tool dependencies, inducing layer-wise execution through context constraints. To handle execution-time failures, we introduce a schema-aware reflective correction mechanism that detects and repairs errors locally. This design confines errors to individual tool calls and avoids re-planning entire execution trajectories. This structured execution paradigm enables a lightweight and reusable orchestration component for agentic systems. Experimental results show that our approach achieves robust tool execution while reducing execution complexity and overhead. Code will be made publicly available.