El Agente Gráfico: 과학 에이전트를 위한 구조화된 실행 그래프

El Agente Gráfico: A Semantic Execution Runtime for Scientific Agents

대형 언어 모델(LLM)은 과학적 워크플로를 자동화하는 데 점점 더 많이 사용되고 있지만, 이질적인 컴퓨팅 도구와의 통합은 여전히 임시방편적이고 취약하다. 현재의 에이전트 기반 접근 방식은 문맥을 관리하고 실행을 조율하기 위해 구조화되지 않은 텍스트에 의존하는 경우가 많으며, 이는 종종 의사 결정의 출처를 모호하게 하고 감사 가능성을 저해할 수 있는 압도적인 양의 정보를 생성한다. 본 연구에서는 LLM 주도 의사 결정을 타입 안전(type-safe) 실행 환경 및 외부 영구 저장을 위한 동적 지식 그래프 내에 내장하는 단일 에이전트 프레임워크인 El Agente Gráfico를 제시한다. 우리 접근 방식의 핵심은 과학적 개념의 구조화된 추상화와 컴퓨팅 상태를 타입화된 파이썬(Python) 객체로 표현하여 메모리에 저장하거나 외부 지식 그래프에 영구적으로 보존하는 객체-그래프 매퍼(object-graph mapper)이다. 이러한 설계는 원시 텍스트가 아닌 타입화된 기호 식별자를 통한 문맥 관리를 가능하게 하여 일관성을 보장하고 출처 추적을 지원하며 효율적인 도구 오케스트레이션을 가능하게 한다. 우리는 이전에 다중 에이전트 시스템에서 평가된 바 있는 일련의 대학 수준 양자 화학 작업에 대해 자동화된 벤치마킹 프레임워크를 개발하여 시스템을 평가했으며, 단일 에이전트가 신뢰할 수 있는 실행 엔진과 결합될 때 복잡한 다단계 병렬 계산을 강력하게 수행할 수 있음을 입증했다. 나아가 우리는 이 패러다임을 지식 그래프가 메모리와 추론 기반 역할을 모두 수행하는 두 가지 대규모 애플리케이션(형태 이성질체 앙상블 생성 및 금속-유기 골격체 설계)으로 확장한다. 종합적으로 이러한 결과는 추상화와 타입 안전성이 어떻게 프롬프트 중심의 설계를 넘어 에이전트 기반 과학 자동화를 위한 확장 가능한 토대를 제공할 수 있는지 보여준다.

Large language models (LLMs) can plan scientific workflows and generate code, but these capabilities do not specify how scientific state is validated, transferred and recorded across heterogeneous computational and experimental operations. Here we present El Agente Gráfico, a semantic execution runtime for scientific agents that uses typed execution graphs to enforce admissible scientific state transitions, record provenance and confine model judgement to explicit decision points. Using the same top-level LLM and task-specific rubrics on six university-level quantum chemistry exercises, El Agente Gráfico improved performance while reducing model cost by approximately 80% and wall-clock time by more than fourfold relative to our previous multi-agent architecture. Across ensemble spectroscopy and metal-organic framework (MOF) design, the runtime supported typed-state transfer, parallel execution and cross-session persistence. Open-ended studies of a disulfide redox mechanism and the vibrational hypothesis of olfaction required the agent to define the chemical scope and computational pathway of each investigation. A graph-construction skill distilled from these studies then enabled coding agents to author typed execution graphs for MOF literature mining. Together, these results show how typed execution graphs turn reusable procedural knowledge into scientific protocols that can be inspected, revised and transferred across computational and physical systems.