원자적 태스크 그래프: 에이전트 기반 계획 및 실행을 위한 통합 프레임워크

Atomic Task Graph: A Unified Framework for Agentic Planning and Execution

LLM(대규모 언어 모델) 기반 에이전트는 복잡하고 다단계 작업을 해결하는 데 강력한 잠재력을 보여주었지만, 기존의 성능 향상은 대부분 더 큰 모델로 확장하거나 작업별 미세 조정에 의존합니다. 전자는 상당한 계산 비용을 발생시키고, 후자는 일반적으로 다양한 작업에서 성능이 좋지 않습니다. 프롬프트 기반 제어는 학습 과정이 필요 없고 광범위하게 적용 가능하지만, 기존 방법은 여전히 하위 태스크 간의 입력-출력 종속성을 텍스트 경로에 암묵적으로 표현하여 검증된 중간 결과를 재사용하기 어렵게 만듭니다. 이러한 한계를 해결하기 위해, 우리는 계획 및 실행을 위한 통합 제어 프레임워크인 Atomic Task Graph (ATG)를 제안합니다. 특히 ATG는 명시적인 그래프를 유지하여 종속성을 드러내고 재사용을 지원합니다. 계획 단계에서 ATG는 상위 수준 작업을 재귀적으로 하위 작업으로 분해하여, 그 진화를 추적할 수 있는 순차적인 방향성 비순환 그래프(DAG) 시퀀스를 형성합니다. 실행 단계에서는 ATG가 노출하는 종속성을 통해 독립적인 브랜치를 병렬로 실행하여 실행 효율성을 향상시킵니다. 오류가 감지되면 ATG는 그래프의 진화 기록을 활용하여 오류 원점을 찾고, 영향을 받은 영역만 수정하고 검증된 영역은 변경하지 않습니다. 실험 결과는 ATG가 7B-8B 규모의 모델만을 사용하여 세 가지 인터랙티브 벤치마크에서 강력한 기본 모델보다 일관되게 높은 성공률과 실행 효율성을 달성한다는 것을 보여줍니다.

LLM-based agents have shown strong potential for solving complex multi-step tasks, yet existing performance improvements often rely on either scaling to larger backbone models or task-specific fine-tuning. The former incurs substantial computational costs, while the latter typically generalizes poorly across different tasks. Although prompt-based control is training-free and broadly applicable, existing methods still leave input-output dependencies between subtasks implicit in textual trajectories, making verified intermediate results difficult to reuse. To address these limitations, we propose Atomic Task Graph (ATG), a unified control framework for planning and execution. Specifically, ATG maintains an explicit graph to expose dependencies and support reuse. During planning, it recursively decomposes a high-level task into subtasks, forming a sequence of directed acyclic graphs (DAGs) whose evolution can be traced. During execution, the dependencies exposed by ATG allow independent branches to be executed in parallel, thereby improving execution efficiency. When failures are detected, ATG leverages the graph evolution history to localize the error source and repair only the affected region, preserving validated regions unchanged. Experiments show that ATG consistently outperforms strong baselines in success rate and execution efficiency across three interactive benchmarks using only 7B-8B backbones.