Dalam lanskap framework agen AI yang berkembang pesat, Evolving Agents Toolkit sedang mengalami perubahan arsitektur yang signifikan setelah mendapat umpan balik dari komunitas. Awalnya diposisikan sebagai framework kelas produksi, proyek ini telah beralih menjadi toolkit yang dibangun di atas framework yang sudah ada seperti BeeAI dan OpenAI Agents SDK, dengan fokus pada otonomi agen, evolusi, dan tata kelola.
Dari Tolong Perbaiki Dirimu Sendiri ke Strategi Evolusi yang Canggih
Implementasi awal evolusi agen dalam toolkit ini mengandalkan apa yang dijelaskan pengembang sebagai pendekatan prompt tolong perbaiki dirimu sendiri yang naif. Metode sederhana ini mendapat kritik dari komunitas pengembang, dengan seorang komentator mencatat tidak adanya mekanisme evolusi canggih meskipun nama framework mengisyaratkan sebaliknya. Sebagai tanggapan, pengembang telah mengimplementasikan beberapa strategi evolusi dalam EvolveComponentTool, termasuk pendekatan standar, konservatif, agresif, dan adaptasi domain. Setiap strategi sekarang berisi parameter untuk tingkat pelestarian, fokus optimasi, dan metode adaptasi, yang merupakan kemajuan signifikan dari pendekatan berbasis prompt aslinya.
Ini dimulai sebagai pendekatan prompt 'tolong perbaiki dirimu sendiri' yang naif, tetapi sekarang saya menanamkan beberapa strategi evolusi langsung ke dalam setiap alat, memungkinkan adaptasi dan versi yang lebih canggih.
Fitur Utama dari Evolving Agents Toolkit:
- Evolusi Agen Cerdas: Beberapa strategi evolusi (standar, konservatif, agresif, adaptasi domain)
- Komunikasi Antar-Agen: Agen berkomunikasi melalui kemampuan daripada referensi langsung
- Perpustakaan Pintar dengan Pencarian Semantik: Menemukan komponen yang relevan menggunakan embedding OpenAI dengan logika keputusan bawaan
- Dukungan Multi-Framework: Integrasi mulus agen dari berbagai framework ( BeeAI , OpenAI Agents SDK )
- Tata Kelola melalui Firmware: Menegakkan aturan khusus domain di semua jenis agen
- Arsitektur Agent Bus: Menghubungkan agen melalui sistem komunikasi terpadu dengan backend yang dapat dipasang
- Evolusi Lintas-Framework: Menerapkan strategi evolusi untuk agen BeeAI dan OpenAI
Logika Keputusan Evolusi:
- Jika kesamaan ≥ 0,8: Gunakan kembali agen/alat yang ada
- Jika 0,4 ≤ kesamaan < 0,8: Kembangkan agen/alat yang ada
- Jika kesamaan < 0,4: Buat agen/alat baru
Arsitektur Berpusat pada Agen dan Logika yang Dikemas dalam Alat
Perubahan arsitektur utama melibatkan perpindahan dari desain monolitik ke pendekatan berpusat pada agen di mana semuanya adalah agen. SystemAgent telah didesain ulang sebagai BeeAI ReActAgent yang menggunakan alat khusus untuk mengelola ekosistem. Ini mengatasi kekhawatiran tentang logika pengambilan keputusan yang terlalu sederhana dan hardcoded. Sebelumnya, sistem menggunakan ambang kesamaan dasar untuk menentukan apakah akan menggunakan kembali, mengembangkan, atau membuat komponen. Sekarang, logika ini dikemas dalam alat khusus seperti SearchComponentTool dan EvolveComponentTool, memungkinkan strategi keputusan itu sendiri berkembang secara independen tanpa memerlukan perubahan pada SystemAgent.
 |
|---|
| Tangkapan layar dari repositori GitHub untuk Evolving Agents Toolkit, menampilkan pengembangan dan arsitekturnya |
Tata Kelola Melalui Firmware
Dengan evolusi agen otonom muncul kekhawatiran yang sah tentang keamanan dan kontrol. Beberapa komentator mengungkapkan kekhawatiran tentang potensi risiko agen yang berevolusi sendiri, dengan salah satunya berharap adanya bencana di suatu tempat sebagai peringatan yang dibutuhkan umat manusia. Toolkit ini bertujuan untuk mengatasi kekhawatiran tersebut melalui lapisan firmware tata kelola yang menerapkan aturan khusus domain di semua jenis agen. Ini termasuk versioning, checkpointing, dan pemeriksaan kepatuhan untuk mencegah evolusi yang tidak terkendali dan mempertahankan batas keamanan. Pengembang mengakui bahwa pagar pembatas yang tepat sangat penting untuk mencegah pergeseran kemampuan, tantangan keselarasan, masalah keamanan, dan masalah kepatuhan.
Alur Kerja YAML dan Komunikasi
Penggunaan YAML oleh toolkit untuk mendefinisikan alur kerja agen memicu beberapa kritik humoris, dengan seorang komentator bercanda tentang agen yang terkubur hidup-hidup ketika file YAML raksasa jatuh menimpa mereka. Meskipun membela manfaat keterbacaan dan kontrol versi YAML, pengembang tetap terbuka terhadap notasi alternatif jika YAML terbukti sulit digunakan. Arsitektur komunikasi sedang beralih dari konsep Service Bus ke Agent Bus, memperkuat filosofi berpusat pada agen sambil memungkinkan perutean berbasis kemampuan dan penemuan melalui alat khusus seperti RegisterProviderTool, RequestServiceTool, dan DiscoverCapabilityTool.
Integrasi dengan Framework yang Ada
Alih-alih bersaing dengan framework yang sudah mapan, Evolving Agents Toolkit sekarang memposisikan dirinya sebagai lapisan yang dibangun di atas BeeAI dan OpenAI Agents SDK. Pembaruan terbaru termasuk dukungan penuh untuk OpenAI Agents SDK, memungkinkan pembuatan, eksekusi, dan evolusi agen OpenAI dalam sistem. Dukungan multi-framework ini memungkinkan integrasi mulus agen dari framework yang berbeda dan evolusi lintas framework, mengatasi fragmentasi dalam ekosistem agen yang oleh seorang komentator dibandingkan dengan era perang framework JavaScript.
Evolving Agents Toolkit mewakili visi ambisius untuk sistem AI otonom dan mampu memperbaiki diri dengan pagar pembatas tata kelola yang tepat. Meskipun masih dalam tahap pengembangan awal dengan banyak fitur yang masih disimulasikan atau disederhanakan, proyek ini menunjukkan bagaimana umpan balik komunitas dapat membentuk evolusi alat AI open-source. Saat pengembang terus mengimplementasikan perubahan arsitektur yang diuraikan dalam pembaruan terbaru, toolkit ini mungkin pada akhirnya memenuhi janjinya untuk memungkinkan sistem AI yang benar-benar otonom yang meningkatkan diri sambil tetap berada dalam batas-batas yang aman.
Referensi: Evolving Agents Toolkit