octotools/octotools

解決する問題

OctoToolsは、追加トレーニングを必要とせずに、多様なドメイン（数学、医学、一般知識など）にわたる複雑な推論タスクを処理するように設計されています。外部ツールを統合および最適化するための構造化フレームワークを提供することで、LLMの多段階推論と正確なツール使用における制限に対処します。

仕組み

このフレームワークは、主に3つのコンポーネントで構成されています：

• ツールカード：ツール機能をカプセル化する標準化されたメタデータコンテナで、コアエージェントロジックを変更せずに新しいツールを追加または更新できます。
• プランナー：高レベルのグローバル目標と低レベルのステップバイステップのアクション洗練の両方を管理します。
• エグゼキューター：計画されたアクションを実行可能なコマンドに変換し、ツールを実行し、構造化された結果をコンテキストに保存して最終回答を要約します。

さらに、特定のタスクに対して最も効果的なツールのサブセットを特定するためのタスク固有のツールセット最適化アルゴリズムも含まれています。

対象読者

複雑なマルチモーダル推論（テキストと画像）を実行する必要があり、さまざまな外部APIやローカルモデルを統合するための柔軟で拡張可能な方法を必要とするAIエージェントを構築する開発者や研究者を対象としています。

ハイライト

• トレーニング不要：モデルを再トレーニングしたり、フレームワークを改良したりせずに新しいツールを統合できます。
• 広範なモデルサポート：OpenAI、Claude、Gemini、DeepSeek、Grok、vLLM、Ollamaなど、幅広いLLMエンジンと互換性があります。
• 拡張可能なアーキテクチャ：モジュール式ツールカード設計により、カスタムツールを簡単に追加できます。
• 実証済みのパフォーマンス：MathVistaやGAIA-Textなどの多様なベンチマークで、AutoGenやLangChainなどのベースラインを上回ります。