tsinghua-fib-lab/AgentSociety

何を解決するか

AgentSocietyは、LLMベースのエージェントを使用して複雑な社会的相互作用や都市環境をシミュレートするためのフレームワークを提供します。研究者が実行可能な社会科学実験を作成し、構造化された環境内で複数のエージェントがどのように相互作用するかをシミュレートすることで、人間の行動や社会的パターンを理解することを可能にします。

仕組み

このシステムはモジュールアーキテクチャを使用しており、エージェントはスケーラブルな実行のためにRayタスクによって駆動される状態なしのレコードとして扱われます。現代的なv2バージョンでは、ServiceProxyを使用して環境ハンドル、LLMクライアント、トレーシングを管理しています。さまざまな推論パターン（例：CodeGen、ReAct、Plan-Execute）をサポートし、ツールの拡張性のためにModel Context Protocol (MCP) を統合しています。レガシーなv1バージョンは、gRPCベースの環境統合による都市規模のシミュレーションに焦点を当てていました。

対象ユーザー

主に都市環境や研究ワークフローの大型エージェントベースのシミュレーションを行いたい社会科学の研究者およびAI開発者向けに設計されています。

特徴

• スケーラブルな実行: 市規模のシミュレーションに対応するため、分散コンピューティングにRayを使用。
• LLMネイティブ設計: 複数の推論ルーターを備えたLLM駆動エージェント専用に構築。
• 研究向けスキル: 文献検索、仮説生成、論文作成などの組み込み機能を含む。
• 実験の再実行: DuckDBで駆動されるカタログ駆動型JSONL再実行と分散トレーシングを搭載。
• モジュール式環境: ホットプラグ可能なツールと柔軟な環境コンポーネントをサポート。

「このフレームワークは、社会科学の実験を実際に実行できるようにするというビジョンに基づいています。」— @agent-society