SakanaAI/AI-Scientist-v3

The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery

Agentic Scientist – 자동화된 AI 기반 과학적 발견

그것이 무엇인가

대규모 언어 모델 코딩 에이전트를 가상 과학자로 취급하는 오픈소스 프레임워크입니다. 간단한 task.md 설명에서 시작하여 시스템은 다단계 파이프라인을 조정합니다:
1. 초안 작성 – 공식 작업 정의와 평가 루브릭을 작성합니다.
2. 조사 – 에이전트가 코드를 작성하고, 실험을 실행하고, 최상의 프로그램을 유지하는 아이디어->실험->평가 루프를 실행합니다.
3. 절제 – 승리 프로그램을 기준선 및 의도적으로 약화된 변형과 비교합니다.
4. 최종 평가 – 최종 솔루션에 대한 밀봉되고 재현 가능한 평가를 실행합니다.
5. 사후 분석 – 추가 증거를 위해 로그, 메트릭, 시각화를 마이닝합니다.
6. 논문 작성 – 생성된 증거를 인용하는 원고(PDF)를 조립하고, 선택적으로 AI 리뷰어에게 보냅니다.
모든 단계는 재현 가능합니다: 각 실행은 results/ 아래에 결정적 디렉토리 트리를 생성하여 로그, 아티팩트, 최종 논문을 저장합니다.

주요 개념

코딩 에이전트 – 프레임워크는 Headless CLI를 통해 Claude, OpenAI Codex, Gemini, Cursor, Opencode 및 기타 LLM 기반 코드 생성기를 구동할 수 있습니다.
Docker 격리 단계 – 각 파이프라인 단계는 자체 컨테이너에서 실행되어 에이전트의 제한 없는 명령 실행으로부터 호스트를 보호합니다.
Hydra 구성 – 모든 노브는 key=value 오버라이드로 노출되어 에이전트, 모델, 예산, GPU 수 등을 쉽게 변경할 수 있습니다.
프리셋 및 예제 – 준비된 작업(예: CPU 전용 원형 채우기 문제, GPU 집약적 GRPO 벤치마크)은 examples/에 있으며, 해당 구성 프리셋은 configs/preset/에 있습니다.

설치

Docker를 설치합니다.

제공된 에이전트 이미지를 빌드합니다:

docker build -t agentic-scientist/agent-cli:latest -f src/docker/agent-cli/Dockerfile .

Python 환경을 설치합니다(Python ≥ 3.11 및 uv 필요):

curl -LsSf https://astral.sh/uv/install.sh | sh
uv sync   # .venv 생성 및 `agsci` CLI 설치
source .venv/bin/activate

저장소 루트에 사용할 LLM의 API 키가 포함된 .env 파일을 만듭니다(예: ANTHROPIC_API_KEY, OPENAI_API_KEY). 이 파일은 런타임에 컨테이너에 마운트됩니다 – 절대 커밋하지 마세요.

빠른 시작

# 기본 CPU 전용 원형 채우기 예제 실행
agsci run examples/circpack

--dry-run을 사용하여 실행하지 않고 정확한 명령을 확인합니다.

설정을 오버라이드합니다. 예: 조사 예산 제한:

agsci run examples/circpack investigation.execution.max_idea_cycles=2

실행이 완료되면 생성된 논문은 다음 위치에 있습니다: results/circpack/claude/<run_id>/paper/paper.pdf

로컬 웹 UI에서 전체 실행을 검사합니다:

agsci inspect start   # http://127.0.0.1:8765 열기

일반적인 워크플로우

게시된 캠페인 재현 – 원래 예산, GPU 요구 사항, 논문 형식을 인코딩하는 프리셋(preset=grpo)을 사용합니다.
에이전트/모델 교체 – 명령줄에서 agent.name 및 agent.model을 변경하여 Claude, Opencode, Bedrock 기반 Claude 등을 비교합니다.
재개 또는 부분 실행 – agsci run을 기존 실행 디렉토리로 지정하고 execution.phases=를 지정하여 누락된 단계만 계속합니다.

독립 조사 루프 – 아이디어-실험 루프만 실행합니다(빠른 프로토타이핑에 유용):

agsci investigate agent.name=claude paths.task_dir=examples/circpack execution.workers=2 execution.max_idea_cycles=4

AI 검토 원고 – review 단계를 추가하여 PDF를 OpenAI 기반 리뷰어에게 보내고 JSON 리뷰를 얻습니다.

안전 참고 사항

에이전트는 전체 시스템 권한(--allow yolo)으로 시작됩니다. 임의의 명령을 실행할 수 있으며 마운트한 API 키를 볼 수 있습니다. 모든 것을 Docker 이미지 내에서 실행하고 신뢰할 수 있는 작업 파일만 제공하세요.
agsci doctor 명령은 실행 시작 전에 호스트, 자격 증명, Docker 이미지, GPU 설정이 요구 사항을 충족하는지 확인합니다.

문서

설치 및 Docker 세부 사항 – docs/install.md
전체 파이프라인 설명 – docs/pipeline.md
조사 루프 사용법 – docs/usage.md
작업 초안 작성(실험적) – docs/task_drafting.md
추가 파이프라인(변형, 사후 분석) 및 유틸리티는 README에서 링크됩니다.

라이선스

Apache 2.0(LICENSE 참조).

인용 연구에서 프레임워크를 사용하는 경우, 첨부된 arXiv 논문을 인용하세요:

@article{agentic_scientist,
  title   = {The Agentic Scientist: Orchestrating Coding Agents for Automated Scientific (Co-)Discovery},
  author  = {Lange, Robert Tjarko and Grillotti, Luca and Yamada, Yutaro and Charakorn, Rujikorn and Ha, David},
  journal = {arXiv preprint arXiv:2610.18933},
  year    = {2026}
}

SakanaAI/AI-Scientist-v3

Agentic Scientist – 자동화된 AI 기반 과학적 발견

관련