ruvnet/agentic-flow

What it solves

Agentic-Flow는 프로덕션 레디 AI 에이전트 오케스트레이션 프레임워크입니다. 다수의 특화된 에이전트 스웜을 관리하는 복잡성을 해결하고, 작업을 올바른 에이전트에 라우팅하는 오버헤드를 줄이며, LLM 운영 비용을 낮추고, 멀티 에이전트 합의 및 메모리 검색의 정확도와 속도를 향상시킵니다.

How it works

시스템은 "Self-Optimizing Neural Architecture"(SONA)를 활용하여 서브밀리초 수준의 패턴 학습과 적응형 라우팅을 수행합니다. AgentDB를 통합해 고급 메모리 관리를 구현하고, Flash, Linear, Hyperbolic, MoE 등 다양한 어텐션 메커니즘과 Graph Neural Networks(GNN)를 사용해 쿼리를 정제하고 리콜을 개선합니다. 프레임워크는 66개의 사전 구축된 특화 에이전트(예: 코더, 리뷰어, 플래너)와 GitHub 등 플랫폼과의 연동을 위한 213개의 MCP 도구를 제공합니다.

Who it’s for

• Developers 사전 구축된 특화 에이전트와 고성능 로컬 코드 편집을 활용해 복잡한 멀티 에이전트 시스템을 구축하고자 하는 개발자.
• Businesses 에이전트 워크플로우를 확장하면서 LLM 토큰 비용과 인프라 오버헤드를 줄이고자 하는 기업.
• Researchers 에이전트 스웜에서 최첨단 어텐션 메커니즘과 그래프 인식 추론을 구현·테스트하고자 하는 연구자.

Highlights

• SONA Adaptive Learning: 서브밀리초 패턴 검색 및 LoRA 파인튜닝을 통한 실시간 적응.
• Advanced Attention: Flash Attention(최대 7.47배 가속), 긴 시퀀스를 위한 Linear Attention, 계층형 스웜을 위한 Hyperbolic Attention 지원.
• Lage Agent Library: "ReasoningBank" 메모리 시스템을 통해 자율적으로 개선되는 66개의 자체 학습 에이전트.
• GNN Query Refinement: 그래프 컨텍스트 통합을 통해 정보 리콜이 12.4% 향상.
• Cost Efficiency: Sonnet과 Haiku 사이의 지능형 모델 라우팅으로 비용을 최대 60% 절감.
• Extensive Tooling: 스웜 초기화, 메모리 관리, GitHub 연동을 위한 213개의 MCP 도구 제공.