tsinghua-fib-lab/AgentSociety

What it solves

AgentSociety는 LLM 기반 에이전트를 사용하여 복잡한 사회적 상호작용과 도시 환경을 시뮬레이션하기 위한 프레임워크를 제공합니다. 이를 통해 연구자들은 도시나 사회적 공간과 같은 구조화된 환경 내에서 여러 에이전트가 어떻게 상호작용하는지 모델링함으로써, 인간의 행동과 사회적 패턴을 연구하기 위한 실행 가능한 사회 과학 실험을 생성할 수 있습니다.

How it works

이 프레임워크는 에이전트를 메타데이터 사양으로 정의하고 이를 모듈식 환경에 배치함으로써 작동합니다. 최신 v2 버전에서는 에이전트가 확장성을 위해 Ray Tasks로 구동되는 상태 비저장(stateless) 레코드이며, ServiceProxy를 사용하여 환경 및 LLM 클라이언트를 관리합니다. CodeGen, ReAct, Plan-Execute를 포함한 다양한 추론 패턴을 지원하며, 도구 확장성을 위해 Model Context Protocol (MCP)을 통합합니다.

Who it’s for

주로 사회적 역학, 도시 계획 또는 행동 연구를 이해하기 위해 대규모 에이전트 시뮬레이션을 수행하고자 하는 사회 과학 연구자와 AI 개발자를 위해 설계되었습니다.

Highlights

• Scalable Execution: Ray 분산 컴퓨팅을 사용하여 도시 규모의 시뮬레이션을 처리합니다.
• LLM-Native Design: 유연한 추론 라우터를 갖춘 LLM 기반 에이전트를 위해 특별히 구축되었습니다.
• Research-Specific Tools: 문헌 조사, 가설 생성 및 논문 작성을 위한 내장 기능을 포함합니다.
• Experiment Replay: 재현성을 위해 DuckDB 기반 읽기 및 분산 트레이싱을 지원하는 카탈로그 기반 JSONL 리플레이 기능을 제공합니다.
• Modular Environments: 이동성, 경제 및 사회적 상호작용을 위한 핫플러그 가능한 도구 및 도시 모듈을 지원합니다.