tsinghua-fib-lab/AgentSociety

무엇을 해결하는가

AgentSociety는 LLM 기반 에이전트를 사용하여 복잡한 사회적 상호작용과 도시 환경을 시뮬레이션할 수 있는 프레임워크를 제공합니다. 이는 연구자들이 구조화된 환경 내에서 여러 에이전트가 어떻게 상호작용하는지 시뮬레이션함으로써 인간 행동과 사회적 패턴을 이해할 수 있도록 실행 가능한 사회과학 실험을 만들 수 있게 해줍니다.

작동 방식

시스템은 에이전트를 상태 없는 기록으로 간주하고, 확장 가능한 실행을 위해 Ray Tasks를 사용하는 모듈식 아키텍처를 활용합니다. 최신 v2 버전에서는 환경 핸들, LLM 클라이언트, 추적을 관리하기 위해 ServiceProxy를 사용합니다. 다양한 추론 패턴(예: CodeGen, ReAct, Plan-Execute)을 지원하며, 도구 확장성을 위한 Model Context Protocol (MCP)을 통합합니다. 레거시 v1 버전은 gRPC 기반의 환경 통합을 통해 도시 규모의 시뮬레이션에 초점을 맞추었습니다.

누구를 위한가

사회과학 연구자와 AI 개발자에게 주로 설계되었으며, 도시 환경 또는 연구 워크플로우에 대한 대규모 에이전트 기반 시뮬레이션을 수행하고자 하는 사람들에게 적합합니다.

주요 특징

• 확장 가능한 실행: 도시 규모의 시뮬레이션을 처리하기 위해 분산 컴퓨팅을 위한 Ray 사용
• LLM 내재형 설계: 여러 추론 라우터를 갖춘 LLM 기반 에이전트 전용으로 제작됨
• 연구 전용 기능: 문헌 검색, 가설 생성, 논문 작성 등의 내장 기능 포함
• 실험 재생: DuckDB 기반의 카탈로그 기반 JSONL 재생 및 분산 추적 기능
• 모듈식 환경: 즉시 교체 가능한 도구와 유연한 환경 구성 요소 지원

"이 시스템은 사회과학 연구를 위한 실질적인 실험 환경을 제공하며, 에이전트의 행동을 정밀하게 모니터링하고 분석할 수 있게 해줍니다." — @agent_society_dev