Badacze z zespołu Yeahia Sarker opracowali GraphBit — nowy framework do orkiestracji agentów AI, który ma rozwiązać kluczowe problemy istniejących systemów. Publikacja została złożona do arXiv 8 marca 2026 roku i przedstawia deterministyczne podejście do zarządzania przepływami pracy w systemach agentowych.
Tradycyjne frameworki opierają się na orkiestracji przez prompty, gdzie model sam określa przejścia w przepływie pracy. Takie rozwiązania cierpią jednak na problemy z halucynacyjnym routingiem, nieskończonymi pętlami i niepowtarzalnym wykonaniem kodu.
Kluczowe wnioski
- GraphBit osiągnął najwyższą dokładność (67,6%) w benchmarku GAIA, przewyższając sześć istniejących frameworków przy zerowej liczbie halucynacji indukowanych przez system.
- Framework wykorzystuje orkiestrację przez silnik napisany w języku Rust, definiując przepływy pracy jako deterministyczne grafy skierowane acykliczne (DAG).
- Trójwarstwowa architektura pamięci składa się z efemerycznej przestrzeni roboczej, strukturalnego stanu i zewnętrznych konektorów, co zapobiega kaskadowemu rozdymaniu kontekstu.
- System osiąga najniższe opóźnienie (11,9 ms narzutu) i najwyższą przepustowość spośród testowanych rozwiązań.
- Studia ablacyjne potwierdzają, że każda warstwa pamięci przyczynia się mierzalnie do wydajności, z największymi korzyściami z deterministycznego wykonania w zadaniach intensywnie wykorzystujących narzędzia.
Architektura i podejście
GraphBit wprowadza fundamentalną zmianę w sposobie organizacji systemów agentowych. W przeciwieństwie do orkiestracji przez prompty, agenci działają jako funkcje typowane, podczas gdy silnik oparty na języku Rust kontroluje routing, przejścia stanów i wywoływanie narzędzi. Takie podejście gwarantuje powtarzalność i audytowalność wykonania.
Silnik obsługuje równoległe wykonywanie gałęzi, warunkowy przepływ sterowania oparty na strukturalnych predykatach stanu oraz konfigurowalne odzyskiwanie po błędach. Wszystkie te elementy współpracują, aby zapewnić deterministyczne działanie systemu nawet w złożonych scenariuszach.
Trójwarstwowa architektura pamięci
Kluczową innowacją GraphBit jest separacja kontekstu na trzech poziomach. Efemeryczna przestrzeń robocza przechowuje dane tymczasowe, strukturalny stan zarządza informacjami między etapami, a zewnętrzne konektory zapewniają dostęp do zasobów zewnętrznych.
Ta architektura rozwiązuje problem kaskadowego rozdymowania kontekstu, który degraduje rozumowanie w długotrwałych pipelinach. Izolacja kontekstu między etapami pozwala systemowi utrzymać wysoką jakość rozumowania nawet przy złożonych, wieloetapowych zadaniach.
Wyniki testów i porównania
Testy przeprowadzono na benchmarku GAIA, obejmującym zadania bez narzędzi, z augmentacją dokumentów i z dostępem do internetu. GraphBit osiągnął 67,6% dokładności, wyprzedzając wszystkie porównywane frameworki. Co szczególnie istotne, system nie wykazał ani jednej halucynacji indukowanej przez framework — problem, który dotyka konkurencyjne rozwiązania.
Badania pokazują również przewagę w wydajności operacyjnej. Najniższe opóźnienie 11,9 ms narzutu oraz najwyższa przepustowość czynią GraphBit praktycznym rozwiązaniem dla rzeczywistych wdrożeń, szczególnie w zadaniach wymagających intensywnego wykorzystania narzędzi.
GraphBit reprezentuje znaczący krok naprzód w orkiestracji systemów agentowych, oferując deterministyczne, skalowalne i audytowalne podejście do zarządzania złożonymi przepływami pracy AI.
