AgentXRay：通过工作流程重构实现代理系统的白盒化

大型语言模型在复杂问题解决方面显示出强大的能力，但许多代理系统由于内部工作流程不透明，仍难以解释和控制。虽然一些框架提供了用于协作的明确架构，但许多部署的代理系统对用户而言仍是黑盒子。我们通过引入代理工作流程重构（Agentic Workflow Reconstruction, AWR）来解决此问题，这是一种旨在仅通过输入输出访问，合成一个解释性强的替代工作流程以近似黑盒系统的新任务。我们提出了AgentXRay，一种基于搜索的框架，将AWR建模为链状工作流程空间中离散代理角色和工具调用的组合优化问题。与模型蒸馏不同，AgentXRay产生的可编辑白盒工作流程在不访问模型参数的情况下，通过一种可观测的、基于输出的代理指标匹配目标输出。为了导航庞大的搜索空间，AgentXRay采用由基于评分的红黑修剪机制增强的蒙特卡洛树搜索，该机制动态地将代理质量与搜索深度集成。跨越 diverse 领域的实验表明，AgentXRay在提高代理相似性方面取得了更好的结果，同时减少了token消耗，使其在固定迭代预算下能够进行更深入的工作流程探索。