面向图算法推理的 GDS 智能体

大语言模型（LLM）在多模态信息处理和推理方面显示出惊人的能力。当通过函数调用工具并结合检索增强技术时，复合型基于 LLM 的系统能够访问封闭数据源并回答关于它们的问题。然而，它们仍然在处理和推理大规模图结构数据方面存在挑战。本技术报告引入了 GDS（Graph Data Science）智能体。GDS 智能体引入了一套完整的图算法工具，以及在模型上下文协议（MCP）服务器中对算法结果的预处理（检索）和后处理。该服务器可即插即用地与任何现代 LLM 配合使用。GDS 智能体允许用户提出任何需要就其数据进行图算法推理的隐式且内在要求的问题，并快速获得准确且有依据的答案。我们引入新的基准测试，评估中间工具调用以及最终响应。结果表明，GDS 智能体能够解决广泛范围的图任务。我们还提供了针对更开放性任务和困难情境的详细案例研究。最后，我们讨论了剩余挑战及未来路线图。