LumiMAS：用于多智能体系统实时监控与增强可观测性的综合框架
密码学与安全
2026-03-02 v2 人工智能
摘要
将大型语言模型（LLMs）集成到多智能体系统（multi-agent systems, MASs）中，具有显著提升我们自主解决复杂问题能力的潜力。然而，这些系统引入了在监控、解释和检测系统故障方面独有的挑战。大多数现有MAS可观测性框架专注于单独分析每个智能体，忽略了整个MAS相关的故障。为弥合这一差距，我们提出LumiMAS，一个集成了先进分析和监控技术的新型MAS可观测性框架。该框架由三个关键组件构成：监控和记录层、异常检测层和异常解释层。LumiMAS的第一层监控MAS的执行过程，创建智能体活动的详细日志。这些日志作为异常检测层的输入，用于实时检测MAS工作流程中的异常。随后，异常解释层对检测到的异常进行分类和根本原因分析（root cause analysis, RCA）。我们在七个不同的MAS应用上对LumiMAS进行了评估，这些应用使用两种流行的MAS平台实现，并涵盖多样化的可能故障。这些应用包括两个新颖的、针对故障的应用，说明了幻觉或偏见对MAS的影响。评估结果表明，LumiMAS在故障检测、分类和RCA方面效果显著。
引用
@article{arxiv.2508.12412,
title = {LumiMAS: A Comprehensive Framework for Real-Time Monitoring and Enhanced Observability in Multi-Agent Systems},
author = {Ron Solomon and Yarin Yerushalmi Levi and Lior Vaknin and Eran Aizikovich and Amit Baras and Etai Ohana and Amit Giloni and Shamik Bose and Chiara Picardi and Yuval Elovici and Asaf Shabtai},
journal= {arXiv preprint arXiv:2508.12412},
year = {2026}
}