En la investigación científica, la automatización de tareas y flujos de trabajo es una necesidad cada vez más urgente. Con la creciente cantidad de datos y la complejidad de los problemas a resolver, los investigadores necesitan herramientas que les permitan trabajar de manera más eficiente y efectiva. En este sentido, los sistemas de agentes multi-agente han demostrado ser una herramienta valiosa para automatizar tareas y flujos de trabajo en investigación científica.
Sin embargo, estos sistemas todavía se ven limitados por flujos de trabajo fijos y herramientas que no pueden adaptarse a tareas y entornos en constante cambio. Esto es donde entra en juego Mimosa, un marco de trabajo evolutivo que permite a los sistemas de investigación científica adaptarse a tareas y entornos en constante cambio.
Mimosa utiliza una arquitectura de agentes multi-agente para automatizar la generación de flujos de trabajo y refinarlos en función de la retroalimentación experimental. El marco se basa en el protocolo de contexto de modelo (MCP) para la descubierta dinámica de herramientas, y genera topologías de flujo de trabajo a través de un meta-orchestrador. Luego, ejecuta subtareas a través de agentes generadores de código que invocan herramientas y bibliotecas de software científico disponibles, y evalúa las ejecuciones con un juez basado en modelos de lenguaje de gran escala.
Los resultados obtenidos por Mimosa en el ScienceAgentBench muestran que el marco alcanza un índice de éxito del 43,1% con DeepSeek-V3.2, superando tanto las líneas bases de agentes únicos como las configuraciones de agentes multi-agente estáticas. Además, los resultados revelan que los modelos responden de manera heterogénea a la descomposición de tareas y el aprendizaje iterativo, lo que sugiere que los beneficios de la evolución de flujos de trabajo dependen de las capacidades del modelo de ejecución subyacente.
Lo que hace que Mimosa sea especialmente interesante es su arquitectura modular y su diseño herramienta-agnostic, lo que lo hace fácilmente extensible. Además, las trazas de ejecución completas y los flujos de trabajo archivados del marco apoyan la auditoría al preservar cada paso analítico para su inspección y potencial replicación. Sin duda, Mimosa tiene el potencial de automatizar una amplia gama de tareas científicas accesibles computacionalmente en diversas disciplinas.
Como plataforma de código abierto completa, Mimosa se ofrece como una base abierta para la investigación comunitaria en ASR (Investigación Científica Autónoma). Es de esperar que esta plataforma abierta permita a los investigadores y la comunidad científica contribuir y mejorar continuamente el marco, lo que lo hará cada vez más eficiente y efectivo en la automatización de tareas y flujos de trabajo en investigación científica.
En resumen, Mimosa representa un avance significativo en la investigación de ASR y ofrece una oportunidad para que los investigadores y la comunidad científica contribuyan a la automatización de tareas y flujos de trabajo en investigación científica. Con su arquitectura modular y su diseño herramienta-agnostic, Mimosa tiene el potencial de automatizar una amplia gama de tareas científicas accesibles computacionalmente en diversas disciplinas.
Tags: ASR, sistemas de agentes multi-agente, investigación científica, automatización, flujos de trabajo, modelos de lenguaje de gran escala, código abierto, comunidad científica.
