Mimosa: Dynamisches Multi-Agenten-Framework für autonome Forschung

Das neue Mimosa-Framework setzt einen Meilenstein in der autonomen wissenschaftlichen Forschung. Durch die Kombination von großen Sprachmodellen (LLMs) und einer Agentenarchitektur schafft es Mimosa, Aufgaben‑spezifische Multi‑Agenten‑Workflows automatisch zu generieren und kontinuierlich zu optimieren. Dabei nutzt es das Model Context Protocol (MCP) für die dynamische Entdeckung von Werkzeugen und Bibliotheken, einen Meta‑Orchestrator zur Topologie‑Erstellung sowie Code‑generierende Agenten, die die jeweiligen Subtasks ausführen.

Ein zentraler Bestandteil ist der LLM‑basierte „Judge“, der jede Ausführung bewertet und Feedback liefert, das die Workflow‑Struktur iterativ verbessert. Auf dem Benchmark ScienceAgentBench erzielte Mimosa mit DeepSeek‑V3.2 eine Erfolgsquote von 43,1 %, was sowohl einzelne Agenten als auch statische Multi‑Agenten‑Konfigurationen deutlich übertrifft. Die Ergebnisse zeigen, dass die Vorteile der Workflow‑Evolution stark von den Fähigkeiten des zugrunde liegenden Modells abhängen.

Dank seiner modularen, tool‑agnostischen Architektur lässt sich Mimosa leicht erweitern und an neue wissenschaftliche Domänen anpassen. Alle Ausführungsschritte werden vollständig protokolliert, sodass die Analyse und Reproduzierbarkeit der Ergebnisse jederzeit gewährleistet sind. Mit dieser Transparenz und Flexibilität bietet Mimosa ein leistungsfähiges Werkzeug, um eine breite Palette von rechnerisch zugänglichen Forschungsaufgaben zu automatisieren und damit die Effizienz wissenschaftlicher Projekte nachhaltig zu steigern.