エンタープライズAIエージェントは、大規模なスキルライブラリからサブタスクを適切なツールにルーティングするのに苦労しています。新しいフレームワークであるSkillWeaverは、実行グラフを作成し、各タスクノードに適切なスキルを選択することで、この問題に対処します。これは、ツール選択を繰り返し改善するフィードバックループであるSkill-Aware Decomposition（SAD）を導入します。この構成的なアプローチとフィードバックメカニズムは、ワンショットのツールルーティングフレームワークとは異なります。SkillWeaverは、マルチステップのビジネスオペレーションのためにエコシステムをオーケストレーションするAIエージェントに関連しています。実験により、SkillWeaverは精度を大幅に向上させ、トークン消費を99％以上削減することが示されています。タスク分解の粒度が、正確なツール取得の主なボトルネックであることが特定されています。現在のツール使用フレームワークは、複数のスキルを必要とする複雑で構成的な現実世界のクエリではしばしば失敗します。SkillWeaverの3つのステージ、Decompose、Retrieve、Composeは、クエリを分解し、候補ツールを特定し、実行を計画します。SADは、取得したスキルをLLMにフィードバックして、より良い語彙と粒度の整合性を実現することで、分解を強化します。この反復的なアプローチ、特にSADは、特に複雑なタスクにおいて、分解精度を劇的に向上させます。SkillWeaverの取得およびルーティング戦略は、ツールライブラリ全体を一度に公開する場合と比較して、トークン使用量を大幅に削減します。開発者は、既存のライブラリを使用してSADおよび取得コンポーネントを実装できますが、本番環境ではエラー回復メカニズムを別途構築する必要があります。