大規模言語モデル（LLM）を用いたエージェントは、複雑な現実世界のタスクを完遂するために外部ツールへの依存を深めています。しかし、暗黙的な推論の限界と実行環境の変動性により、信頼性の高いツール利用の計画立案は依然として課題となっています。既存のツール利用エージェントは、テキスト記述からツールの組み合わせをLLMに推論させることが多く、複雑なタスクにおいて非効率な探索と不安定な実行につながる可能性があります。 これらの課題に対処するため、HyperAgentではツール関係をスキーマレベルでモデル化し、有向グラフ構造のツール・スキーマ超グラフを構築します。このグラフでは、ツールは必要な入力スキーマノードから出力スキーマノードへの超辺として表現されます。提案されたHyperAgentフレームワークは、このツール・スキーマ超グラフに基づいて動的な計画立案と実行を実現します。タスク実行時、まずタスク関連のツールコンテキストグラフを抽出し、これを用いてスキーマ認識型のタスクDAGを構築します。 実行フェーズでは、HyperAgentは欠損指向型の拡張を通じて状態条件付きツール支援グラフを動的に構成し、未解決な要件を特定して現在のエージェント状態に応じた適切なプロデューサーツールを取得します。AppWorldでの実験結果によると、HyperAgentは既存のエージェントベースラインと比較して、タスク完了性能を向上させると同時に、冗長なAPI呼び出し、LLM相互作用、トークン消費を削減することが示されています。