该研究重新定义了企业团队的 Agentic AI，将重点从模型选择转移到架构决策。这包括考虑诸如训练预算分配、模块化保持以及成本、灵活性和风险之间的权衡等因素。研究人员在 Agentic AI 领域中确定了两个主要维度：Agent 适应和工具适应。Agent 适应涉及通过更新其内部参数或策略来修改支持 Agentic 系统的基础模型。

Agentic AI 的快速增长导致工具和框架的激增，使开发人员难以确定最适合其特定需求的选项。Agentic AI 指的是能够自主行动以实现特定目标的人工智能系统。这些系统通常将大型语言模型与规划、记忆和工具使用能力相结合。

该框架有望为开发人员提供清晰的思路和方向，使他们能够就 Agentic AI 系统的设计和实施做出更明智的决策。通过根据框架的优势和劣势对其进行分类，研究人员希望简化开发流程并加速 Agentic AI 在各个行业的采用。研究人员认为，了解 Agent 和工具适应之间的权衡对于优化 Agentic AI 系统的性能和效率至关重要。