ROMA

ROMA は各タスクをノードとして表す。ノードは直接実行するか、サブタスクに分かれるか、子の成果をまとめる。同じ判断ロジックが各階層で回るため、ツリーは問題が求めるだけ深くなる。この再帰的エージェントの構造が中心の考え方であり、一つのフレームワークで単純な問いも数十の部品を持つ仕事も扱える理由だ。

Atomizer は、そのタスクが直接解けるほど小さいかを判断する。Planner は残りを順序付きのサブタスクに割る。Executor は最小単位を一つずつ解き、必要ならツールを呼ぶ。Aggregator は子の結果を、生の寄せ集めではなく親タスクへの答えとしてまとめる。任意の Verifier が、渡す前に最終回答を元の目標と照らして確かめる。

各ノードは入力と出力を記録するので、実行全体を後から検証できる。推論がどう展開し、どのプロンプトがずれ、どのエージェントが弱い結果を出したかが見える。このトレースがあるからデバッグとプロンプト調整が実用的になり、内部の段を隠すフレームワークとの一番の違いになる。

各ノードは別々のモデル、プロバイダー、戦略で動かせる。ツールを足したりエージェントを差し替えたりしても、ツリーの残りには触れない。キットはファイル、電卓、E2B 経由のコード実行、Web 検索、暗号資産データ、あらゆる MCP サーバーを網羅する。DSPy の予測戦略は、chain-of-thought から ReAct、CodeAct まで選択肢として用意されている。

二つの兄弟サブタスクが互いに依存しないとき、ROMA は同時に走らせる。大きな仕事の速度が保たれる。このエージェント連携は、任意のノードで人が割り込み、事実の確認や文脈の追加、計画の承認をしてから続行することも許す。

Sentient はこのフレームワーク上に ROMA Search を作り、SEAL-0 で測った。SEAL-0 は SEALQA ベンチマークの中でも難しく、複数ソースの推論を試す部分だ。Sentient によれば、45.6% の正解率を出し、Kimi Researcher の 36% を上回り、Gemini 2.5 Pro の 19.8% の二倍以上だった。公開当時、最先端の位置に立った。

クイックスタートはデータベースなしで動く。試すには向いている。実際の配備では、Docker 構成が PostgreSQL の永続化とチェックポイント、対話的なドキュメント付きの FastAPI サーバー、実験を追う MLflow、大きな出力を置く S3 互換ストレージを足す。