本論文では、マルチエージェントシステムにおける効率的な協力のための新しいルーティングフレームワーク、STRMACを提案します。このシステムは、大規模言語モデルに基づくエージェントが専門知識を統合し、柔軟に協力して複雑なタスクに取り組むことを可能にしますが、従来のエージェントスケジューリングや協調戦略の非効率性が問題でした。STRMACは、エージェントの知識と相互作用の履歴を個別にエンコードし、各ステップで最適なエージェントを選択することで、効率的で効果的な協力を実現します。また、高品質な実行パスを迅速に収集する自己進化型のデータ生成アプローチも紹介しており、実験では従来手法に比べて性能が最大23.8%向上し、データ収集の負担を90.1%削減することに成功しました。