連合学習（Federated Learning、FL）は分散データでモデルを学習するための強力なパラダイムですが、その実現は複雑なシステム設計と導入によってしばしば妨げられています。本研究では、Helmsmanという新しいマルチエージェントシステムを提案し、高レベルなユーザー仕様から連合学習システムのエンドツーエンド合成を自動化します。Helmsmanは、(1) ヒューマンインザループによる計画の策定、(2) 監視下でのモジュールコード生成、(3) 自律的な評価と改良を行う閉loopフィードバックを通じて、原則に基づいた研究開発ワークフローを模倣します。また、評価を補助するために、16の多様なタスクからなる新しいベンチマーク「AgentFL-Bench」を導入しました。このアプローチは、従来の手作りの基準と比較して競争力のある、またはしばしば優れた解決策を生成することが実証され、複雑な分散型AIシステムの自動エンジニアリングに向けた重要なステップを示しています。