การใช้งานเครื่องมือภายนอก (Tool-use) ของ LLM Agents ในปัจจุบันยังคงเผชิญความท้าทายด้านความน่าเชื่อถือ เนื่องจากการวางแผนที่อาศัยเพียงความเข้าใจข้อความมักนำไปสู่การทำงานที่ไร้ประสิทธิภาพหรืองานล้มเหลวในสภาพแวดล้อมที่ซับซ้อน งานวิจัยนี้จึงนำเสนอการจำลองความสัมพันธ์ของเครื่องมือในระดับ Schema โดยสร้างเป็น Tool-Schema Hypergraph ซึ่งแทนค่าเครื่องมือเป็น Hyperedge เชื่อมต่อระหว่างข้อมูลนำเข้า (Input-schema) และผลลัพธ์ (Output-schema)
เฟรมเวิร์ก HyperAgent จะใช้กราฟความสัมพันธ์นี้ในการสร้าง Task DAG ที่สอดคล้องกับงานที่ได้รับ และมีการขยายกราฟแบบ dynamic ในระหว่างการทำงานจริงเพื่อระบุความต้องการที่ยังไม่ได้รับการตอบสนองและเรียกใช้เครื่องมือที่เหมาะสมตามสถานะของ Agent ในขณะนั้น ผลการทดสอบบน AppWorld แสดงให้เห็นว่า HyperAgent สามารถทำภารกิจสำเร็จได้มากขึ้นในขณะที่ลดจำนวนการเรียก API และการใช้ Token ลงได้อย่างมีนัยสำคัญ
