大規模言語モデル（LLM）の急速な進展により、知能型エージェントは多様な外部ツールを活用して複雑な現実世界の問題を解決する能力を獲得しました。しかし、エージェントがますます多数のツールに依存するようになるにつれ、新たな課題に直面しています。異なる情報源から得られる長大なコンテキストや、ノイズ混じり、あるいは関連性のないツール出力は、システムの信頼性と精度を損なう要因となります。このような課題は、エージェントベースのシステムにおける安定性の向上が不可欠であることを示唆しています。本研究では、動的監視と動的調整メカニズムを導入し、AWorldフレームワーク内に堅牢かつ動的なマルチエージェントシステム（MAS）アーキテクチャを構築しました。本手法では、実行フェーズの重要な段階で実行エージェントが監視エージェントを起動し、推論プロセスの検証と修正を行うことで、ノイズに起因する誤りを効果的に低減し、問題解決の耐障害性を高めています。GAIAテストデータセットを用いた広範な実験の結果、本研究で提案する動的調整メカニズムは、解決の有効性と安定性の両面で顕著な向上をもたらし、単一エージェントシステム（SAS）および標準的なツール拡張型システムを上回ることが明らかになりました。その結果、本研究の動的MASシステムは、権威あるGAIAリーダーボードにおいて、オープンソースプロジェクトの中で首位を獲得しました。これらの成果は、協調的なエージェント役割がより信頼性の高い知能システムの構築に実用的な価値を持つことを示しています。