연구진은 복잡한 이미지 생성 및 편집 작업을 위해 여러 도구를 오케스트레이션하는 CanvasAgent를 소개했어요. CanvasCraft라는 대규모 멀티모달 도구 사용 데이터셋을 구축하고, SFT와 GRPO를 활용해 시각 도구를 조작하는 멀티모달 에이전트를 학습했어요. CanvasAgent는 중간 결과를 검사하고 시각적 자산을 추적하며, 변화하는 시각 상태에 맞춰 도구 결정을 조정하여 최종 이미지 품질과 경로 행동 모두에서 효과를 입증했어요.