A multi-agent architecture for multimodal fashion recommendation

Abstract

Este trabalho investiga os desafios da recomendação personalizada de moda em ambientes digitais, com foco na consistência semântica, interpretabilidade e represen tação estruturada do estilo do usuário. Abordagens tradicionais baseadas em arquite turas monolíticas de modelos de linguagem tendem a sofrer com diluição de contexto e baixa transparência ao processar informações multimodais e históricos complexos de interação. Como alternativa, é proposta uma arquitetura hierárquica multiagente, na qual agentes especializados realizam, de forma desacoplada, a análise visual, a modelagem do perfil do usuário e a síntese da recomendação. A orquestração entre os agentes é inspirada em princípios do Model Context Protocol (MCP), visando maior controle sobre o fluxo de contexto e o processo de raciocínio. A avaliação experimen tal foi conduzida por meio de uma comparação direta com uma abordagem monolítica, utilizando o conjunto de dados FashionRec. Os resultados foram analisados com base em métricas de similaridade semântica (Sentence-BERT) e em uma avaliação qualita tiva baseada no paradigma LLM-as-a-Judge. Os experimentos indicam que a arquite tura hierárquica apresenta maior consistência de personalização, estabilidade semân tica e clareza explicativa nas recomendações. Embora a decomposição do raciocínio implique maior custo computacional, os resultados demonstram que a separação fun cional entre agentes reduz efeitos de perda de contexto e favorece recomendações mais sensíveis ao estilo em uma abordagem promissora para obtenção de sistemas de recomendação de moda mais interpretáveis, coerentes e adaptativos.

This work investigates the challenges of personalized fashion recommendation in digital environments, with emphasis on semantic consistency, interpretability, and struc tured representation of user style. Traditional approaches based on monolithic lan guage model architectures often suffer from context dilution and limited transparency when handling multimodal inputs and complex interaction histories. As an alternative, this study proposes a hierarchical multi-agent architecture in which specialized agents independently perform visual analysis, user profile modeling, and recommendation syn thesis. Agent orchestration is inspired by principles of the Model Context Protocol (MCP), aiming to provide explicit control over context flow and reasoning processes. The experimental evaluation was conducted through a direct comparison with a mono lithic approach using the FashionRec dataset. Results were analyzed using semantic similarity metrics based on Sentence-BERT and a qualitative assessment grounded in the LLM-as-a-Judge paradigm. The experiments indicate that the hierarchical ar chitecture achieves higher personalization consistency, greater semantic stability, and improved explanatory clarity in recommendations. Although reasoning decomposition incurs higher computational cost, the results demonstrate that functional separation among agents mitigates context loss and supports style-sensitive recommendations, constituting a promising approach for the development of more interpretable, coherent, and adaptive fashion recommendation systems.