증거 합성(Evidence synthesis)은 1차 연구를 과학, 의학, 교육 및 정책 분야의 신뢰할 수 있는 지식으로 전환하는 데 매우 중요합니다. 그러나 정량적 증거 합성은 여전히 대부분 수동적이며 확장하기 어렵습니다. 본 논문에서는 자동 메타 분석을 위한 종단 간(end-to-end) 다중 에이전트 시스템인 AutoSynthesis를 소개합니다. 자연어 형태의 연구 질문이 주어지면, AutoSynthesis는 검색 전략을 공식화하고, 과학 문헌을 검색하며, 후보 연구들을 선별하고, 전문(full-text) 적격성을 평가하며, 정량적 통계치를 추출하고, 표준화된 효과 크기(standardized effect sizes)를 계산한 후, 최종적으로 무작위 효과 메타 분석(random-effects meta-analysis)을 수행합니다. AutoSynthesis는 또한 효과 크기가 조절 변수(moderators)에 따라 어떻게 달라지는지 검토하기 위한 이질성 분석(heterogeneity analysis)과 편향 위험 평가(risk-of-bias assessment)를 지원합니다. 출력물로, AutoSynthesis는 PRISMA 가이드라인에 맞춰진 투명한 보고서를 생성합니다. 저희의 적용 사례에서, AutoSynthesis는 28개 이상의 연구를 선별하고 20개 이상의 정량적 주장을 추출했습니다. AutoSynthesis가 산출한 통합 효과 추정치(pooled effect estimates)는 전문가가 수행한 메타 분석의 Hedges' $g$와 유사하여 수동적인 증거 합성과의 높은 일치도를 보여줍니다. 종합적으로, 이러한 결과들은 AutoSynthesis가 정량적 증거 합성을 더욱 확장 가능하게 만들 수 있으며, 이를 통해 학문 전반에 걸쳐 근거 기반 의사결정(evidence-based decision-making)을 지원할 수 있음을 보여줍니다.