A Technical Taxonomy of LLM Agent Communication Protocols
Dieses Paper etabliert eine technische Taxonomie mit fünf Dimensionen, um neun Open-Source-LLM-Agenten-Kommunikationsprotokolle zu klassifizieren und zu analysieren, wobei es aktuelle Architekturmuster aufzeigt und eine zukünftige Entwicklung hin zu einem föderierten, geschichteten Protokollstapel anstelle eines einzigen universellen Standards vorhersagt.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine geschäftige Stadt vor, in der jeder ein brillanter, hyperintelligenter Roboter (ein „LLM-Agent“) ist. Diese Roboter können komplexe Probleme lösen, Code schreiben und Reisen planen. Aber hier ist der Haken: Sie alle sprechen verschiedene Sprachen und nutzen unterschiedliche Regelwerke. Ein Roboter versucht vielleicht, eine Nachricht über einen Postdienst zu versenden, während ein anderer versucht, durch ein Megafon zu rufen, und ein dritter versucht, eine Textnachricht zu senden. Ohne eine gemeinsame Art zu kommunizieren, können sie nicht zusammenarbeiten, um etwas Großes zu bauen.
Dieses Paper ist wie ein Linguist und Stadtplaner, der kommt, um dieses Chaos zu ordnen. Die Autoren, Forscher der Technischen Universität München, haben eine „technische Taxonomie“ erstellt – was nur ein schicker Begriff für ein Klassifizierungssystem ist –, um die verschiedenen Arten zu sortieren, wie diese KI-Roboter versuchen, miteinander zu kommunizieren.
Hier ist die Aufschlüsselung ihrer Ergebnisse, unter Verwendung einfacher Analogien:
1. Das Problem: Ein Turmbau zu Babel
Im Moment werden viele verschiedene „Protokolle“ (Regeln für die Kommunikation) von verschiedenen Unternehmen und Forschern entwickelt. Es ist so, als würde jeder Automobilhersteller seine eigene einzigartige Art entscheiden, den Motor zu starten. Einige nutzen einen Schlüssel, manche einen Knopf und andere einen Sprachbefehl. Dies macht es schwierig, dass Autos verschiedener Marken gemeinsam in einem Konvoi fahren. Das Paper argumentt, dass KI-Roboter, um als Team (ein „Multi-Agent System“) zu arbeiten, eine standardisierte Art der Kommunikation benötigen.
2. Die Lösung: Eine 5-Punkte-Checkliste
Die Autoren haben neun aktive, reale Kommunikationsprotokolle (wie MCP, A2A und Agora) betrachtet und sie in ein System sortiert, das auf fünf Schlüsselfragen basiert. Denken Sie an dies als ein Menü, mit dem Sie einen Kommunikationsstil bestellen:
Mit wem sprechen Sie? (Gegenüber/Counterparty):
- Sprechen Sie mit einem anderen Roboter? (Agent-to-Agent)
- Sprechen Sie mit einem Werkzeug, einer Datenbank oder einer Website? (Agent-to-Context)
- Oder können Sie beides? (Hybrid)
- Analogie: Rufen Sie einen Freund an oder wählen Sie eine Kundenservice-Hotline?
Was senden Sie? (Nutzlast/Payload):
- Ist es nur eine Chat-Nachricht? (Konversation)
- Ist es eine strikte Datendatei, wie eine Tabellenkalkulation? (Strukturierte Daten)
- Oder ist es eine Mischung aus beidem? (Hybrid)
- Analogie: Versenden Sie eine Postkarte, einen Schiffscontainer oder eine Postkarte mit einem Paket dran?
Erinnern Sie sich an das Gespräch? (Interaktionszustand/Interaction State):
- Vergisst das System alles, nachdem die Nachricht gesendet wurde? (Zustandslos/Stateless)
- Oder hält es eine „Sitzung“ offen, sodass es sich merkt, was Sie vor fünf Minuten gesagt haben? (Sitzungszustand/Session State)
- Analogie: Ist dies ein Walkie-Talkie, bei dem man „Over“ sagen muss und dann wartet, oder ein Telefonat, bei dem die Leitung offen bleibt und man weiterreden kann?
Wie finden Sie einander? (Discovery-Mechanismus):
- Müssen Sie die exakte Telefonnummer im Voraus kennen? (Statisch)
- Gibt es ein zentrales Telefonbuch oder ein Verzeichnis, in dem Sie nachsehen können? (Zentralisiert)
- Oder rufen Sie einfach in die Menge hinein und hoffen, dass jemand Sie hört? (Dezentralisiert)
- Analogie: Haben Sie die Adresse eines Freundes, schauen Sie in einem Verzeichnis nach oder rufen Sie einfach „Hallo!“ in einem Park?
Können Sie die Regeln während des Gesprächs ändern? (Schema-Flexibilität):
- Ist das Format für immer festgelegt? (Einzeln)
- Können Sie zwischen einigen vordefinierten Formaten wählen? (Mehrfach)
- Können Sie während des Gesprächs eine neue Art der Kommunikation erfinden? (Evolvierend)
- Analogie: Ist das Spiel streng Schach, können Sie zwischen Schach oder Dame wählen oder können Sie während des Spiels neue Regeln erfinden?
3. Was sie herausgefunden haben: Das „Trilemma“ und die Zukunft
Nachdem sie die neun Protokolle sortiert hatten, bemerkten die Autoren einige interessante Muster:
- Die „Gedächtnis“-Regel: Fast jedes Protokoll, das für die Kommunikation von Robotern untereinander entwickelt wurde, hält eine „Sitzung“ (Gedächtnis) offen. Man kann keine gute Teamdebatte führen, wenn jeder vergisst, was vor zwei Sekunden gesagt wurde.
- Der „Hybrid“-Trend: Die meisten Protokolle werden zu „Hybriden“. Sie senden nicht nur Text, sondern Text und Datendateien.
- Das „Trilemma“ (Das unmögliche Dreieck): Die Autoren weisen auf einen Kompromiss hin. Man kann nicht alles gleichzeitig haben.
- Wenn Sie Geschwindigkeit und Effizienz wollen (wie einen strikten Datenaustausch), müssen Sie starr und einfach sein.
- Wenn Sie Flexibilität wollen (wie einen Roboter, der neue Wege der Kommunikation erfindet), verlieren Sie Geschwindigkeit und Effizienz.
- Analogie: Es ist wie der Versuch, ein Fahrzeug zu bauen, das gleichzeitig das schnellste Auto, das bequemste Sofa und der robusteste Offroader ist. Meistens muss man sich für zwei entscheiden.
4. Die große Vorhersage: Ein gestapelter Stack, kein einzelner Gewinner
Das Paper sagt voraus, dass wir nicht nur ein „Super-Protokoll“ enden werden, das alles perfekt macht. Das ist unmöglich, da die oben genannten Kompromisse bestehen.
Stattdessen wird die Zukunft wie das Internet selbst aussehen (das über Schichten wie physische Kabel, IP-Adressen und Webbrowser verfügt).
- Untere Schicht: Einfache, schnelle, starre Protokolle für das Finden von Werkzeugen und das Senden von Daten (wie MCP).
- Mittlere Schicht: Protokolle für das Management von Aufgaben und das Streaming von Daten zwischen Robotern.
- Obere Schicht: Flexible, „intelligente“ Protokolle, die es Robotern ermöglichen, komplexe Pläne auszuhandeln und Regeln im laufenden Betrieb zu ändern (wie Agora oder ANP).
5. Was fehlt?
Die Autoren stellten auch eine Lücke fest: Privatsphäre und Sicherheit. Die meisten dieser Protokolle sind gut darin, Daten zu bewegen, aber sie haben keine starken eingebauten Regeln dafür, ob die Daten privat sind oder ob die Roboter Sicherheitsrichtlinien einhalten. Wenn diese Roboter mächtiger werden, muss dies behoben werden.
Zusammenfassung
Kurz gesagt sagt dieses Paper: „KI-Roboter versuchen zu kommunizieren, aber sie sprechen verschiedene Dialekte. Wir haben eine Landkarte erstellt, um diese Dialekte zu verstehen. Wir haben festgestellt, dass einige Roboter gut im schnellen, starren Datenaustausch sind und andere gut in der flexiblen, kreativen Planung, aber kein einzelnes Robotersprachen-Protokoll kann alles perfekt machen. Die Zukunft ist nicht eine einzige riesige Sprache, sondern ein Stack aus verschiedenen Sprachen, die zusammenarbeiten – wie eine gut organisierte Stadt mit verschiedenen Straßen für verschiedene Arten von Verkehr.“
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.