A Technical Taxonomy of LLM Agent Communication Protocols
Diese Studie präsentiert eine technische Taxonomie der Kommunikationsprotokolle für LLM-Agenten auf Basis einer fünfdimensionalen Analyse von neun Open-Source-Systemen, die aktuelle Architekturmuster aufzeigt und eine zukünftige Entwicklung hin zu einem föderierten, geschichteten Protokollstapel anstelle eines einzelnen universellen Standards vorhersagt.
Originalarbeit lizenziert unter CC BY 4.0 (https://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 Welt vor, in der künstliche Intelligenz nicht länger ein einzelner, einsamer Geist ist, der Fragen beantwortet, sondern eine geschäftige Gesellschaft spezialisierter Arbeiter. Einige dieser digitalen Arbeiter sind Experten darin, Informationen zu finden, andere im Schreiben von Code und andere in der Erstellung komplexer Pläne. Um ein schwieriges Problem zu lösen, müssen sie miteinander kommunizieren, ihre Erkenntnisse teilen und ihre Handlungen koordinieren. Dies ist das Versprechen von Multi-Agenten-Systemen: eine Gruppe intelligenter Programme, die zusammenarbeiten, um das zu erreichen, was keiner von ihnen allein leisten könnte. Damit diese Gesellschaft jedoch funktionieren kann, benötigen diese digitalen Arbeiter eine gemeinsame Sprache. So wie Menschen Grammatik und Vokabular vereinbaren müssen, um eine Konversation zu führen, benötigen auch diese Software-Agenten einen Satz vereinbarter Regeln, um Informationen auszutauschen. Ohne diese Regeln könnte ein Arbeiter, der von einem Unternehmen gebaut wurde, einen Arbeiter, der von einem anderen Unternehmen gebaut wurde, nicht verstehen, was sie in ihren eigenen Silos isoliert ließe.
Ein Team von Forschern an der Technischen Universität München ist in dieses aufstrebende Feld eingestiegen, um die aktuelle Landschaft dieser Kommunikationsregeln abzubilden. Sie gingen vor, um zu verstehen, wie verschiedene Systeme derzeit versuchen, diese digitalen Agenten miteinander zu verbinden. Die Forscher haben keine neue Sprache erfunden; stattdessen agierten sie als Kartografen, die eine detaillierte Karte der neun aktivsten und offensten Kommunikationsprotokolle zeichneten, die derzeit von der Gemeinschaft verwendet und entwickelt werden. Durch die genaue Untersuchung dieser neun Systeme erstellten sie eine neue Art der Klassifizierung, die aufzeigte, dass das Feld zwar sehr aktiv ist, aber immer noch fragmentiert ist und sich auf eine spezifische zukünftige Struktur zubewegt.
Die Forscher begannen damit, neun spezifische Protokolle auszuwählen, die aktiv gepflegt wurden und öffentlich verfügbar waren. Sie betrachteten Systeme, die darauf ausgelegt sind, dass Agenten mit anderen Agenten sprechen, sowie Systeme, die darauf ausgelegt sind, dass Agenten mit Werkzeugen, Datenbanken oder anderen externen Diensten kommunizieren. Sie analysierten jedes dieser Systeme anschließend durch fünf spezifische Blickwinkel. Erstens untersuchten sie, mit wem der Agent sprach: war es ein anderer Agent, ein Werkzeug oder beides? Zweitens untersuchten sie den Inhalt der Nachrichten: handelte es sich nur um Text, nur um strukturierte Daten wie Zahlen und Dateien oder um eine Mischung aus beidem? Drittens prüften sie, ob die Konversation eine Erinnerung an das Geschehene behielt oder ob jede Nachricht als ein völlig neuer Anfang behandelt wurde. Viertens untersuchten sie, wie die Agenten sich überhaupt fanden: benötigten sie ein zentrales Verzeichnis, um Adressen nachzuschlagen, oder konnten sie einander direkt finden? Schließlich betrachteten sie die Flexibilität der Konversationsregeln: Waren die Regeln in Stein gemeißelt, konnten die Agenten aus einigen Optionen wählen oder konnten sie während des Gesprächs neue Regeln erfinden?
Die Analyse zeigte ein klares Muster in der Art und Weise, wie diese Systeme aufgebaut sind. Jedes Protokoll, das für die Kommunikation von Agenten untereinander konzipiert wurde, unterstützt einen „Session-Status“ (Sitzungszustand), was bedeutet, dass die Konversation ihre Historie speichert, was für komplexe, mehrstufige Aufgaben unerlässlich ist. Keines dieser Agent-zu-Agent-Systeme stützt sich ausschließlich auf einfachen Text; sie alle handhaben eine Mischung aus Konversation und strukturierten Daten. Die Forscher fanden auch einen starken Trend zur Flexibilität. Die meisten Protokolle erlauben es den Agenten, aus mehreren vordefinierten Möglichkeiten zu wählen, wie sie ihre Nachrichten strukturieren, und zwei der Protokolle gehen sogar noch weiter, indem sie es den Agenten ermöglichen, die Struktur ihrer Konversation während des laufenden Prozesses zu verhandeln und zu ändern. Dies deutet darauf hin, dass mit zunehmender Komplexität dieser Systeme die Fähigkeit, die Regeln im laufenden Betrieb anzupassen, zu einer Standardanforderung wird.
Die Studie hob jedoch eine signifikante Lücke hervor. Während viele Protokolle es ermöglichen, dass Agenten miteinander oder mit Werkzeugen sprechen, unterstützen sehr wenige eine wirklich dezentrale Art und Weise, wie Agenten einander finden können. Die meisten verlassen sich auf ein zentrales Register oder eine feste Adresse, ähnlich wie ein Telefonbuch oder eine vorgefertigte Kontaktliste. Diese Zentralisierung könnte zu einem Engpass werden, wenn die Anzahl der Agenten die Größenordnung des Internets erreicht. Die Forsters stellten fest, dass nur eines der neun untersuchten Protokolle eine vollständig dezentrale Methode zur Entdeckung anbot, bei der Agenten einander ohne eine zentrale Instanz finden.
Die wichtigste Erkenntnis der Studie ist eine Vorhersage über die Zukunft dieser Technologie. Die Forscher argumentieren, dass es unwahrscheinlich ist, dass ein einziges, universell einsetzbares Protokoll entstehen wird, das alles beherrscht – von einfachen Werkzeugaufrufen bis hin zu komplexen, langen Debatten. Stattdessen schlagen sie vor, dass sich das Feld zu einem geschichteten System entwickelt, ähnlich dem Aufbau des Internets selbst. In dieser Zukunft würden verschiedene Protokolle verschiedene Ebenen der Kommunikation handhaben. Einige wären leichtgewichtig und starr, perfekt, um ein Werkzeug schnell um eine einfache Aufgabe zu bitten. Andere wären flexibel und reich an Gedächtnis, konzipiert für die komplexen, sich entwickelnden Gespräche zwischen mehreren Agenten. Dieser geschichtete Ansatz würde es dem „Internet der Agenten“ ermöglichen, sowohl effizient als auch vielseitig zu sein, indem auf jeder Ebene der Interaktion das richtige Werkzeug für die richtige Aufgabe verwendet wird.
Die Studie schließt mit dem Hinweis auf ein fehlendes Puzzleteil in der aktuellen Situation: Privatsphäre und Sicherheit. Keines der neun untersuchten Protokolle enthielt eingebaute Mechanismen, um strikte Datenschutzregeln durchzusetzen oder zu prüfen, ob ein Agent berechtigt ist, eine bestimmte Aktion auszuführen. Da diese Systeme in reale Anwendungen wie das Gesundheitswesen oder das Finanzwesen übergehen, schlagen die Forscher vor, dass eine neue Ebene der Governance erforderlich sein wird, um sicherzustellen, dass diese digitalen Gespräche sicher und gesetzeskonform bleiben. Vorerst befindet sich das Feld in einer Phase der schnellen Experimentierfreudigkeit, aber der Weg nach vorne scheint klar zu sein: ein vielfältiges, geschichtetes Ökosystem von Protokollen, die zusammenarbeiten, anstatt ein einziger Standard, der versucht, alles zu erledigen.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.