A Technical Taxonomy of LLM Agent Communication Protocols
Este estudio presenta una taxonomía técnica de los protocolos de comunicación de agentes de LLM basada en un análisis de cinco dimensiones de nueve sistemas de código abierto, revelando los patrones arquitectónicos actuales y prediciendo una evolución futura hacia una pila de protocolos federada y por capas en lugar de un único estándar universal.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina un mundo donde la inteligencia artificial ya no es una mente única y solitaria que responde preguntas, sino una bulliciosa sociedad de trabajadores especializados. Algunos de estos trabajadores digitales son expertos en encontrar información, otros en escribir código y otros en elaborar planes complejos. Para resolver un problema difícil, deben hablar entre sí, compartir sus hallazgos y coordinar sus acciones. Esto es la promesa de los sistemas multi-agente: un grupo de programas inteligentes trabajando juntos para lograr lo que ninguno podría hacer solo. Sin embargo, para que esta sociedad funcione, estos trabajadores digitales necesitan un lenguaje común. Así como los humanos necesitamos ponernos de acuerdo en la gramática y el vocabulario para mantener una conversación, estos agentes de software necesitan un conjunto de reglas acordadas para intercambiar información. Sin estas reglas, un trabajador construido por una empresa podría no ser capaz de entender a un trabajador construido por otra, quedando aislados en sus propios silos.
Un equipo de investigadores de la Universidad Técnica de Múnich se ha adentrado en este campo emergente para mapear el panorama actual de estas reglas de comunicación. Se propusieron comprender cómo diferentes sistemas intentan actualmente conectar a estos agentes digitales. Los investigadores no inventaron un nuevo lenguaje; en su lugar, actuaron como cartógrafos, trazando un mapa detallado de los nueve protocolos de comunicación más activos y abiertos que están siendo utilizados y desarrollados actualmente por la comunidad. Al examinar de cerca estos nueve sistemas, crearon una nueva forma de clasificarlos, revelando que, si bien hay mucha actividad, el campo está fragmentado y se mueve hacia una estructura futura específica.
Los investigadores comenzaron seleccionando nueve protocolos específicos que estaban siendo mantenidos activamente y que estaban disponibles de forma abierta. Buscaron sistemas diseñados para permitir que los agentes hablaran con otros agentes, así como sistemas diseñados para que los agentes hablaran con herramientas, bases de datos u otros servicios externos. Luego analizaron cada uno a través de cinco lentes específicos. Primero, observaron con quién hablaba el agente: ¿era con otro agente, con una herramienta o con ambos? Segundo, examinaron el contenido de los mensajes: ¿eran solo texto, solo datos estructurados como números y archivos, o una mezcla de ambos? Tercero, comprobaron si la conversación mantenía un recuerdo de lo que había sucedido antes, o si cada mensaje era tratado como un nuevo comienzo. Cuarto, investigaron cómo se encontraban los agentes en primer lugar: ¿necesitaban un directorio central para buscar direcciones, o podían encontrarse directamente? Finalmente, observaron la flexibilidad de las reglas de la conversación: ¿eran las reglas fijas como la piedra, podían los agentes elegir entre algunas opciones, o podían inventar nuevas reglas mientras hablaban?
El análisis reveló un patrón claro en cómo se construyen estos sistemas. Cada protocolo diseñado para que los agentes hablen con otros agentes soporta un "estado de sesión", lo que significa que la conversación recuerda su historial, lo cual es esencial para tareas complejas y de múltiples pasos. Ninguno de estos sistemas de agente a agente depende únicamente de texto simple; todos manejan una mezcla de conversación y datos estructurados. Los investigadores también encontraron una fuerte tendencia hacia la flexibilidad. La mayoría de los protocolos permiten a los agentes elegir entre varias formas predefinidas para estructurar sus mensajes, y dos de los protocolos van más allá, permitiendo que los agentes negocien y cambien la estructura de su conversación mientras esta ocurre. Esto sugiere que, a medida que estos sistemas se vuelven más avanzados, la capacidad de adaptar las reglas sobre la marcha se está convirtiendo en un requisito estándar.
Sin embargo, el estudio también destacó una brecha significativa. Mientras que muchos protocolos permiten que los agentes hablen entre sí o con herramientas, muy pocos admiten una forma verdaderamente descentralizada para que los agentes se encuentren unos con otros. La mayoría depende de un registro central o una dirección fija, de forma muy similar a una guía telefónica o una lista de contactos preescrita. Esta centralización podría convertirse en un cuello de botella si el número de agentes crece a la escala de internet. Los investigadores señalaron que solo uno de los nueve protocolos estudiados ofrecía un método completamente descentralizado para el descubrimiento, donde los agentes se encuentran sin una autoridad central.
El hallazgo más importante del estudio es una predicción sobre el futuro de esta tecnología. Los investigadores argumentan que es poco probable que surja un único protocolo de propósito general capaz de gobernarlo todo, capaz de manejar desde llamadas a herramientas simples hasta debates complejos y prolongados. En su lugar, sugieren que el campo se mueve hacia un sistema de capas, similar a cómo está construida la propia internet. En este futuro, diferentes protocolos manejarían diferentes capas de comunicación. Algunos serían ligeros y rígidos, perfectos para pedir rápidamente a una herramienta que realice una tarea simple. Otros serían flexibles y ricos en memoria, diseñados para las conversaciones complejas y evolutivas entre múltiples agentes. Este enfoque por capas permitiría que el "Internet de los Agentes" sea tanto eficiente como versátil, utilizando la herramienta adecuada para el trabajo adecuado en cada nivel de interacción.
El estudio concluye señalando una pieza faltante en el rompecabezas actual: la privacidad y la seguridad. Ninguno de los nueve protocolos examinados incluía mecanismos integrados para hacer cumplir reglas estrictas de privacidad o para verificar si un agente tiene permitido realizar una acción específica. A medida que estos sistemas se trasladan a aplicaciones del mundo real como la salud o las finanzas, los investigadores sugieren que se necesitará una nueva capa de gobernanza para garantizar que estas conversaciones digitales sigan siendo seguras y cumplan con las leyes. Por ahora, el campo se encuentra en un periodo de rápida experimentación, pero el camino a seguir parece claro: un ecosistema de protocolos diverso y por capas que trabajen juntos, en lugar de un único estándar que intente hacerlo todo.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.