A Technical Taxonomy of LLM Agent Communication Protocols
यह शोध पत्र नौ ओपन-सोर्स एलएलएम (LLM) एजेंट संचार प्रोटोकॉल को वर्गीकृत और विश्लेषण करने के लिए पांच आयामों के साथ एक तकनीकी वर्गीकरण (taxonomy) स्थापित करता है, जो वर्तमान वास्तुशिल्प पैटर्न (architectural patterns) को प्रकट करता है और एक एकल सार्वभौमिक मानक के बजाय एक संघीय, स्तरित प्रोटोकॉल स्टैक की ओर भविष्य के विकास की भविष्यवाणी करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक हलचल भरे शहर की कल्पना करें जहाँ हर कोई एक अत्यंत बुद्धिमान, अति-कुशल रोबोट (एक "LLM एजेंट") है। ये रोबोट जटिल समस्याओं को हल कर सकते हैं, कोड लिख सकते हैं और यात्रा की योजना बना सकते हैं। लेकिन यहाँ एक पेंच है: वे सभी अलग-अलग भाषाएँ बोलते हैं और अलग-अलग नियमपुस्तिकाएँ (rulebooks) उपयोग करते हैं। एक रोबोट डाक सेवा के माध्यम से संदेश भेजने की कोशिश कर सकता है, जबकि दूसरा मेगाफोन के माध्यम से चिल्लाने की कोशिश कर सकता है, और तीसरा टेक्स्ट मैसेज भेजने की कोशिश कर सकता है। बिना बातचीत के एक सामान्य तरीके के, वे कुछ भी बड़ा बनाने के लिए मिलकर काम नहीं कर सकते।
यह शोध पत्र एक भाषाविद् और शहरी योजनाकार (linguist and urban planner) की तरह इस अराजकता को व्यवस्थित करने आता है। लेखकों ने, जो टेक्निकल यूनिवर्सिटी ऑफ म्यूनिख के शोधकर्ता हैं, एक "तकनीकी वर्गीकरण" (technical taxonomy) बनाया है—जिसका सरल अर्थ है एक वर्गीकरण प्रणाली—ताकि यह वर्गीकृत किया जा सके कि ये विभिन्न AI रोबोट एक-दूसरे से बात करने की कोशिश कैसे कर रहे हैं।
यहाँ उनके निष्कर्षों का विवरण दिया गया, जिसमें सरल उपमाओं (analogies) का उपयोग किया गया है:
1. समस्या: बाबेल का टॉवर (A Tower of Babel)
अभी, विभिन्न कंपनियों और शोधकर्ताओं द्वारा कई अलग-अलग "प्रोटोकॉल" (संचार के नियम) बनाए जा रहे हैं। यह ऐसा ही है जैसे यदि प्रत्येक कार निर्माता इंजन चालू करने का अपना अनूठा तरीका तय कर ले। कोई चाबी का उपयोग करता है, कोई बटन का, और कोई वॉयस कमांड का। यह कारों के लिए अलग-अलग ब्रांडों के बीच एक काफिले में साथ चलने को कठिन बनाता है। पेपर का तर्क है कि AI रोबोटों को एक टीम (एक "मल्टी-एजेंट सिस्टम") के रूप में काम करने के लिए, उन्हें संवाद करने के लिए एक मानक तरीके की आवश्यकता है।
2. समाधान: एक 5-बिंदु वाली चेकलिस्ट
लेखकों ने नौ सक्रिय, वास्तविक दुनिया के संचार प्रोटोकॉल (जैसे MCP, A2A, और Agora) को देखा और उन्हें पांच प्रमुख प्रश्नों के आधार पर एक प्रणाली में वर्गीकृत किया। इसे एक मेन्यू के रूप में सोचें जिसका उपयोग आप संचार शैली ऑर्डर करने के लिए करते हैं:
आप किससे बात कर रहे हैं? (Counterparty):
- क्या आप दूसरे रोबोट से बात कर रहे हैं? (Agent-to-Agent)
- क्या आप किसी टूल, डेटाबेस, या वेबसाइट से बात कर रहे हैं? (Agent-to-Context)
- या क्या आप दोनों कर सकते हैं? (Hybrid)
- उपमा: क्या आप एक दोस्त को कॉल कर रहे हैं, या आप कस्टमर सर्विस हेल्पलाइन डायल कर रहे हैं?
आप क्या भेज रहे हैं? (Payload):
- क्या यह केवल एक चैट संदेश है? (Conversation)
- क्या यह एक सख्त डेटा फ़ाइल है, जैसे स्प्रेडशीट? (Structured Data)
- या यह दोनों का मिश्रण है? (Hybrid)
- उपमा: क्या आप एक पोस्टकार्ड भेज रहे हैं, एक शिपिंग कंटेनर, या एक पैकेज के साथ लगा हुआ पोस्टकार्ड?
क्या आपको बातचीत याद रहती है? (Interaction State):
- क्या सिस्टम संदेश भेजे जाने के बाद सब कुछ भूल जाता है? (Stateless)
- या क्या यह एक "सेशन" खुला रखता है ताकि इसे याद रहे कि आपने पाँच मिनट पहले क्या कहा था? (Session State)
- उपमा: क्या यह एक वॉकी-टॉकी है जहाँ आपको "ओवर" कहना पड़ता है और प्रतीक्षा करनी पड़ती है, या यह एक फोन कॉल है जहाँ लाइन खुली रहती है और आप बात करना जारी रख सकते हैं?
आप एक-दूसरे को कैसे ढूंढते हैं? (Discovery Mechanism):
- क्या आपको पहले से सटीक फोन नंबर जानने की आवश्यकता है? (Static)
- क्या कोई केंद्रीय फोन बुक या निर्देशिका है जिसे आप देख सकते हैं? (Centralized)
- या आप बस भीड़ में चिल्लाते हैं और उम्मीद करते हैं कि कोई सुन ले? (Decentralized)
- उपमा: क्या आपके पास किसी मित्र का पता है, क्या आप उन्हें निर्देशिका में खोजते हैं, या आप बस पार्क में "हेलो!" चिल्लाते हैं?
क्या आप बातचीत के दौरान नियमों को बदल सकते हैं? (Schema Flexibility):
- क्या प्रारूप हमेशा के लिए निश्चित है? (Single)
- क्या आप कुछ पूर्व-निर्धारित प्रारूपों में से चुन सकते हैं? (Multiple)
- या क्या आप बातचीत के बीच में ही बात करने का एक नया तरीका आविष्कार कर सकते हैं? (Evolving)
- उपमा: क्या खेल सख्ती से शतरंज है, क्या आप शतरंज या चेकर्स के बीच चुन सकते हैं, या क्या आप खेलते समय नए नियम बना सकते हैं?
3. उन्होंने क्या पाया: "त्रिशंकु" (The Trilemma) और भविष्य
नौ प्रोटोकॉल को छाँटने के बाद, लेखकों ने कुछ दिलचस्प पैटर्न देखे:
- "मेमोरी" का नियम: लगभग हर प्रोटोकॉल जो दूसरे रोबोटों से बात करने के लिए डिज़ाइन किया गया है, वह एक "सेशन" (मेमोरी) खुला रखता है। आप एक अच्छी टीम बहस नहीं रख सकते यदि हर कोई दो सेकंड पहले जो कहा गया था उसे भूल जाए।
- "हाइब्रिड" रुझान: अधिकांश प्रोटोकॉल "हाइब्रिड" हो रहे हैं। वे केवल टेक्स्ट नहीं भेजते; वे टेक्स्ट और डेटा फ़ाइलें भेजते हैं।
- "त्रिशंकु" (The Trilemma - द इम्पॉसिबल ट्रायंगल): लेखक एक ट्रेड-ऑफ (समझौता) की ओर इशारा करते हैं। आप सब कुछ एक साथ नहीं पा सकते।
- यदि आप गति और दक्षता (जैसे एक सख्त डेटा विनिमय) चाहते हैं, तो आपको कठोर और सरल होना होगा।
- यदि आप लचीलापन (जैसे एक रोबोट द्वारा बात करने के नए तरीके आविष्कार करना) चाहते हैं, तो आप गति और दक्षता खो देते हैं।
- उपमा: यह एक ऐसा वाहन बनाने की कोशिश करने जैसा है जो एक ही समय में सबसे तेज़ कार, सबसे आरामदायक सोफा और सबसे मजबूत ऑफ-रोडर हो। आमतौर पर आपको दो को चुनना पड़ता है।
4. बड़ी भविष्यवाणी: एक लेयर्ड स्टैक, न कि एक विजेता
पेपर भविष्यवाणी करता है कि हम केवल एक "सुपर-प्रोटोकॉल" के साथ समाप्त नहीं करेंगे जो सब कुछ पूरी तरह से करता है। यह असंभव है क्योंकि ऊपर बताए गए ट्रेड-ऑफ मौजूद हैं।
इसके बजाय, भविष्य इंटरनेट स्वयं की तरह दिखेगा (जिसमें भौतिक केबल, आईपी एड्रेस और वेब ब्राउज़र जैसे स्तर/लेयर्स होते हैं)।
- निचला स्तर (Bottom Layer): टूल्स खोजने और डेटा भेजने के लिए सरल, तेज़, कठोर प्रोटोकॉल (जैसे MCP)।
- मध्यम स्तर (Middle Layer): कार्यों को प्रबंधित करने और रोबोटों के बीच डेटा स्ट्रीम करने के लिए प्रोटोकॉल।
- ऊपरी स्तर (Top Layer): लचीले, "स्मार्ट" प्रोटोकॉल जो रोबोटों को जटिल योजनाओं के लिए बातचीत करने और चलते समय नियम बदलने की अनुमति देते हैं (जैसे Agora या ANP)।
5. क्या गायब है?
लेखकों ने एक कमी भी नोट की: गोपनीयता (Privacy) और सुरक्षा (Safety)। अधिकांश प्रोटोकॉल डेटा स्थानांतरित करने में बहुत अच्छे हैं, लेकिन उनमें यह जांचने के लिए कोई मजबूत अंतर्निहित नियम नहीं हैं कि डेटा निजी है या रोबोट सुरक्षा नीतियों का पालन कर रहे हैं। जैसे-जैसे ये रोबोट अधिक शक्तिशाली होंगे, इसे ठीक करने की आवश्यकता होगी।
सारांश
संक्षेप में, यह पेपर कहता है: "AI रोबोट बात करने की कोशिश कर रहे हैं, लेकिन वे अलग-अलग बोलियाँ बोल रहे हैं। हमने इन बोलियों को समझने के लिए एक मानचित्र बनाया है। हमने पाया कि जबकि कुछ प्रोटोकॉल तेज़, कठोर डेटा विनिमय के लिए बेहतरीन हैं, और अन्य लचीली, रचनात्मक योजना बनाने के लिए बेहतरीन हैं, कोई भी एक एकल रोबोट भाषा यह सब पूरी तरह से नहीं कर सकती। भविष्य एक विशाल भाषा नहीं है; यह विभिन्न भाषाओं का एक स्टैक (स्तरों का समूह) है जो मिलकर काम करता है, जैसे एक सुव्यवस्थित शहर जिसमें विभिन्न प्रकार के यातायात के लिए अलग-अलग सड़कें होती हैं।"
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।