A Technical Taxonomy of LLM Agent Communication Protocols
यह अध्ययन नौ ओपन-सोर्स सिस्टम के पांच-आयामी विश्लेषण के आधार पर एलएलएम (LLM) एजेंट संचार प्रोटोकॉल का एक तकनीकी वर्गीकरण प्रस्तुत करता है, जो वर्तमान वास्तुशिल्प पैटर्न 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 (https://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 ऐसी दुनिया की कल्पना करें जहाँ आर्टिफिशियल इंटेलिजेंस अब केवल एक अकेला, एकाकी मन नहीं है जो सवालों के जवाब देता है, बल्कि विशिष्ट श्रमिकों का एक हलचल भरा समाज है। इनमें से कुछ डिजिटल श्रमिक जानकारी खोजने में विशेषज्ञ हैं, कुछ कोड लिखने में, और कुछ जटिल योजनाएँ बनाने में। एक कठिन समस्या को हल करने के लिए, उन्हें एक-दूसरे से बात करनी होगी, अपने निष्कर्ष साझा करने होंगे और अपनी कार्रवाइयों का समन्वय करना होगा। यह मल्टी-एजेंट सिस्टम (multi-agent systems) का वादा है: बुद्धिमान प्रोग्रामों का एक समूह जो मिलकर वह हासिल करने के लिए काम करता है जो वे अकेले नहीं कर सकते थे। हालाँकि, इस समाज के कार्य करने के लिए, इन डिजिटल श्रमिकों को एक सामान्य भाषा की आवश्यकता होगी। जिस तरह मनुष्यों को बातचीत करने के लिए व्याकरण और शब्दावली पर सहमत होने की आवश्यकता होती है, उसी तरह इन सॉफ्टवेयर एजेंटों को सूचनाओं के आदान-प्रदान के लिए सहमत-सहमति वाले नियमों के एक सेट की आवश्यकता होती है। इन नियमों के बिना, एक कंपनी द्वारा बनाया गया श्रमिक दूसरी कंपनी द्वारा बनाए गए श्रमिक को समझने में सक्षम नहीं हो पाएगा, जिससे वे अपने स्वयं के पृथक कक्षों (silos) में अलग-थलग रह जाएंगे।
टेक्निकल यूनिवर्सिटी ऑफ म्यूनिख के शोधकर्ताओं की एक टीम ने इस उभरते हुए क्षेत्र में कदम रखा है ताकि इन संचार नियमों के वर्तमान परिदृश्य का मानचित्रण किया जा सके। उन्होंने यह समझने के लिए प्रयास किया कि विभिन्न प्रणालियाँ वर्तमान में इन डिजिटल एजेंटों को जोड़ने के लिए कैसे प्रयास कर रही हैं। शोधकर्ताओं ने कोई नई भाषा का आविष्कार नहीं किया; इसके बजाय, वे मानचित्रकारों (cartographers) के रूप में कार्य करते रहे, उन नौ सबसे सक्रिय और खुले संचार प्रोटोकॉल का एक विस्तृत मानचित्र तैयार किया जो वर्तमान में समुदाय द्वारा उपयोग किए जा रहे हैं और विकसित किए जा रहे हैं। इन नौ प्रणालियों का बारीकी से परीक्षण करके, उन्होंने उन्हें वर्गीकृत करने का एक नया तरीका बनाया, जिससे यह पता चला कि हालांकि यहाँ बहुत अधिक गतिविधि है, लेकिन यह क्षेत्र अभी भी खंडित है और एक विशिष्ट भविष्य की संरचना की ओर बढ़ रहा है।
शोधकर्ताओं ने नौ विशिष्ट प्रोटोकॉल का चयन करके शुरुआत की जो सक्रिय रूप से बनाए रखे जा रहे थे और खुले रूप से उपलब्ध थे। उन्होंने उन प्रणालियों को देखा जिन्हें एजेंटों को अन्य एजेंटों से बात करने के लिए, और उन प्रणालियों को भी देखा जिन्हें एजेंटों को टूल्स, डेटाबेस या अन्य बाहरी सेवाओं से बात करने के लिए डिज़ाइन किया गया था। फिर उन्होंने प्रत्येक का पांच विशिष्ट दृष्टिकोणों (lenses) के माध्यम से विश्लेषण किया। पहले, उन्होंने देखा कि एजेंट किससे बात कर रहा था: क्या वह दूसरे एजेंट से था, एक टूल से था, या दोनों से था? दूसरा, उन्होंने संदेशों की सामग्री की जांच की: क्या वे केवल टेक्स्ट थे, केवल संख्याओं और फाइलों जैसे संरचित डेटा थे, या दोनों का मिश्रण थे? तीसरा, उन्होंने जांचा कि क्या बातचीत ने पहले जो हुआ था उसकी स्मृति रखी, या प्रत्येक संदेश को एक नई शुरुआत के रूप में माना गया। चौथा, उन्होंने जांचा कि एजेंटों ने सबसे पहले एक-दूसरे को कैसे खोजा: क्या उन्हें पते खोजने के लिए एक केंद्रीय निर्देशिका की आवश्यकता थी, या वे एक-दूसरे को सीधे खोज सकते थे? अंत में, उन्होंने बातचीत के नियमों के लचीलेपन को देखा: क्या नियम पत्थर की लकीर की तरह निश्चित थे, क्या एजेंटों के पास कुछ विकल्पों में से चुनने की क्षमता थी, या क्या वे बात करते समय नए नियम बना सकते थे?
विश्लेषण ने एक स्पष्ट पैटर्न प्रकट किया कि ये प्रणालियाँ कैसे बनाई जाती हैं। प्रत्येक प्रोटोकॉल जो एजेंटों को अन्य एजेंटों से बात करने के लिए डिज़ाइन किया गया है, वह एक "सेशन स्टेट" (session state) का समर्थन करता है, जिसका अर्थ है कि बातचीत अपने इतिहास को याद रखती है, जो जटिल, बहु-चरणीय कार्यों के लिए आवश्यक है। इनमें से कोई भी एजेंट-टू-एजेंट प्रणाली केवल सरल टेक्स्ट पर निर्भर नहीं है; वे सभी बातचीत और संरचित डेटा का मिश्रण संभालती हैं। शोधकर्ताओं ने एक मजबूत रुझान भी पाया। अधिकांश प्रोटोकॉल एजेंटों को अपने संदेशों को संरचित करने के कई पूर्व-निर्धारित तरीकों में से चुनने की अनुमति देते हैं, और दो प्रोटोकॉल और भी आगे जाते हैं, जो एजेंटों को बातचीत के दौरान अपनी संरचना को बातचीत करने और बदलने की अनुमति देते हैं। यह सुझाव देता है कि जैसे-जैसे ये प्रणालियाँ अधिक उन्नत होती जा रही हैं, चलते-फिरते नियमों को अनुकूलित करने की क्षमता एक मानक आवश्यकता बनती जा रही है।
हालाँकि, अध्ययन ने एक महत्वपूर्ण अंतर को भी उजागर किया। जबकि कई प्रोटोकॉल एजेंटों को एक-दूसरे से या टूल्स से बात करने की अनुमति देते हैं, बहुत कम ही एजेंटों को एक-दूसरे को खोजने के लिए वास्तव में विकेंद्रीकृत (decentralized) तरीका प्रदान करते हैं। अधिकांश एक केंद्रीय रजिस्ट्री या एक निश्चित पते पर निर्भर करते हैं, जो एक फोन बुक या एक पूर्व-लिखित संपर्क सूची की तरह है। यदि एजेंटों की संख्या इंटरनेट के पैमाने तक बढ़ जाती है, तो यह केंद्रीकरण एक बाधा (bottleneck) बन सकता है। शोधकर्ताओं ने नोट किया कि अध्ययन किए गए नौ प्रोटोकॉल में से केवल एक ही पूर्णतः विकेंद्रीकृत खोज पद्धति प्रदान करता था, जहाँ एजेंट बिना किसी केंद्रीय प्राधिकरण के एक-दूसरे को खोज लेते हैं।
इस अध्ययन का सबसे महत्वपूर्ण निष्कर्ष इस तकनीक के बारे में एक भविष्यवाणी है। शोधकर्ता तर्क देते हैं कि एक एकल, सर्व-उद्देश्यीय प्रोटोकॉल का उभरना और सब पर शासन करना संभव नहीं है, जो सरल टूल कॉल से लेकर जटिल, लंबी बहसों तक सब कुछ संभाल सके। इसके बजाय, वे सुझाव देते हैं कि यह क्षेत्र एक स्तरित (layered) प्रणाली की ओर बढ़ रहा है, ठीक वैसे ही जैसे इंटरनेट खुद बना है। इस भविष्य में, विभिन्न प्रोटोकॉल संचार के विभिन्न स्तरों को संभालेंगे। कुछ हल्के और कठोर होंगे, जो किसी टूल को एक सरल कार्य करने के लिए जल्दी से पूछने के लिए उपयुक्त होंगे। अन्य लचीले और स्मृति-समृद्ध होंगे, जो कई एजेंटों के बीच जटिल, विकसित होती बातचीत के लिए डिज़ाइन किए गए होंगे। यह स्तरित दृष्टिकोण "एजेंटों के इंटरनेट" (Internet of Agents) को कुशल और बहुमुखी बनाएगा, जो प्रत्येक स्तर की बातचीत के लिए सही उपकरण का उपयोग करेगा।
अध्ययन इस बात पर समाप्त होता है कि वर्तमान पहेली में एक गायब हिस्सा है: गोपनीयता और सुरक्षा। परीक्षण किए गए नौ में से किसी भी प्रोटोकॉल में सख्त गोपनीयता नियमों को लागू करने या यह जांचने के लिए अंतर्निहित तंत्र शामिल नहीं था कि क्या एक एजेंट को एक विशिष्ट कार्य करने की अनुमति है। जैसे-जैसे ये प्रणालियाँ स्वास्थ्य सेवा या वित्त जैसे वास्तविक दुनिया के अनुप्रयोगों में जा रही हैं, शोधकर्ताओं का सुझाव है कि यह सुनिश्चित करने के लिए कि ये डिजिटल बातचीत सुरक्षित और कानूनों के अनुरूप बनी रहे, एक नए शासन (governance) की परत की आवश्यकता होगी। फिलहाल, यह क्षेत्र तीव्र प्रयोग के दौर में है, लेकिन आगे का रास्ता स्पष्ट है: प्रोटोकॉल का एक विविध, स्तरित पारिस्थितिकी तंत्र जो एक साथ काम करता है, न कि एक एकल मानक जो सब कुछ करने की कोशिश करता है।
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।