🤖 AI

What Should Agents Say? Action-state Communication for Efficient Multi-Agent Systems

Questo articolo introduce PACT, un framework di comunicazione azione-stato protocolizzato che comprime gli scambi di linguaggio naturale a forma libera nei sistemi multi-agente in record compatti, riducendo significativamente l'uso di token e i costi di inferenza pur mantenendo o migliorando le prestazioni del compito attraverso varie topologie di sistema.

Autori originali: Chen Huang, Yuhao Wu, Wenxuan Zhang

Pubblicato 2026-06-05

📖 4 min di lettura☕ Lettura da pausa caffè

CC BY 4.0

Autori originali: Chen Huang, Yuhao Wu, Wenxuan Zhang

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Il Problema: La Riunione dell' "Eccesso di Condivisione"

Immaginate un team di detective (agenti) che cerca di risolvere un mistero. Nei sistemi attuali, ogni volta che un detective finisce il proprio lavoro, scrive un rapporto massiccio e lo incolla in un quaderno condiviso affinché il prossimo detective possa leggerlo.

Questo rapporto include:

La risposta finale.
Gli indizi che ha trovato.
Ma anche: Ogni pensiero casuale che ha avuto, ogni vicolo cieco che ha esplorato, ogni volta che ha riletto un indizio e una lunga spiegazione confusa su come ha ragionato.

Il Problema:
Man mano che l'indagine procede, questo quaderno condiviso diventa enorme.

È costoso: Leggere un quaderno di 100 pagine costa molto denaro (in questo caso, "token" o potenza di calcolo).
È lento: Il prossimo detective deve leggere tutto quel rumore prima di poter arrivare ai nuovi indizi.
È confusionario: I fatti importanti vengono sepolti sotto pagine di "Ho pensato a questo, poi ho pensato a quello".

Il documento sostiene che attualmente stiamo permettendo agli agenti di "condividere eccessivamente" il proprio processo di pensiero privato, il che intasa il sistema.

La Soluzione: PACT (La Regola del "Riassunto Esecutivo")

Gli autori propongono una nuova regola chiamata PACT (Protocolized Action-state Communication and Transmission).

Pensate a PACT come a una regola rigida per il quaderno condiviso del team: "Niente chiacchiere inutili consentite."

Inveve di incollare l'intera bozza disordinata, un agente deve ora tradurre il proprio lavoro in un compatto "Record di Azione-Stato" composto da tre parti prima di passarlo al successivo:

AZIONE: Cosa ho appena fatto? (es. "Ho cercato nel database.")
STATO: Quali prove ho trovato? (es. "Ho trovato una ricevuta del 1995.")
RISULTATO: Qual è l'output utile? (es. "Ecco l'immagine della ricevuta.")

L'Analogia:

Vecchio Metodo: Il Detective A consegna al Detective B un diario di 50 pagine della sua intera giornata, inclusi cosa ha fatto colazione e ogni pensiero che ha avuto mentre camminava verso il negozio.
Metodo PACT: Il Detective A consegna al Detective B un post-it che dice: "Sono andato al negozio (Azione), ho trovato una ricevuta di un'auto blu (Stato), ed ecco la foto (Risultato). Ora controlla il registro delle auto."

Cosa Hanno Scoperto

I ricercatori hanno testato questa idea in due modi diversi:

Prove Divise: Due agenti dovevano condividere indizi per risolvere un puzzle.
Catena di Montaggio: Quattro agenti lavoravano in linea (Pianificatore → Critico → Perfezionatore → Risolutore).

Hanno confrontato PACT con altri cinque modi di comunicare (come l'invio del testo completo, solo della conclusione o di un breve riassunto).

I Risultati:

Nessuna "Soluzione Unica": Hanno scoperto che non esiste un unico modo di parlare che funzioni meglio in ogni situazione. A volte inviare solo la conclusione funzionava; a volte inviare il testo completo era accettabile.
PACT Vince: Tuttavia, PACT è stato il vincitore più costante. Ha risparmiato una quantità enorme di "denaro" (token) mantenendo il team altrettanto intelligente, o addirittura più intelligente.
- Nei loro test, PACT ha ridotto l'ammontare di dati inviati di circa il 39% in media.
- Negli strumenti di programmazione reali (come OpenHands e SWE-agent), ha tagliato l'uso dei dati di quasi il 50% senza rompere il codice.

Perché Funziona

Il documento spiega che il prossimo agente nella catena non ha bisogno di sapere come ha ragionato il precedente. Deve solo sapere:

Quale azione è stata intrapresa.
Qual è la situazione attuale (stato).
Qual è il risultato.

Filtrando il "monologo interiore" (il pensiero privato) e condividendo solo i "fatti pubblici", il sistema diventa più veloce, più economico e meno propenso a esaurire la memoria.

In Sintesi

Il documento conclude che non dovremmo semplicemente lasciare che gli agenti IA chiacchierino in paragrafi liberi e non strutturati. Al contrario, dovremmo costringerli a seguire un "protocollo" rigoroso in cui condividono solo gli aggiornamenti essenziali (Azione, Stato, Risultato). Questo trasforma una conversazione caotica e costosa in una staffetta efficiente e ad alta velocità.

Sintesi Tecnica: PACT per Sistemi Multi-Agente Efficienti

Problematica
I sistemi multi-agente (MAS) basati su Large Language Models (LLM) si affidano tipicamente al linguaggio naturale non vincolato per la comunicazione tra agenti. Sebbene gli agenti collaborino tramite ruoli, pipeline o turni di parola, il contenuto che scambiano è spesso a forma libera, includendo intere tracce di ragionamento, spiegazioni verbiose e ripetizioni ridondanti. Questo approccio crea un'inefficienza critica: man mano che gli agenti inoltrano lunghe tracce di ragionamento interno, gli agenti a valle devono elaborare ripetutamente questo contenuto come parte della cronologia del dialogo condiviso. Questo "accumulo di contesto" gonfia rapidamente l'uso dei token, consuma le finestre di contesto condivise e degrada sia le prestazioni del sistema che i costi di inferenza, particolarmente in contesti multi-turno che coinvolgono modelli di ragionamento moderni.

La ricerca attuale sui MAS si è concentrata ampiamente sull'orchestrazione (ruoli, turnazione, allocazione degli strumenti), trattando il contenuto dei messaggi tra agenti come una variabile secondaria e non vincolata. Il documento sostiene che il contenuto dei messaggi sia un leva di design centrale che modella direttamente sia le prestazioni che i costi.

Metodologia: Analisi Diagnostica e PACT
Gli autori hanno prima condotto un'analisi diagnostica attraverso due distinte topologie MAS — una Interazione a Evidenza Divisa simmetrica (Setting A) e una Pipeline Sequenziale (Setting B) — utilizzando modelli con parametri da 8B a 32B. Hanno valutato cinque comuni strategie di comunicazione:

Contenuto Completo (Full Content): Inoltro dell'intero output a forma libera, incluse le tracce di ragionamento.
Generazione Concisa (Concise Generation): Utilizzo di modalità non-thinking native per produrre risposte più brevi.
Solo Conclusione (Conclusion Only): Passaggio solo della risposta finale o della conclusione.
Breve Riassunto (Brief Summary): Richiesta esplicita di un breve riassunto a forma libera.
Solo Artefatto (Artifact Only): Passaggio solo dell'artefatto specifico del ruolo (ad esempio, un piano o una critica).

Risultati dell'Analisi:

Nessuna strategia è universalmente ottimale in tutte le topologie.
Il Contenuto Completo è costantemente costoso e ridondante.
La Generazione Concisa e il Breve Riassunto sono instabili; spesso omettono informazioni rilevanti per il compito necessarie agli agenti a valle.
Il Solo Conclusione funziona nelle pipeline (dove il contesto è fornito dall'ordine dei ruoli) ma fallisce nelle interazioni in cui mancano evidenze.
Il Solo Artefatto cattura contenuti utili ma manca del protocollo necessario per segnalare l'intento e l'ancoraggio (grounding), portando talvolta a un aumento dei turni di interazione.

Il Protocollo PACT
Sulla base del riscontro che i messaggi efficaci devono preservare l'informazione centrata sull'azione piuttosto che il ragionamento privato, gli autori propongono PACT (Protocolized Action-state Communication and Transmission).

Meccanismo Core: PACT tratta la comunicazione tra agenti come un problema di aggiornamento dello stato pubblico. Prima che l'output grezzo di un agente ( $y_t$ ) venga aggiunto alla cronologia condivisa, esso viene proiettato da una funzione lato mittente ( $\Pi_{PACT}$ ) in un record compatto e strutturato.
Struttura del Messaggio: Il messaggio pubblico consiste di tre campi:
1. AZIONE (ACTION): Specifica esplicitamente cosa ha fatto il mittente o cosa deve fare l'agente successivo (chiarisce l'intento).
2. STATO (STATE): Registra le evidenze, le osservazioni o il feedback dell'ambiente che ancorano l'azione (fornisce il contesto).
3. RISULTATO (RESULT): Contiene l'output azionabile (ad esempio, una soluzione raffinata, un fatto recuperato o il risultato di uno strumento).
Confine di Privacy: PACT separa rigorosamente il calcolo privato dalla comunicazione pubblica. Gli agenti mantengono le loro complete capacità di ragionamento interno, auto-controllo e pianificazione; solo il record di azione-stato risultante viene condiviso. Ciò evita che la deliberazione intermedia si accumuli nella finestra di contesto.
Indipendente dall'Harness (Harness-Agnostic): Il protocollo è ortogonale alle scelte di design dei MAS (ruoli, programmi) e può essere implementato come un leggero hook proxy nei sistemi esistenti senza necessità di riaddestramento dei modelli.

Contributi Chiave

Analisi Sistematica: Dimostrazione che nessuna politica di comunicazione fissa è universalmente ottimale e identificazione del contenuto dei messaggi tra agenti come una dimensione di design sottoutilizzata ma critica.
Protocollo PACT: Introduzione di un protocollo privo di addestramento e indipendente dall'harness che definisce un confine tra calcolo privato e comunicazione pubblica, limitando la cronologia condivisa a compatti record di azione-stato.
Validazione Empirica: Dimostrazione che PACT migliora la frontiera prestazioni-costi attraverso settings MAS controllati e harness di coding reali.

Risultati Sperimentali

Settings MAS Controllati:
- Evidenza Divisa (Setting A): PACT ha ottenuto punteggi F1 comparabili o superiori, riducendo l'uso di token in media del 38,7% rispetto alle baseline e alle scale dei modelli rispetto alla comunicazione non vincolata.
- Pipeline Sequenziale (Setting B): PACT ha ottenuto un'accuratezza comparabile o superiore utilizzando significativamente meno token. Ad esempio, sul modello Qwen3-32B, PACT ha utilizzato solo circa il 19-23% dei token richiesti dalle baseline di Multi-Agent Debate, mantenendo o migliorando l'accuratezza.
- Ablation: La rimozione di uno qualsiasi dei tre campi (Azione, Stato, Risultato) ha degradato le prestazioni e aumentato l'uso dei token, confermando la necessità del completo passaggio di mano azione-stato.
Harness di Coding Reali:
- OpenHands: PACT ha aumentato il tasso di risoluzione di SWE-bench Verified dal 19,40% al 23,00% (+18 istanze risolte) riducendo i token per istanza risolta del 10,3%.
- SWE-agent: PACT ha ridotto i token di input del 50,4% (da 314,6M a 156,0M) e i token per istanza risolta del 47%, con un impatto trascurabile sul tasso di risoluzione (dal 25,6% al 24,2%).

Significatività e Rivendicazioni
Il documento sostiene che disciplinare il contenuto dei messaggi tra agenti è un meccanico efficace per ridurre la crescita ridondante del contesto. PACT dimostra che gli agenti non hanno bisogno di condividere le loro intere tracce di ragionamento per collaborare efficacemente; invece, condividere un record di azione-stato strutturato e ancorato è sufficiente affinché gli agenti a valle possano proseguire il compito.

Gli autori sottolineano che PACT è privo di addestramento (training-free) e indipendente dall'harness, rendendolo un intervento pratico a tempo di inferenza per le applicazioni agentiche esistenti. I risultati suggeriscono che la "frontiera prestazioni-costi" nei MAS può essere migliorata significativamente non solo scalando i modelli o cambiando l'orchestrazione, ma definendo rigorosamente quali informazioni entrano nel canale di comunicazione condiviso. Il documento conclude che lasciare la comunicazione tra agenti come linguaggio naturale non vincolato è inefficiente e che protocolli strutturati come PACT sono necessari per sistemi multi-agente scalabili e convenienti.