Towards Traffic Modelling of Multi-Agent Systems: The Role of Coordination Topology

Nel mondo digitale, le reti sono spesso pensate come condutture che trasportano messaggi da una persona all'altra. Per decenni, gli ingegneri hanno progettato questi sistemi basandosi su un'ipotesi semplice: il traffico arriva con un ritmo abbastanza prevedibile, guidato da utenti umani che cliccano pulsanti, inviano e-mail o caricano pagine web. Quando una persona attende un momento prima di inviare il messaggio successivo, la rete vede un vuoto. Quando molte persone agiscono contemporaneamente, la rete vede un'ondata. Questo schema guidato dall'uomo è stato la base per pianificare quanta capacità una rete debba avere per gestire il carico.

Tuttavia, sta emergendo un nuovo tipo di lavoratore digitale: l'agente autonomo. Si tratta di programmi software alimentati da modelli linguistici di grandi dimensioni (LLM) che possono pensare, pianificare e agire autonomamente. A differenza di un essere umano che si ferma a riflettere prima di digitare una risposta, questi agenti possono generare una complessa catena di azioni interne per risolvere un singolo problema. Un utente potrebbe porre una domanda, ma l'agente potrebbe decidere di chiamare uno strumento, chiedere consiglio a un agente pari, controllare un database e poi sintetizzare una risposta. Tutto questo accade automaticamente, creando un flusso di richieste che la rete deve trasportare. La domanda per gli ingegneri di rete è se le vecchie regole si applichino ancora quando il traffico non è più guidato dalle mani umane, ma dalla logica interna di questi team digitali.

Un team di ricercatori si è messo in viaggio per misurare esattamente come si comportano questi nuovi sistemi. Si sono concentrati su un aspetto specifico del traffico di rete: il tempo che intercorre tra una richiesta e la successiva. Nel mondo dell'ingegneria di rete, questo intervallo è un indizio cruciale. Se gli intervalli sono casuali e sparsi, il sistema si comporta in un modo che è facile da prevedere. Se gli intervalli si raggruppano o seguono un modello specifico, il sistema si comporta diversamente, potenzialmente causando colli di bottiglia che i design standard non possono gestire. I ricercatori volevano vedere se il modo in cui questi agenti sono organizzati — come comunicano tra loro — cambia il ritmo del traffico che generano.

Per trovare la risposta, il team ha costruito un ambiente controllato dove poteva eseguire lo stesso compito centinaia di volte con diverse strutture di team. Hanno testato tre modi distinti di organizzare gli agenti. Nel primo setup, gli agenti lavoravano l'uno dopo l'altro, come in una staffetta dove ogni corridore aspetta che il precedente finisca prima di iniziare. Nel secondo setup, un leader centrale assegnava compiti a diversi lavoratori simultaneamente, come un manager che distribuisce incarichi a un gruppo di dipendenti tutti in una volta. Nel terzo setup, ogni agente poteva parlare direttamente con tutti gli altri agenti contemporaneamente, creando una fitta rete di comunicazione. Hanno eseguito ciascuno di questi scenari 500 volte per raccogliere una enorme quantità di dati su come fluivano le richieste.

I risultati hanno rivelato che il modo in cui gli agenti sono organizzati cambia fondamentalmente la natura del traffico. Quando gli agenti lavoravano in una linea semplice, uno dopo l'altro, il tempo tra le richieste era relativamente costante e prevedibile. Tuttavia, quando i ricercatori hanno introdotto il lavoro in parallelo, il modello è cambiato drasticamente. Nei setup in cui gli agenti lavoravano insieme contemporaneamente, il traffico è diventato " bimodale", ovvero presentava due comportamenti distinti che avvenivano simultaneamente. Un comportamento era un improvviso picco di attività in cui molte richieste arrivavano quasi istantaneamente, separate da frazioni di secondo infinitesimali. Ciò accadeva perché il sistema inviava più comandi nello stesso identico momento. L'altro comportamento era un ritmo più lento e riflessivo, che si verificava mentre gli agenti stavano effettivamente elaborando informazioni e ragionando sui loro compiti.

I ricercatori hanno scoperto che la vecchia idea secondo cui il traffico di rete arriva in modo casuale, come gocce di pioggia su un tetto, non si adatta a questi nuovi sistemi. Hanno testato un modello matematico standard che assume che le richieste arrivino indipendentemente l'una dall'altra e hanno scoperto che era decisamente errato per tutti i setup di agenti studiati. Invece, il tempo necessario agli agenti per pensare e ragionare tra una richiesta e l'altra seguiva un modello diverso, meglio descritto da una curva che tiene conto di come i compiti possano richiedere tempi variabili a seconda della complessità. Ciò significa che la logica interna del software sta creando un ritmo specifico e strutturato, molto diverso dal comportamento umano.

Queste scoperte sono importanti perché dimostrano che il design stesso del team di agenti funge da generatore di traffico. Se un sistema è progettato per far sì che molti agenti comunichino tra loro contemporaneamente, creerà picchi acuti e intensi di attività di rete che possono sovraccaricare i server, anche se il numero totale di compiti rimane lo stesso. I ricercatori hanno scoperto che nel setup più connesso, dove ogni agente poteva parlare con tutti gli altri agenti, il tempo tra le richieste è sceso a pochi millisecondi per una parte consistente del traffico, creando un'ondata quasi 600 percento più veloce rispetto al setup sequenziale. Questa ondata non è un errore; è una caratteristica strutturale del funzionamento del sistema.

Lo studio ha inoltre evidenziato come questi cambiamenti si propaghino attraverso l'intera rete. Il modo in cui gli agenti si coordinano influenza non solo lo strato applicativo, ma anche le connessioni dati sottostanti e il carico sui server che elaborano le richieste. I ricercatori hanno misurato quanti pacchetti di dati venivano inviati e quanta memoria veniva utilizzata, scoprendo che la natura intermittente dei setup in parallelo portava a picchi più elevati nell'utilizzo della rete. Ciò suggerisce che contare semplicemente il numero totale di richieste non è sufficiente per comprendere il carico; gli ingegneri devono anche osservare come tali richieste siano distribuite nel tempo.

In definitiva, questo lavoro fornisce il primo quadro chiaro di come la struttura di un sistema multi-agente plasmi il traffico che genera. Dimostra che, mentre ci muoviamo verso un futuro in cui gli agenti software collaborano per risolvere problemi, le reti che li supportano dovranno essere progettate tenendo conto di questi nuovi schemi. I vecchi modelli, costruiti per gli utenti umani, non possono prevedere accuratamente il comportamento di questi team digitali. Comprendendo che lo stile di coordinamento degli agenti crea schemi specifici e misurabili nel traffico, gli ingegneri possono costruire sistemi che siano abbastanza robusti da gestire il ritmo unico del futuro autonomo. I ricercatori hanno reso i loro strumenti e i loro dati disponibili al pubblico, invitando altri a esplorare ulteriormente questi schemi man mano che la tecnologia continua a evolversi.