A Technical Taxonomy of LLM Agent Communication Protocols
本論文は、9つのオープンソースLLMエージェント通信プロトコルを分類・分析するための5つの次元を持つ技術的タクソノミーを確立し、現在のアーキテクチャパターンを明らかにするとともに、将来の進化は単一の普遍的な標準ではなく、連邦型かつ階層的なプロトコルスタックへと向かうことを予測するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
ある活気ある都市を想像してみてください。そこでは誰もが、極めて優秀で知能の高いロボット（「LLMエージェント」）です。これらのロボットは複雑な問題を解決し、コードを書き、旅行の計画を立てることができます。しかし、ここには一つ問題があります。彼らは皆、異なる言語を話し、異なるルールブックを使っているのです。あるロボットは郵便サービスを使ってメッセージを送ろうとし、別のロボットはメガホンで叫ぼうとし、また別のロボットはテキストメッセージを送ろうとします。共通の話し方を持たない限り、彼らは協力して何か大きなものを作り上げることはできません。
この論文は、この混沌とした状況を整理するためにやってきた「言語学者兼都市計画家」のような存在です。著者であるミュンヘン工科大学の研究者たちは、これらのAIロボットがどのように互いに通信しようとしているのかを分類するための「テクニカル・タクソノミー（技術的分類体系）」、つまり、簡単に言えば「分類システム」を作成しました。
以下に、彼らの調査結果を簡単な比喩を用いて解説します。
1. 問題点：バベルの塔
現在、さまざまな企業や研究者によって、多くの異なる「プロトコル（通信規則）」が構築されています。これは、あらゆる自動車メーカーが、エンジンの始動方法をそれぞれ独自のやり方で決めたようなものです。あるメーカーは鍵を使い、あるメーカーはボタンを使い、またあるメーカーは音声コマンドを使います。これでは、異なるブランドの車が隊列を組んで走行することが困難になります。論文では、AIロボットがチームとして機能するため（「マルチエージェント・システム」）、標準化された通信手段が必要であると主張しています。
2. 解決策：5つのチェックリスト
著者らは、9つの実世界の稼働中の通信プロトコル（MCP、A2A、Agoraなど）を調査し、5つの主要な質問に基づいて分類しました。これは、通信スタイルを注文するための「メニュー」のようなものです。
誰と話しているのか？（カウンターパーティ）:
- 他のロボットと話しているのか？（エージェント間）
- ツール、データベース、またはウェブサイトと話しているのか？（エージェント対コンテキスト）
- あるいは、その両方が可能なのか？（ハイブリッド）
- 比喩： 友人に電話をかけているのか、それともカスタマーサービスに電話をかけているのか？
何を送信しているのか？（ペイロード）:
- 単なるチャットメッセージか？（会話）
- スプレッドシートのような厳格なデータファイルか？（構造化データ）
- あるいは、両方の混合か？（ハイブリッド）
- 比喩： ポストカードを送っているのか、輸送コンテナを送っているのか、あるいはポストカードに荷物を添付して送っているのか？
会話を覚えているか？（インタラクション・ステート）:
- メッセージが送信された後にすべてを忘れてしまうのか？（ステートレス）
- 「セッション」を開いたままにして、5分前に言ったことを覚えているのか？（セッション・ステート）
- 比喩： 「オーバー」と言って待たなければならないトランシーバーなのか、それとも回線が開いたままなので会話を続けられる電話なのか？
どのように互いを見つけるのか？（ディスカバリー・メカニズム）:
- 事前に正確な電話番号を知っておく必要があるのか？（静的）
- 中央の電話帳やディレクトリを参照できるのか？（中央集権型）
- あるいは、誰かに聞こえることを期待して群衆に向かって叫ぶのか？（分散型）
- 比喩： 友人の住所を知っているのか、ディレクトリで検索するのか、それとも公園で「ハロー！」と叫ぶのか？
会話の途中でルールを変更できるか？（スキーマの柔軟性）:
- フォーマットは永久に固定されているのか？（シングル）
- いくつかの事前設定されたフォーマットから選択できるのか？（マルチプル）
- 会話の真っ最中に新しい方法を編み出すことができるのか？（エボルビング）
- 比喩： ゲームが厳格にチェスなのか、チェスかチェッカーかを選べるのか、あるいはプレイ中に新しいルールを発明できるのか？
3. 彼らが発見したこと：「トリレンマ」と未来
9つのプロトコルを分類した後、著者らは興味深いパターンに気づきました。
- 「記憶」のルール： ロボット同士が会話するために設計されたほぼすべてのプロトコルは、「セッション（記憶）」を開いた状態に保ちます。全員が2秒前に何を言ったかを忘れてしまうようでは、良いチーム討論は成立しません。
- 「ハイブリッド」の傾向： ほとんどのプロクションは「ハイブリッド」になりつつあります。単にテキストを送るだけでなく、テキストとデータファイルを併せて送ります。
- 「トリレンマ」（不可能な三角形）： 著者らはトレードオフを指摘しています。すべてを同時に手に入れることはできません。
- スピードと効率（厳格なデータ交換のようなもの）を求めるなら、硬直的で単純である必要があります。
- 柔軟性（ロボットが新しい話し方を発明することのようなもの）を求めるなら、スピードと効率を失います。
- 比喩： 最速の車であり、最も快適なソファであり、かつ最も頑丈なオフローダーである車両を同時に作ることはできません。通常、2つを選ぶ必要があります。
4. 大きな予測：一つの勝者ではなく、階層化されたスタック
論文は、すべてを完璧にこなす「一つのスーパープロトコル」が登場することはないと予測しています。それは不可能です。なぜなら、上述のトレードオフがあるからです。
代わりに、未来は（物理的なケーブル、IPアドレス、ウェブブラウザといったレイヤーを持つ）インターネットそのもののような姿になるでしょう。
- 下層レイヤー： ツールを見つけ、データを送るための、シンプルで高速かつ硬直的なプロトコル（MCPなど）。
- 中層レイヤー： タスクの管理や、ロボット間のデータストリーミングのためのプロトコル。
- 上層レイヤー： 複雑な計画を交渉したり、ルールを即座に変更したりすることを可能にする、柔軟で「スマート」なプロトコル（AgoraやANPなど）。
5. 不足しているもの
著者らはまた、欠落している要素についても指摘しました。それはプライバシーと安全性です。これらのプロトコルの多くはデータの移動には優れていますが、データがプライベートであるか、あるいはロボットが安全ポリシーに従っているかをチェックするための強力な組み込みルールを持っていません。ロボットがより強力になるにつれ、これを修正する必要があります。
まとめ
要約すると、この論文は次のように述べています。「AIロボットは通信しようとしていますが、それぞれが異なる方言を話しています。私たちはこれらのダイアレクト（方言）を理解するための地図を作成しました。その結果、高速で硬直的なデータ交換を得意とするロボットもいれば、柔軟で創造的な計画を得意とするロボットもいるため、単一のロボット言語がすべてを完璧にこなすことはできないことが分かりました。未来は一つの巨大な言語ではなく、異なる種類の交通機関のために異なる道路が整備された、よく組織化された都市のように、**異なる言語のスタック（積み重ね）**として機能していくのです。」
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。