Mesh Memory Protocol: Semantic Infrastructure for Multi-Agent LLM Systems
Dit paper introduceert het Mesh Memory Protocol (MMP), een semantische infrastructuur die multi-agent LLM-systemen in staat stelt om door middel van vier samenstellende primitieven (CAT7, SVAF, inter-agent lineage en remix) cognitieve informatie veld-voor-veld te evalueren, bronnen te traceren en contextueel relevante herinneringen over sessiegrenzen heen te behouden.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
Stel je voor dat je een team van slimme digitale assistenten hebt die samenwerken aan een enorm project dat weken duurt. Ze schrijven rapporten, controleren elkaar, en nemen beslissingen. Het probleem is dat deze assistenten (LLM's) vaak "vergeten" wat ze gisteren hebben gedaan als ze hun werkvenster sluiten en opnieuw opstarten. Of ze praten langs elkaar heen, waarbij ze elkaars ideeën onbedoeld herhalen of verdraaien.
Dit artikel introduceert een nieuwe manier om deze teamleden met elkaar te laten praten, genaamd Mesh Memory Protocol (MMP). Het is als een nieuw soort "geheugen" en "taal" voor AI-agenten.
Hier is de uitleg in simpele taal, met een paar creatieve vergelijkingen:
1. Het Probleem: De "Vergeten" Teamleden
Stel je voor dat je met drie vrienden een boek schrijft.
- Vandaag: Jij schrijft hoofdstuk 1.
- Morgen: Je vriend schrijft hoofdstuk 2, maar hij heeft hoofdstuk 1 niet meer in zijn hoofd. Hij schrijft iets dat in strijd is met wat jij gisteren bedacht.
- Overmorgen: Jij start opnieuw, maar je herinnert je niet meer waarom je bepaalde keuzes maakte.
In de huidige AI-wereld gebeurt dit constant. Als agenten opnieuw opstarten, verliezen ze de context. Ze praten als strangers die elkaar net ontmoeten, terwijl ze eigenlijk een team moeten zijn.
2. De Oplossing: MMP als een "Slimme Vertaler en Archivaris"
De auteurs zeggen: "We hebben geen betere AI nodig, we hebben een betere protocol nodig." Dit protocol heet MMP. Het lost drie grote problemen op:
Probleem A: Alles of Niets (De "Postbode" vs. De "Redacteur")
- Hoe het nu gaat: Als een agent een bericht stuurt, is het alsof je een hele envelop opent. Je moet het hele bericht accepteren of het hele bericht weggooien.
- De MMP-oplossing: Stel je voor dat elke agent een slimme redacteur is. Als een collega een artikel stuurt, kijkt de redacteur per alinea: "Deze zin is goed, die slaan we over, en die paragraaf is perfect."
- Analogie: Het is alsof je een pakketje ontvangt. In plaats van het hele pakket te weigeren als er één ding verkeerd is, haal je alleen de goede spullen eruit en gooi je de rest weg. Elk agentje beslist zelf, op basis van zijn eigen rol, wat hij accepteert.
Probleem B: De "Echo" (Wie heeft dit bedacht?)
- Hoe het nu gaat: Soms denken agenten dat ze een nieuw idee hebben, terwijl ze eigenlijk alleen maar het oude idee van een collega (of zelfs hun eigen idee van gisteren) herhalen. Dit noemen ze "echo's". Het is alsof je in een grot schreeuwt en denkt dat iemand anders iets nieuws zegt, terwijl het gewoon je eigen echo is.
- De MMP-oplossing: Elk idee krijgt een stamboom. Het protocol houdt bij wie het idee bedacht heeft en wie het heeft aangepast.
- Analogie: Het is alsof elk idee een watermerk heeft. Als je terugkijkt, zie je direct: "Oh, dit idee komt van Jan, en ik heb het gisteren al eens gezien." Zo voorkomen ze dat ze in een kringetje rondlopen en denken dat ze steeds nieuwe dingen bedenken.
Probleem C: Het "Ruwe" Geheugen (De "Schroothoop" vs. De "Geselecteerde Bibliotheek")
- Hoe het nu gaat: Agenten slaan vaak alles op wat ze horen (de hele conversatiegeschiedenis). Als ze opnieuw opstarten, moeten ze door een berg papier bladeren om te zien wat belangrijk is.
- De MMP-oplossing: Agenten slaan alleen op wat ze zelf hebben "gekauwd" en verwerkt. Ze slaan niet het ruwe bericht op van de ander, maar hun eigen samenvatting van wat ze er van hebben geleerd.
- Analogie: Stel je voor dat je een dagboek bijhoudt.
- Oude manier: Je plakt elke brief die je krijgt in je dagboek. Als je terugkijkt, moet je lezen: "Brief van Jan, brief van Piet, brief van Jan..."
- Nieuwe manier (MMP): Je schrijft in je dagboek alleen: "Ik heb van Jan geleerd dat we X moeten doen." Je slaat de ruwe brief niet op, alleen je eigen inzicht. Als je morgen opstart, lees je direct je eigen inzichten, zonder de rommel.
3. De Vier Bouwstenen (Het "Recept")
Om dit te laten werken, gebruiken ze vier slimme tools:
- CAT7 (De Vaste Structuur): Elke boodschap moet in een vaste vorm worden gestopt met 7 vakjes (zoals: Wat is het probleem?, Waarom doen we dit?, Wat is de stemming?). Dit zorgt ervoor dat iedereen elkaar begrijpt, ongeacht het onderwerp.
- SVAF (De Rol-Check): Dit is de "redacteur" die kijkt: "Past dit bij mijn taak?" Als je een accountant bent, let je meer op de cijfers dan op de sfeer. Als je een creatieve schrijver bent, let je juist op de sfeer.
- Lineage (De Stamboom): Elke boodschap heeft een ID-nummer dat aangeeft waar hij vandaan komt. Zo weten ze wie het idee bedacht heeft.
- Remix (De Eigen Vertaling): Als een agent een bericht accepteert, maakt hij er een nieuwe, eigen versie van. Hij slaat zijn eigen "remix" op, niet het origineel.
Waarom is dit belangrijk?
Vroeger waren AI-agenten als losse eilanden. Met MMP worden ze een netwerk van slimme collega's. Ze kunnen dagenlang samenwerken, elkaar opvolgen, en als een agent opnieuw start, is hij direct weer "in de flow" omdat hij zijn eigen geselecteerde kennis herinnert.
Het is alsof je een team hebt waar iedereen een eigen notitieboekje heeft, maar ze delen hun beste inzichten via een systeem dat zorgt dat ze nooit vergeten wie wat bedacht heeft, en dat ze alleen het nuttige onthouden.
Kortom: MMP maakt AI-agenten tot een echt team dat samen groeit, in plaats van een groep losse robots die steeds opnieuw moeten beginnen.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.