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

No mundo digital, as redes são frequentemente pensadas como tubulações que transportam mensagens de uma pessoa para outra. Durante décadas, engenheiros projetaram esses sistemas baseados em uma premissa simples: o tráfego chega em um ritmo relativamente previsível, impulsionado por usuários humanos clicando em botões, enviando e-mails ou carregando páginas da web. Quando uma pessoa espera um momento antes de enviar a próxima mensagem, a rede percebe uma lacuna. Quando muitas pessoas agem ao mesmo tempo, a rede percebe uma pressa. Esse padrão impulsionado pelo humano tem sido a base para o planejamento de quanta capacidade uma rede precisa para lidar com a carga.

No entanto, um novo tipo de trabalhador digital está surgindo: o agente autônomo. Estes são programas de software alimentados por modelos de linguagem de grande escala (LLMs) que podem pensar, planejar e agir por conta própria. Ao contrário de um humano, que pausa para pensar antes de digitar uma resposta, esses agentes podem gerar uma cadeia complexa de ações internas para resolver um único problema. Um usuário pode fazer uma pergunta, mas o agente pode decidir chamar uma ferramenta, pedir o conselho de um agente colega, verificar um banco de dados e, então, sintetizar uma resposta. Tudo isso acontece automaticamente, criando um fluxo de solicitações que a rede deve carregar. A questão para os engenheiros de rede é se as velhas regras ainda se aplicam quando o tráfego não é mais impulsionado pelas mãos humanas, mas pela lógica interna dessas equipes digitais.

Uma equipe de pesquisadores partiu para medir exatamente como esses novos sistemas se comportam. Eles focaram em um aspecto específico do tráfego de rede: o tempo que passa entre uma solicitação e a próxima. No mundo da engenharia de redes, essa lacuna é uma pista crucial. Se as lacunas são aleatórias e dispersas, o sistema se comporta de uma forma que é fácil de prever. Se as lacunas se agrupam ou seguem um padrão específico, o sistema se comporta de forma diferente, potencialmente causando gargalos que os designs padrão não conseguem lidar. Os pesquisadores queriam ver se a maneira como esses agentes são organizados — como eles conversam entre si — altera o ritmo do tráfego que geram.

Para encontrar a resposta, a equipe construiu um ambiente controlado onde puderam executar a mesma tarefa centenas de vezes com diferentes estruturas de equipe. Eles testaram três formas distintas de organizar os agentes. Na primeira configuração, os agentes trabalhavam um após o outro, como uma corrida de revezamento onde cada corredor espera o anterior terminar antes de começar. Na segunda configuração, um líder central atribuía tarefas a vários trabalhadores simultaneamente, como um gerente distribuindo tarefas para um grupo de funcionários todos de uma vez. Na terceira configuração, cada agente podia falar diretamente com todos os outros agentes ao mesmo tempo, criando uma rede densa de comunicação. Eles executaram cada um desses cenários 500 vezes para coletar uma quantidade massiva de dados sobre como as solicitações fluíam.

Os resultados revelaram que a maneira como os agentes são organizados altera fundamentalmente a natureza do tráfego. Quando os agentes trabalhavam em uma linha simples, um após o outro, o tempo entre as solicitações era relativamente constante e previsível. No entanto, quando os pesquisadores introduziram o trabalho paralelo, o padrão mudou dramaticamente. Nas configurações em que os agentes trabalhavam juntos ao mesmo tempo, o tráfego tornou-se "bimodal", o que significa que tinha dois comportamentos distintos acontecendo ao mesmo tempo. Um comportamento era um surto repentino de atividade, onde muitas solicitações chegavam quase instantaneamente, separadas por frações minúsculas de segundo. Isso acontecia porque o sistema enviava múltiplos comandos no exato mesmo momento. O outro comportamento era um ritmo mais lento e reflexivo, que ocorria enquanto os agentes estavam realmente processando informações e raciocinando sobre suas tarefas.

Os pesquisadores descobriram que a velha ideia de que o tráfego de rede chega aleatoriamente, como gotas de chuva caindo em um telhado, não se ajusta a esses novos sistemas. Eles testaram um modelo matemático padrão que assume que as solicitações chegam independentemente umas das outras e descobriram que ele era decisivamente errado para todas as configurações de agentes que estudaram. Em vez disso, o tempo que os agentes levavam para pensar e raciocinar entre as solicitações seguia um padrão diferente, um que é melhor descrito por uma curva que considera como as tarefas podem levar tempos variados dependendo da complexidade. Isso significa que a lógica interna do software está criando um ritmo específico e estruturado que é muito diferente do comportamento humano.

Essas descobertas são importantes porque mostram que o design da equipe de agentes atua como um gerador de tráfego. Se um sistema é projetado para que muitos agentes conversem entre si ao mesmo tempo, ele criará surtos intensos e agudos de atividade de rede que podem sobrecarregar os servidores, mesmo que o número total de tarefas permaneça o mesmo. Os pesquisadores descobriram que, na configuração mais conectada, onde cada agente podia falar com todos os outros agentes, o tempo entre as solicitações caiu para meros milissegundos para uma grande parte do tráfego, criando um surto que foi quase 600 por cento mais rápido do que a configuração sequencial. Esse surto não é um erro; é uma característica estrutural de como o sistema funciona.

O estudo também destacou que essas mudanças repercutem por toda a rede. A maneira como os agentes se coordenam afeta não apenas a camada de aplicação, mas também as conexões de dados subjacentes e a carga nos servidores que processam as solicitações. Os pesquisadores mediram quantos pacotes de dados foram enviados e quanta memória foi usada, descobrindo que a natureza explosiva das configurações paralelas levou a picos mais altos de uso de rede. Isso sugere que simplesmente contar o número total de solicitações não é suficiente para entender a carga; os engenheiros devem também observar como essas solicitações são espaçadas no tempo.

Em última análise, este trabalho fornece o primeiro panorama claro de como a estrutura de um sistema multiagente molda o tráfego que ele cria. Mostra que, à medida que avançamos para um futuro onde agentes de software colaboram para resolver problemas, as redes que os suportam precisarão ser projetadas com esses novos padrões em mente. Os modelos antigos, construídos para usuários humanos, não podem prever com precisão o comportamento dessas equipes digitais. Ao compreender que o estilo de coordenação dos agentes cria padrões específicos e mensuráveis no tráfego, os engenheiros podem construir sistemas que sejam robustos o suficiente para lidar com o ritmo único do futuro autônomo. Os pesquisadores disponibilizaram suas ferramentas e dados ao público, convidando outros a explorar esses padrões mais a fundo à medida que a tecnologia continua a evoluir.