A Technical Taxonomy of LLM Agent Communication Protocols
Este estudo apresenta uma taxonomia técnica de protocolos de comunicação de agentes de LLM baseada em uma análise de cinco dimensões de nove sistemas de código aberto, revelando padrões arquiteturais atuais e prevendo uma evolução futura em direção a uma pilha de protocolos federada e em camadas, em vez de um único padrão universal.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine um mundo onde a inteligência artificial não é mais uma mente única e solitária respondendo a perguntas, mas uma sociedade movimentada de trabalhadores especializados. Alguns desses trabalhadores digitais são especialistas em encontrar informações, outros em escrever código e outros em elaborar planos complexos. Para resolver um problema difícil, eles devem conversar entre si, compartilhar suas descobertas e coordenar suas ações. Este é o objetivo dos sistemas multiagentes: um grupo de programas inteligentes trabalhando juntos para alcançar o que nenhum deles conseguiria fazer sozinho. No entanto, para que esta sociedade funcione, esses trabalhadores digitais precisam de uma linguagem comum. Assim como os humanos precisam concordar com a gramática e o vocabulário para manter uma conversa, esses agentes de software precisam de um conjunto de regras acordadas para trocar informações. Sem essas regras, um trabalhador construído por uma empresa pode não ser capaz de entender um trabalhador construído por outra, ficando isolado em seus próprios silos.
Uma equipe de pesquisadores da Universidade Técnica de Munique entrou neste campo emergente para mapear o panorama atual dessas regras de comunicação. Eles se propuseram a entender como diferentes sistemas estão tentando conectar esses agentes digitais atualmente. Os pesquisadores não inventaram uma nova linguagem; em vez disso, atuaram como cartógrafos, desenhando um mapa detalhado dos nove protocolos de comunicação mais ativos e abertos que estão sendo usados e desenvolvidos pela comunidade. Ao examinar esses nove sistemas de perto, criaram uma nova forma de classificá-los, revelando que, embora haja muita atividade, o campo ainda está fragmentado e se movendo em direção a uma estrutura futura específica.
Os pesquisadores começaram selecionando nove protocolos específicos que estavam sendo mantidos ativamente e estavam disponíveis abertamente. Eles buscaram sistemas projetados para permitir que agentes falem com outros agentes, bem como sistemas projetados para permitir que agentes falem com ferramentas, bancos de dados ou outros serviços externos. Em seguida, analisaram cada um através de cinco lentes específicas. Primeiro, observaram com quem o agente estava falando: era com outro agente, uma ferramenta ou ambos? Segundo, examinaram o conteúdo das mensagens: eram apenas texto, apenas dados estruturados como números e arquivos, ou uma mistura de ambos? Terceiro, verificaram se a conversa mantinha uma memória do que havia acontecido antes, ou se cada mensagem era tratada como um novo começo. Quarto, investigaram como os agentes se encontravam no início: eles precisavam de um diretório central para procurar endereços ou podiam se encontrar diretamente? Finalmente, observaram a flexibilidade das regras de conversa: as regras eram fixas em pedra, os agentes podiam escolher entre algumas opções ou podiam inventar novas regras enquanto falavam?
A análise revelou um padrão claro na construção desses sistemas. Todo protocolo projetado para agentes falarem com outros agentes suporta um "estado de sessão", o que significa que a conversa lembra seu histórico, algo essencial para tarefas complexas de múltiplas etapas. Nenhum desses sistemas de agente-para-agente depende apenas de texto simples; todos lidam com uma mistura de conversa e dados estruturados. Os pesquisadores também encontraram uma forte tendência à flexibilidade. A maioria dos protocolos permite que os agentes escolham entre várias formas pré-definidas de estruturar suas mensagens, e dois dos protocolos vão ainda além, permitindo que os agentes negociem e alterem a estrutura de sua conversa enquanto ela acontece. Isso sugere que, à medida que esses sistemas se tornam mais avançados, a capacidade de adaptar as regras sobre a hora está se tornando um requisito padrão.
No entanto, o estudo também destacou uma lacuna significativa. Embora muitos protocolos permitam que agentes falem entre si ou com ferramentas, muito poucos suportam uma maneira verdadeiramente descentralizada para que os agentes encontrem uns aos outros. A maioria depende de um registro central ou de um endereço fixo, de forma muito semelhante a uma lista telefônica ou uma lista de contatos pré-escrita. Essa centralização pode se tornar um gargalo se o número de agentes crescer para a escala da internet. Os pesquisadores observaram que apenas um dos nove protocolos estudados oferecia um método totalmente descentralizado para descoberta, onde os agentes se encontram sem uma autoridade central.
A descoberta mais importante do estudo é uma previsão sobre o futuro desta tecnologia. Os pesquisadores argumentam que é improvável que um único protocolo de uso geral surja para governar tudo, capaz de lidar com tudo, desde chamadas de ferramentas simples até debates complexos e longos. Em vez disso, eles sugerem que o campo está se movendo em direção a um sistema em camadas, semelhante à forma como a própria internet é construída. Neste futuro, diferentes protocolos lidariam com diferentes camadas de comunicação. Alguns seriam leves e rígidos, perfeitos para pedir rapidamente que uma ferramenta realize uma tarefa simples. Outros seriam flexíveis e ricos em memória, projetados para as conversas complexas e evolutivas entre múltiplos agentes. Essa abordagem em camadas permitiria que a "Internet dos Agentes" fosse tanto eficiente quanto versátil, usando a ferramenta certa para o trabalho certo em cada nível de interação.
O estudo conclui apontando uma peça faltante no quebra-cabeça atual: privacidade e segurança. Nenhum dos nove protocolos examinados incluiu mecanismos integrados para aplicar regras estritas de privacidade ou para verificar se um agente tem permissão para realizar uma ação específica. À medida que esses sistemas avançam para aplicações do mundo real, como saúde ou finanças, os pesquisadores sugerem que uma nova camada de governança será necessária para garantir que essas conversas digitais permaneçam seguras e em conformidade com as leis. Por enquanto, o campo está em um período de experimentação rápida, mas o caminho a seguir parece claro: um ecossistema diversificado e em camadas de protocolos trabalhando juntos, em vez de um único padrão tentando fazer tudo.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.