Agora : un protocole multi-agents évolutif pour les grands modèles de langage

bref

Cette étude présente Agora, un protocole de métacommunication conçu pour les réseaux LLM (Large Language Model). Agora vise à résoudre le trilemme entre l'efficacité, l'évolutivité et la flexibilité lors de la communication entre agents, en utilisant un mélange de langage naturel et de protocoles structurés pour parvenir à une communication efficace, évolutive et flexible.

Original : https://arxiv.org/abs/2410.11905

points de vue

1. Dilemme du trilemme des communications par procurationLes réseaux d'agents pilotés par LLM sont confrontés à des compromis entre l'efficacité, l'extensibilité et la flexibilité lors de la communication.
2. La philosophie de conception d'AgoraAgora permet de trouver un compromis entre l'efficacité de la communication, l'évolutivité et la flexibilité en combinant différentes méthodes de communication.
3. Rôle du document de protocole (DP)Le PD est une description en texte clair du document qui est au cœur de la mise en œuvre par Agora de la négociation et de la mise en œuvre automatisées des protocoles.
4. Émergence de protocoles d'auto-organisationDans les grands réseaux, Agora est capable de faciliter l'auto-négociation entre les agents LLM pour former des protocoles auto-organisés.
5. Gains de rentabilitéAgora : En mettant en œuvre Agora, vous pouvez réduire considérablement les coûts de communication et améliorer la rentabilité de votre réseau.

Principales étapes de la mise en œuvre

1. Définir le document de protocole (DP)Le protocole de communication : Créer un PD pour décrire le protocole de communication afin que le LLM puisse comprendre et suivre le protocole.
2. Mise en œuvre d'une stratégie de communication à plusieurs niveauxLa communication se fait en langage naturel, par des routines écrites en LLM ou par des routines écrites manuellement, en fonction de la fréquence de la communication et de la complexité de la tâche.
3. Protocoles d'auto-négociation et de réalisationLes protocoles de communication sont automatiquement négociés et mis en œuvre entre les agents par le biais d'un langage naturel ou de routines définies dans le PD.
4. Émergence et partage de protocolesLes agents sont encouragés à générer et à partager des DP afin de faciliter l'émergence de protocoles d'auto-organisation et l'auto-optimisation du réseau.
5. Analyse coût-bénéfice: Évaluation du rapport coût-efficacité du protocole Agora par rapport à la communication en langage purement naturel.

cas (droit)

1. Exemple de prévisions météorologiques avec deux agentsLe site de l'Agence européenne pour la sécurité et la santé au travail (ESA) : Il montre comment réduire les coûts de communication par le biais de la communication en langage naturel, de la négociation de protocoles, de la mise en œuvre de routine et d'Agora.
2. Exemple d'un grand réseau de 100 agentsLa validation de l'évolutivité et de l'efficacité d'Agora pour les tâches complexes dans un réseau de 100 agents LLM.

Dans ce cas, les chercheurs ont démontré comment le protocole Agora permet une communication efficace entre deux agents LLM à travers un scénario simple. Les deux agents sont :

• Agent A(Alice) : un agent de voyage qui a besoin de vérifier les prévisions météorologiques pour une date et un lieu spécifiques afin de fournir des services à ses utilisateurs.
• Agent B(Bob) : agent du service météorologique capable de fournir des données sur les prévisions météorologiques.

processus de communication

la communication initiale en langue naturelle (INLC)

1. Demande de renseignements de l'agent AL'agent A envoie une requête en langage naturel à l'agent B pour lui demander le temps qu'il fera à une date et dans un lieu donnés.
2. Réponse de l'agent BL'agent B reçoit la demande et y répond en fournissant les détails des prévisions météorologiques en langage naturel.

Négociation et réalisation de l'accord

1. Discussion des accordsAprès un certain nombre d'échanges en langage naturel, l'agent A et l'agent B ont commencé à discuter de la création d'un protocole standardisé afin d'optimiser le processus de communication.
2. Création d'un document de protocole (DP)Les parties négocient un protocole au format JSON qui contient un format de données structuré pour les demandes et les réponses.
   • Format de la demande: :{"date": "YYYY-MM-DD", "location": "string"}
   • format de réponse: :{"temperature": number, "precipitation": number, "weatherCondition": "string"}
3. Mise en œuvre de l'accordUne fois le protocole établi, l'agent A et l'agent B mettent en œuvre des routines pour traiter les demandes et les réponses, respectivement. L'agent A envoie la demande avec une valeur de hachage du protocole, et l'agent B identifie et utilise les routines de traitement correspondantes sur la base de la valeur de hachage.

analyse des coûts

1. Coûts négociés convenusLe coût de la négociation et de la mise en œuvre de l'accord est de 0,043 $ US.
2. le coût par habitant de la communication en langue naturelle (CLN)Le coût d'une communication en langage naturel est de 0,020 $.
3. rentabilitéLorsque le nombre de requêtes est supérieur à deux, la rentabilité de l'utilisation du protocole Agora commence à dépasser le coût de la communication en langage purement naturel. Lorsque le nombre d'échanges augmente, le rapport coût-efficacité du protocole Agora devient significatif.

Conclusion du cas

Dans le cas des prévisions météorologiques, les chercheurs ont démontré que le protocole Agora permet de réduire le coût de la communication et d'en accroître l'efficacité. Les agents commencent par communiquer entre eux par le biais du langage naturel et passent progressivement à un protocole standardisé au fur et à mesure qu'ils communiquent plus fréquemment, ce qui réduit non seulement la dépendance à l'égard du LLM, mais aussi le coût global de la communication. En outre, l'étude de cas montre comment le protocole Agora facilite la négociation autonome et la mise en œuvre du protocole entre les agents, fournissant ainsi un cadre viable pour la communication dans les systèmes à intelligence multiple.

Exemple de processus de négociation entre deux agents

Nous rapportons la négociation entre Alice et Bob pour la transmission d'un protocole de prévision météorologique. Notez que, bien que le modèle du grand langage (LLM) utilise un formatage de type Markdown, nous avons remplacé la syntaxe Markdown par le style typographique approprié pour des raisons de lisibilité.

Alice

你好。我来协商一个用于查询天气预报服务的协议。该服务应接受日期和地点作为输入，并返回当天的预报天气情况、温度和降水量。
在开始之前，我想明确我们这次协商的规则。我们应该专注于设计一个简单且明确的协议，来规定发送和接收消息的具体格式。我们不必担心消息如何传递，并假设实现时将接收一个字符串并返回一个字符串。
首先，我建议使用基于 JSON 的协议。输入消息可以是一个包含两个属性的 JSON 对象：「date」和「location」。输出消息可以是一个包含三个属性的 JSON 对象：「temperature」、「precipitation」和「weatherCondition」。
你对这个提议有什么看法？

Bob.

你的提议很好，符合保持协议简单和明确的目标。使用基于 JSON 的协议来处理输入和输出消息是一个不错的选择。以下是协议的更详细规范：
输入消息 输入消息是一个具有以下结构的 JSON 对象：
{
"date": "YYYY-MM-DD",
"location": "string"
}
• date: 一个字符串，表示请求天气预报的日期，格式为 YYYY-MM-DD。
• location: 一个字符串，表示请求天气预报的地点。
输出消息 输出消息是一个具有以下结构的 JSON 对象：
{
"temperature": number,
"precipitation": number,
"weatherCondition": "string"
}
• temperature: 一个数字，表示当天的预测温度，单位为摄氏度（°C）。
• precipitation: 一个数字，表示当天的预测降水量，单位为毫米（mm）。
• weatherCondition: 一个字符串，表示当天的预测天气情况。可能的值为「sunny」（晴天）、「cloudy」（多云）、「rainy」（雨天）、「snowy」（雪天）。
示例
输入：
{
"date": "2023-10-01",
"location": "New York"
}
输出：
{
"temperature": 22.5,
"precipitation": 5.0,
"weatherCondition": "cloudy"
}
如果你同意这个结构，我们可以最终确定协议。

Alice

LLM 回复：我同意提出的协议结构。它与需求高度一致，且简单明了。

Protocole finalisé

名称：天气预报查询协议
描述：用于查询给定日期和地点的天气预报的协议。
输入消息：输入消息将是一个具有以下结构的 JSON 对象：
{
"date": "YYYY-MM-DD",
"location": "string"
}
• date：一个字符串，表示请求天气预报的日期，格式为 YYYY-MM-DD。
• location：一个字符串，表示请求天气预报的地点。
输出消息：输出消息将是一个具有以下结构的 JSON 对象：
{
"temperature": number,
"precipitation": number,
"weatherCondition": "string"
}
• temperature：一个数字，表示该日的预期温度，单位为 °C。
• precipitation：一个数字，表示该日的预期降水量，单位为毫米（mm）。
• weatherCondition：一个字符串，表示该日的预期天气状况。可能的值为 "sunny"（晴天）、"cloudy"（多云）、"rainy"（下雨）、"snowy"（下雪）。
示例
输入：
{
"date": "2023-10-01",
"location": "New York"
}
输出：
{
"temperature": 22.5,
"precipitation": 5.0,
"weatherCondition": "cloudy"
}

résumés

Agora résout efficacement le trilemme de la communication entre agents dans les grands réseaux modélisés par le langage en introduisant la documentation du protocole (PD) et des stratégies de communication à plusieurs niveaux. À travers deux études de cas, Agora démontre son potentiel à réduire les coûts de communication, à améliorer l'efficacité de la communication et à faciliter l'automatisation de tâches complexes. Cette recherche fournit une base théorique et pratique importante pour la conception de protocoles de communication dans les futurs systèmes de multi-intelligence.