論文の概要: Agent Context Protocols Enhance Collective Inference

• arxiv url: http://arxiv.org/abs/2505.14569v1
• Date: Tue, 20 May 2025 16:28:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.572458
• Title: Agent Context Protocols Enhance Collective Inference
• Title（参考訳）: エージェントコンテキストプロトコルは集合推論を促進する
• Authors: Devansh Bhardwaj, Arjun Beniwal, Shreyas Chaudhari, Ashwin Kalyan, Tanmay Rajpurohit, Karthik R. Narasimhan, Ameet Deshpande, Vishvak Murahari,
• Abstract要約: エージェントコンテキストプロトコル(エージェントコンテキストプロトコル、ACP)は、エージェントエージェント通信、調整、エラー処理のための、ドメインおよびエージェントに依存しないプロトコルのファミリーである。 ACPは永続的な実行青写真と標準化されたメッセージスキーマを組み合わせることで、堅牢でフォールトトレラントな集団推論を可能にする。 ACPによるジェネラリストシステムは最先端のパフォーマンスに到達し、長い水平ウェブアシストと最高のマルチモーダル技術レポートのためのAssistantBenchの精度は28.3%である。
• 参考スコア（独自算出の注目度）: 25.611935537078825
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: AI agents have become increasingly adept at complex tasks such as coding, reasoning, and multimodal understanding. However, building generalist systems requires moving beyond individual agents to collective inference -- a paradigm where multi-agent systems with diverse, task-specialized agents complement one another through structured communication and collaboration. Today, coordination is usually handled with imprecise, ad-hoc natural language, which limits complex interaction and hinders interoperability with domain-specific agents. We introduce Agent context protocols (ACPs): a domain- and agent-agnostic family of structured protocols for agent-agent communication, coordination, and error handling. ACPs combine (i) persistent execution blueprints -- explicit dependency graphs that store intermediate agent outputs -- with (ii) standardized message schemas, enabling robust and fault-tolerant multi-agent collective inference. ACP-powered generalist systems reach state-of-the-art performance: 28.3 % accuracy on AssistantBench for long-horizon web assistance and best-in-class multimodal technical reports, outperforming commercial AI systems in human evaluation. ACPs are highly modular and extensible, allowing practitioners to build top-tier generalist agents quickly.
• Abstract（参考訳）: AIエージェントは、コーディング、推論、マルチモーダル理解といった複雑なタスクにますます精通している。 しかし、ジェネラリストシステムを構築するには、個々のエージェントを集団推論に移す必要がある -- 多様なタスク特化エージェントを持つマルチエージェントシステムが、構造化されたコミュニケーションとコラボレーションを通じて相互に補完するパラダイムである。 今日では、調整は通常不正確でアドホックな自然言語で処理され、複雑な相互作用を制限し、ドメイン固有のエージェントとの相互運用性を妨げる。 本稿ではエージェントコンテキストプロトコル(ACP)について紹介する。エージェントエージェント間通信,調整,エラー処理のための,ドメインおよびエージェントに依存しないプロトコル群である。 ACPが組み合わさる (i) 永続的な実行ブループリント -- 中間エージェント出力を格納する明示的な依存グラフ -- と、 (ii) メッセージスキーマを標準化し、堅牢でフォールトトレラントなマルチエージェント集団推論を可能にする。 ACPによるジェネラリストシステムは最先端のパフォーマンスに到達し、長い水平Webアシストと最高のマルチモーダル技術レポートのためのAssistantBenchの28.3%の精度で、人間の評価において商用AIシステムを上回っている。 ACPは高度にモジュール化され拡張可能であり、実践者は最上位のジェネラリストエージェントを迅速に構築できる。

関連論文リスト

• A survey of agent interoperability protocols: Model Context Protocol (MCP), Agent Communication Protocol (ACP), Agent-to-Agent Protocol (A2A), and Agent Network Protocol (ANP) [0.8463972278020965]
  モデルコンテキストプロトコル(MCP)、エージェント通信プロトコル(ACP)、エージェント・ツー・エージェントプロトコル(A2A)、エージェントネットワークプロトコル(ANP)の4つの新しいエージェント通信プロトコルについて検討する。 MCPはセキュアなツール呼び出しと型付きデータ交換のためのクライアントサーバインターフェースを提供する。 ACPはマルチパートメッセージと非同期ストリーミングによるRESTネイティブメッセージングを導入し、マルチモーダルエージェント応答をサポートする。 A2Aは機能ベースのエージェントカードを通じてピアツーピアタスクのアウトソーシングを可能にする。 ANPは、分散識別子(DID)とグラフを使用して、オープンネットワークエージェントの発見と安全なコラボレーションをサポートする。
  論文  参考訳（メタデータ） (2025-05-04T22:18:27Z)
• A Survey of AI Agent Protocols [35.431057321412354]
  大きな言語モデル(LLM)エージェントが外部ツールやデータソースと通信する標準的な方法はありません。 この標準化されたプロトコルの欠如は、エージェントが協力したり、効果的にスケールするのを難しくする。 LLMエージェントの統一通信プロトコルは、これを変更できる。
  論文  参考訳（メタデータ） (2025-04-23T14:07:26Z)
• COMMA: A Communicative Multimodal Multi-Agent Benchmark [7.831385481814481]
  本稿では,言語コミュニケーションによるマルチモーダルマルチエージェントシステムの協調性能を評価するための新しいベンチマークを提案する。 GPT-4oのようなプロプライエタリなモデルを含む最先端モデルの驚くべき弱点が明らかになった。
  論文  参考訳（メタデータ） (2024-10-10T02:49:47Z)
• Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
  既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。 我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。 IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
  論文  参考訳（メタデータ） (2024-07-09T17:33:24Z)
• AgentScope: A Flexible yet Robust Multi-Agent Platform [66.64116117163755]
  AgentScopeは、メッセージ交換をコアコミュニケーションメカニズムとする、開発者中心のマルチエージェントプラットフォームである。 豊富な構文ツール、組み込みエージェントとサービス機能、アプリケーションのデモとユーティリティモニタのためのユーザフレンドリなインターフェース、ゼロコードプログラミングワークステーション、自動プロンプトチューニング機構により、開発とデプロイメントの両方の障壁は大幅に低下した。
  論文  参考訳（メタデータ） (2024-02-21T04:11:28Z)
• ProAgent: Building Proactive Cooperative Agents with Large Language Models [89.53040828210945]
  ProAgentは、大規模な言語モデルを利用してプロアクティブエージェントを生成する新しいフレームワークである。 ProAgentは現状を分析し、チームメイトの意図を観察から推測することができる。 ProAgentは高度なモジュール化と解釈可能性を示し、様々な調整シナリオに容易に統合できる。
  論文  参考訳（メタデータ） (2023-08-22T10:36:56Z)
• Multi-agent Deep Covering Skill Discovery [50.812414209206054]
  本稿では,複数エージェントの結合状態空間の予測被覆時間を最小化し,マルチエージェントオプションを構築するマルチエージェントDeep Covering Option Discoveryを提案する。 また、MARLプロセスにマルチエージェントオプションを採用するための新しいフレームワークを提案する。 提案アルゴリズムは,アテンション機構とエージェントの相互作用を効果的に把握し,マルチエージェントオプションの同定に成功した。
  論文  参考訳（メタデータ） (2022-10-07T00:40:59Z)
• Counterfactual Multi-Agent Reinforcement Learning with Graph Convolution Communication [5.5438676149999075]
  本稿では,エージェントが協調してシステムの有用性を最大化する,完全協調型マルチエージェントシステムについて考察する。 マルチエージェントシステムには,エージェント間の相互作用を伝達し,理解する能力が必要である。 エージェント間の通信を可能にするアーキテクチャを開発し,各エージェントに対するシステム報酬を調整する。
  論文  参考訳（メタデータ） (2020-04-01T14:36:13Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。