論文の概要: A Layered Protocol Architecture for the Internet of Agents
- arxiv url: http://arxiv.org/abs/2511.19699v1
- Date: Mon, 24 Nov 2025 21:06:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-26 17:37:04.159004
- Title: A Layered Protocol Architecture for the Internet of Agents
- Title（参考訳）: エージェントのインターネットのための階層型プロトコルアーキテクチャ
- Abstract要約: 大規模言語モデル(LLM)は、目覚ましいパフォーマンス向上と、ドメイン固有の言語を学習する能力を示している。
LLMは基本的な制限に直面しており、コンテキストウィンドウは無限に成長できず、メモリと計算能力が制限される。
我々は、textbfAgent Communication Layer (L8) と textbfAgent Semantic Negotiation Layer (L9) の2つの新しいレイヤを提案する。
- 参考スコア（独自算出の注目度）: 7.066470610779628
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) have demonstrated remarkable performance improvements and the ability to learn domain-specific languages (DSLs), including APIs and tool interfaces. This capability has enabled the creation of AI agents that can perform preliminary computations and act through tool calling, now being standardized via protocols like MCP. However, LLMs face fundamental limitations: their context windows cannot grow indefinitely, constraining their memory and computational capacity. Agent collaboration emerges as essential for solving increasingly complex problems, mirroring how computational systems rely on different types of memory to scale. The "Internet of Agents" (IoA) represents the communication stack that enables agents to scale by distributing computation across collaborating entities. Current network architectural stacks (OSI and TCP/IP) were designed for data delivery between hosts and processes, not for agent collaboration with semantic understanding. To address this gap, we propose two new layers: an \textbf{Agent Communication Layer (L8)} and an \textbf{Agent Semantic Negotiation Layer (L9)}. L8 formalizes the \textit{structure} of communication, standardizing message envelopes, speech-act performatives (e.g., REQUEST, INFORM), and interaction patterns (e.g., request-reply, publish-subscribe), building on protocols like MCP. L9, which does not exist today, formalizes the \textit{meaning} of communication, enabling agents to discover, negotiate, and lock a "Shared Context" -- a formal schema defining the concepts, tasks, and parameters relevant to their interaction. Together, these layers provide the foundation for scalable, distributed agent collaboration, enabling the next generation of multi-agentic systems.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、優れたパフォーマンス向上と、APIやツールインターフェースを含むドメイン固有言語(DSL)を学習する能力を示している。
この能力により、予備計算を実行し、ツール呼び出しを通じて動作可能なAIエージェントの作成が可能になった。
しかし、LLMは基本的な制限に直面しており、コンテキストウィンドウは無限に成長できず、メモリと計算能力が制限される。
エージェントコラボレーションは、計算システムがスケールする異なるタイプのメモリにどのように依存するかを反映して、ますます複雑な問題を解決するのに不可欠である。
エージェントのインターネット (Internet of Agents, IoA) は、エージェントが協調するエンティティ間で計算を分散することでスケールできる通信スタックである。
現在のネットワークアーキテクチャスタック (OSI と TCP/IP) は、ホストとプロセス間のデータ配信のために設計されている。
このギャップに対処するために、新しい2つのレイヤを提案する: \textbf{Agent Communication Layer (L8)} と \textbf{Agent Semantic Negotiation Layer (L9)}。
L8 は通信の \textit{structure} を形式化し、メッセージエンベロープの標準化、音声アクティベート(例:REQUEST, INFORM)、対話パターン(例:要求応答、パブリッシュ-サブスクライブ)を MCP などのプロトコル上に構築する。
エージェントが"Shared Context"(共有コンテキスト)を発見し、交渉し、ロックできるようにする。これはインタラクションに関連する概念、タスク、パラメータを定義するフォーマルなスキーマである。
これらのレイヤが合わさって、スケーラブルで分散エージェントのコラボレーションの基礎を提供し、次世代のマルチエージェントシステムを可能にします。
関連論文リスト
- Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - Distributed General-Purpose Agent Networks: Architecture, Key Mechanisms, and Prototypes [6.912160696802991]
本稿では,分散汎用エージェントネットワークについて検討する。
従来のP2Pネットワークとは異なり、エージェントネットワークは意図、能力、状態、協力に関する意味的宣言を伝達しなければならない。
本稿では,シーケンシャルログを用いたボディーレスゴシップ,MG-EigenTrustの評判を用いたBAIDベースのIDバインディング,セマンティック属性フィードバックによって駆動されるStackelberg方式のメカニズム生成ループなどの技術経路を提案する。
論文 参考訳（メタデータ） (2026-06-15T23:57:13Z) - SANEmerg: An Emergent Communication Framework for Semantic-aware Agentic AI Networking [11.675585308639839]
創発的コミュニケーションは、タスク固有のシグナリングプロトコルをサポートする自律エージェントを有効にすることで、新しいソリューションを提供する。
本稿では,セマンティック・アウェア・エージェントネットシステムに適したマルチエージェント・創発的コミュニケーション・フレームワークについて考察する。
提案するフレームワークであるSANEmergは,協調作業遂行のためのコミュニケーションの出現を促進するために設計されている。
論文 参考訳（メタデータ） (2026-05-07T08:30:43Z) - Co-TAP: Three-Layer Agent Interaction Protocol Technical Report [25.250986874331645]
Co-TAPはマルチエージェントシステムで直面する課題に対処するために設計された3層エージェントインタラクションプロトコルである。
我々は、HAI(Human-Agent Interaction Protocol)、UAP(Unified Agent Protocol)、MEK(Memory-Extraction-Knowledge Protocol)の3つのコアプロトコルからなる階層型ソリューションを設計、提案した。
論文 参考訳（メタデータ） (2025-10-09T14:20:19Z) - Agentic Web: Weaving the Next Web with AI Agents [109.13815627467514]
大規模言語モデル(LLM)を活用したAIエージェントの出現は、エージェントWebに対する重要な転換点である。
このパラダイムでは、エージェントが直接対話して、ユーザに代わって複雑なタスクを計画、コーディネート、実行します。
本稿では,エージェントWebの理解と構築のための構造化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-07-28T17:58:12Z) - AgentMaster: A Multi-Agent Conversational Framework Using A2A and MCP Protocols for Multimodal Information Retrieval and Analysis [0.0]
本稿では,A2AとMPPを自己実装した新しいモジュール型マルチプロトコールMASフレームワークであるAgentMasterの試験的検討を行う。
このシステムは、先行技術知識のない自然言語インタラクションをサポートし、情報検索、質問応答、画像解析を含むタスクに対するマルチモーダルクエリに応答する。
全体として、提案するフレームワークは、MASを利用したドメイン固有、協調的、スケーラブルな対話型AIの可能性に寄与する。
論文 参考訳（メタデータ） (2025-07-08T03:34:26Z) - AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。
提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
論文 参考訳（メタデータ） (2025-06-21T18:34:43Z) - 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。
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) - Towards Conversational AI for Human-Machine Collaborative MLOps [0.17152709285783643]
本稿では,MLOpsにおける人間と機械の協調性向上を目的としたLarge Language Model (LLM)に基づく対話エージェントシステムを提案する。
Swarm Agentは、自然言語インタラクションを通じてMLを作成し管理するための特殊なエージェントを統合するアーキテクチャである。
アーキテクチャ、実装の詳細を説明し、この会話型MLOpsアシスタントが複雑さを減らし、さまざまな技術スキルレベルにわたるユーザへの参入を減少させる方法について説明する。
論文 参考訳（メタデータ） (2025-04-16T20:28:50Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z) - 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) - Learning Structured Communication for Multi-agent Reinforcement Learning [104.64584573546524]
本研究では,マルチエージェント強化学習(MARL)環境下での大規模マルチエージェント通信機構について検討する。
本稿では、より柔軟で効率的な通信トポロジを用いて、LSC(Learning Structured Communication)と呼ばれる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-11T07:19:45Z)
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。