論文の概要: ANX: Protocol-First Design for AI Agent Interaction with a Supporting 3EX Decoupled Architecture
- arxiv url: http://arxiv.org/abs/2604.04820v1
- Date: Mon, 06 Apr 2026 16:24:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-07 15:49:19.280122
- Title: ANX: Protocol-First Design for AI Agent Interaction with a Supporting 3EX Decoupled Architecture
- Title（参考訳）: ANX: 3EXデカップリングアーキテクチャをサポートするAIエージェントインタラクションのためのプロトコルファースト設計
- Abstract要約: オープンで検証可能なエージェントネイティブプロトコルであり、CLI, Skill, MCPを統合したトップレベルのフレームワークであるANXを紹介する。
1)高情報密度のエージェントネイティブ設計、柔軟性、トークンの削減と一貫性の排除のための強力なマークアップ、2)エージェント実行可能な命令とヒューマン可読UIとしてのデュアルレンダリングのためのSkillの柔軟性を組み合わせたヒューマンエージェントインタラクション、3)MSPをサポートする事前登録のないオンデマンド軽量アプリ、4) ANX対応のマシン実行可能なSOPにより、信頼性のある長距離タスクとマルチエージェントコラボレーションの曖昧さが解消される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI agents, autonomous digital actors, need agent-native protocols; existing methods include GUI automation and MCP-based skills, with defects of high token consumption, fragmented interaction, inadequate security, due to lacking a unified top-level framework and key components, each independent module flawed. To address these issues, we present ANX, an open, extensible, verifiable agent-native protocol and top-level framework integrating CLI, Skill, MCP, resolving pain points via protocol innovation, architectural optimization and tool supplementation. Its four core innovations: 1) Agent-native design (ANX Config, Markup, CLI) with high information density, flexibility and strong adaptability to reduce tokens and eliminate inconsistencies; 2) Human-agent interaction combining Skill's flexibility for dual rendering as agent-executable instructions and human-readable UI; 3) MCP-supported on-demand lightweight apps without pre-registration; 4) ANX Markup-enabled machine-executable SOPs eliminating ambiguity for reliable long-horizon tasks and multi-agent collaboration. As the first in a series, we focus on ANX's design, present its 3EX decoupled architecture with ANXHub and preliminary feasibility analysis and experimental validation. ANX ensures native security: LLM-bypassed UI-to-Core communication keeps sensitive data out of agent context; human-only confirmation prevents automated misuse. Form-filling experiments with Qwen3.5-plus/GPT-4o show ANX reduces tokens by 47.3% (Qwen3.5-plus) and 55.6% (GPT-4o) vs MCP-based skills, 57.1% (Qwen3.5-plus) and 66.3% (GPT-4o) vs GUI automation, and shortens execution time by 58.1% and 57.7% vs MCP-based skills.
- Abstract（参考訳）: AIエージェント、自律型デジタルアクターはエージェントネイティブプロトコルを必要とする。既存のメソッドにはGUI自動化とMPPベースのスキルが含まれており、トークンの消費、断片化されたインタラクション、セキュリティの欠如がある。
これらの問題に対処するために、オープンで拡張可能な、検証可能なエージェントネイティブプロトコルであるANXと、CLI、スキル、MPPを統合したトップレベルのフレームワークを紹介します。
中心となる4つのイノベーション。
1) エージェントネイティブ設計(ANX Config、Markup、CLI) 高い情報密度、柔軟性、トークンの削減と一貫性の排除のための強力な適応性。
2) エージェント・エグゼクティブ・インストラクションとしてのSkillの2重レンダリングの柔軟性とヒューマン・可読UIを組み合わせたヒューマン・エージェントインタラクション
3) MCP対応のオンデマンド・ライトウェイト・アプリ
4) ANXマークアップ対応マシン実行可能なSOPは、信頼性の高い長期タスクとマルチエージェントコラボレーションの曖昧さを排除します。
シリーズ第1弾として、ANXの設計、ANXHubによる3EXデカップリングアーキテクチャ、予備実現可能性分析および実験検証について述べる。
LLMにバイパスされたUI-to-Core通信は、エージェントコンテキストから機密データを隠蔽する。
Qwen3.5-plus/GPT-4oによるフォームフィル実験では、トークンを47.3%(Qwen3.5-plus)、55.6%(GPT-4o)、MCPベースのスキルを57.1%(Qwen3.5-plus)、GUI自動化を66.3%(GPT-4o)、実行時間を58.1%、MPPベースのスキルを57.7%削減した。
関連論文リスト
- Human-Robot Interaction in GenAI Architectures via the Agent-Client Protocol [0.0]
本稿では,エージェントベースロボットシステムにおけるヒューマン・ロボット・インタラクション・レイヤの統一通信契約として,エージェント・クライアント・プロトコル(ACP)を採用することを提案する。
ACPは、元々ソフトウェア工学におけるコーディングエージェントのために導入された通信標準である。
物理移動ロボット上で提案したアーキテクチャを実験的に評価し、3つの異種ユーザインタフェース間の相互運用性を実証した。
論文 参考訳（メタデータ） (2026-07-16T12:38:48Z) - Agent-First Tool API: A Semantic Interface Paradigm for Enterprise AI Agent Systems [1.3259123126940986]
本稿では,ツールインタラクションを検索,解決,プレビュー,実行,検証,フェーズ回復に分解するAgent-First Tool APIパラダイムを提案する。
このパラダイムは、6つのビジネスドメインに85の登録ツールを提供する実運用マルチテナントプラットフォームで実装され、検証されている。
論文 参考訳（メタデータ） (2026-05-11T13:30:43Z) - AgentCollabBench: Diagnosing When Good Agents Make Bad Collaborators [0.0]
AgentCollabBenchは、ソフトウェアエンジニアリング、DevOps、データエンジニアリングにまたがる900の人為的なタスクの診断ベンチマークです。
各タスクは、4つの行動リスクのうちの1つを分離する。
GPT 4.1 mini, Gemini 2.5 Flash Lite, Qwen-3.5-35B-A3B, Llama 3.1 8B の4つの近代LCMの評価を行った。
通信トポロジは、マルチホップ情報サバイバルにおけるばらつきの7-40%を説明する主要なリスクファクターとして現れる。
論文 参考訳（メタデータ） (2026-05-09T03:35:09Z) - Agent Q-Mix: Selecting the Right Action for LLM Multi-Agent Systems through Reinforcement Learning [68.85408801740228]
協調型マルチエージェント強化学習問題としてトポロジ選択を再構成する強化学習フレームワークである textbfAgent Q-Mix を提案する。
提案手法は,Qmix値分解を用いて分散化された通信決定を学習し,各エージェントがラウンドワイド通信グラフを共同生成する一連の通信行動から選択する。
エージェントQ-Mixは,エージェント故障に対して優れたトークン効率とロバスト性を示しながら,既存手法と比較して高い平均精度を達成する。
論文 参考訳（メタデータ） (2026-04-01T00:38:24Z) - STEM Agent: A Self-Adapting, Tool-Enabled, Extensible Architecture for Multi-Protocol AI Agent Systems [0.0]
STEM Agent(STEM Agent)は,生物の豊かさにインスパイアされたモジュラーアーキテクチャである。
このフレームワークは、単一のゲートウェイの背後にある5つの相互運用性プロトコルを統合する。
包括的な413-testスイートは、プロトコルハンドラの動作と5つのアーキテクチャレイヤ間のコンポーネント統合を検証する。
論文 参考訳（メタデータ） (2026-03-22T20:50:53Z) - Just Ask: Curious Code Agents Reveal System Prompts in Frontier LLMs [65.6660735371212]
textbftextscJustAskは,インタラクションのみで効果的な抽出戦略を自律的に発見するフレームワークである。
これは、アッパー信頼境界に基づく戦略選択と、原子プローブと高レベルのオーケストレーションにまたがる階層的なスキル空間を用いて、オンライン探索問題として抽出を定式化する。
この結果から,現代のエージェントシステムにおいて,システムプロンプトは致命的ではあるがほぼ無防備な攻撃面であることがわかった。
論文 参考訳（メタデータ） (2026-01-29T03:53:25Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - MCP-Universe: Benchmarking Large Language Models with Real-World Model Context Protocol Servers [86.00932417210477]
MCP-Universeは,実世界のMPPサーバとのインタラクションを通じて,現実的かつ困難なタスクにおいてLLMを評価するために設計された,初めての総合ベンチマークである。
私たちのベンチマークでは、ロケーションナビゲーション、リポジトリ管理、財務分析、3Dデザイン、ブラウザ自動化、Web検索という、11の異なるMSPサーバにまたがる6つのコアドメインを網羅しています。
GPT-5 (43.72%) やGrok-4 (33.33%) やClaude-4.0-Sonnet (29.44%) のようなSOTAモデルでさえ、大幅な性能制限がある。
論文 参考訳（メタデータ） (2025-08-20T13:28:58Z) - MCP-Orchestrated Multi-Agent System for Automated Disinformation Detection [84.75972919995398]
本稿では,関係抽出を用いてニュース記事の偽情報を検出するマルチエージェントシステムを提案する。
提案したエージェントAIシステムは、(i)機械学習エージェント(ロジスティック回帰)、(ii)Wikipedia知識チェックエージェント、(iv)Webスクラッドデータアナライザの4つのエージェントを組み合わせる。
その結果、マルチエージェントアンサンブルはF1スコア0.964で95.3%の精度を達成し、個々のエージェントや従来のアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2025-08-13T19:14:48Z) - CodeAgents: A Token-Efficient Framework for Codified Multi-Agent Reasoning in LLMs [16.234259194402163]
マルチエージェント推論を符号化し、マルチエージェントシステムにおける構造化されたトークン効率の計画を可能にするプロンプトフレームワークであるCodeAgentsを紹介する。
その結果, 計画性能は一貫した改善がみられ, 基本となる自然言語よりも3～36ポイントの絶対的な向上が見られた。
論文 参考訳（メタデータ） (2025-07-04T02:20:19Z) - Personalized Constitutionally-Aligned Agentic Superego: Secure AI Behavior Aligned to Diverse Human Values [0.6640968473398455]
スーパーエージェントがユーザー選択型「クリードコンスティチューション」を参考にAIプランニングを主導
リアルタイムコンプライアンス執行機関は、これらの憲法に対する計画を検証する。
システムは最大98.3%の有害スコアの減少とほぼ完全な拒絶率を達成する。
論文 参考訳（メタデータ） (2025-06-08T20:31:26Z)
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。