論文の概要: MPAC: A Multi-Principal Agent Coordination Protocol for Interoperable Multi-Agent Collaboration
- arxiv url: http://arxiv.org/abs/2604.09744v1
- Date: Fri, 10 Apr 2026 01:12:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:15.647322
- Title: MPAC: A Multi-Principal Agent Coordination Protocol for Interoperable Multi-Agent Collaboration
- Title（参考訳）: MPAC: 相互運用可能なマルチエージェント協調のためのマルチプリンシパルエージェントコーディネーションプロトコル
- Authors: Kaiyang Qian, Xinmin Fang, Zhengxiong Li,
- Abstract要約: MPACはアプリケーション層プロトコルで、このギャップを5つの層にまたがる明示的なコーディネーションセマンティクスで埋める。
仕様では21のメッセージタイプ、標準トランジションテーブルを備えた3つのステートマシン、Lamport-clock因果電子透かし、2つの実行モデル、3つのセキュリティプロファイル、共有状態の楽観的な制御を定義している。
制御された3エージェントのコードレビューベンチマークでは、調整オーバーヘッドが95%削減され、壁時計の4.8倍のスピードアップを示した。
- 参考スコア（独自算出の注目度）: 2.643905034529239
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The AI agent ecosystem has converged on two protocols: the Model Context Protocol (MCP) for tool invocation and Agent-to-Agent (A2A) for single-principal task delegation. Both assume a single controlling principal, meaning one person or organization that owns every agent. When independent principals' agents must coordinate over shared state, such as engineers' coding agents editing the same repository, family members planning a shared trip, or agents from different organizations negotiating a joint decision, neither protocol applies, and coordination collapses to ad-hoc chat, manual merging, or silent overwrites. We present MPAC (Multi-Principal Agent Coordination Protocol), an application-layer protocol that fills this gap with explicit coordination semantics across five layers: Session, Intent, Operation, Conflict, and Governance. MPAC makes intent declaration a precondition for action, represents conflicts as first-class structured objects, and supports human-in-the-loop arbitration through a pluggable governance layer. The specification defines 21 message types, three state machines with normative transition tables, Lamport-clock causal watermarking, two execution models, three security profiles, and optimistic concurrency control on shared state. We release two interoperable reference implementations in Python and TypeScript with 223 tests, a JSON Schema suite, and seven live multi-agent demos. A controlled three-agent code review benchmark shows a 95 percent reduction in coordination overhead and a 4.8 times wall-clock speedup versus a serialized human-mediated baseline, with per-agent decision time preserved. The speedup comes from eliminating coordination waits, not compressing model calls. Specification, implementations, and demos are open source.
- Abstract（参考訳）: AIエージェントエコシステムは、ツール呼び出しのためのモデルコンテキストプロトコル(MCP)と、単一原則タスクデリゲートのためのエージェント・ツー・エージェント(A2A)の2つのプロトコルに集約されている。
どちらも単一の支配的原則(つまり、すべてのエージェントを所有する1人または組織)を前提としている。
独立したプリンシパルのエージェントが、同じリポジトリを編集するエンジニアのコーディングエージェント、共有旅行を計画する家族、異なる組織からのエージェントといった共有状態を調整しなければならない場合、どちらのプロトコルも適用せず、アドホックなチャット、手動のマージ、サイレントオーバーライトへのコーディネーションが崩壊する。
MPAC(Multi-Principal Agent Coordination Protocol)は,セッション,インテント,オペレーション,コンフリクト,ガバナンスという5つのレイヤにまたがる明示的なコーディネーションセマンティクスによって,このギャップを埋めるアプリケーション層プロトコルである。
MPACは、インテント宣言をアクションの前提条件とし、コンフリクトを第一級構造化オブジェクトとして表現し、プラグイン可能なガバナンス層を通じて、人間のループ内の仲裁をサポートする。
この仕様では、21のメッセージタイプ、規範的なトランジションテーブルを持つ3つのステートマシン、Lamport-clock因果電子透かし、2つの実行モデル、3つのセキュリティプロファイル、共有状態に対する楽観的な並行性制御が定義されている。
223のテスト、JSON Schemaスイート、ライブマルチエージェントデモ7つを備えた、PythonとTypeScriptの相互運用可能なリファレンス実装を2つリリースしています。
制御された3エージェントコードレビューベンチマークでは、調整オーバーヘッドが95%削減され、シリアライズされた人間によるベースラインに対して4.8倍のウォールクロックスピードアップが達成された。
スピードアップは、モデルの呼び出しを圧縮するのではなく、調整待ちをなくすことから生じる。
仕様、実装、デモはオープンソースである。
関連論文リスト
- OrgAgent: Organize Your Multi-Agent System like a Company [75.47076168155817]
企業スタイルの階層型マルチエージェントフレームワークであるOrgAgentを紹介します。
企業スタイルの階層で組織されたマルチエージェントシステムは、一般的に他の組織構造よりも優れています。
論文 参考訳（メタデータ） (2026-04-01T15:21:14Z) - AgentRFC: Security Design Principles and Conformance Testing for Agent Protocols [2.1352949241716352]
エージェントプロトコルにより、自律的なエージェントが機能を発見し、タスクを委譲し、信頼境界を越えてサービスを構成することができる。
大規模なデプロイメントにもかかわらず、これらのプロトコルの体系的なセキュリティフレームワークは存在しない。
Agent Protocol Stack、Agent-Agnostic Security Model、AgentConformの3つのコントリビューションを提示します。
論文 参考訳（メタデータ） (2026-03-25T00:25:02Z) - Bridging Protocol and Production: Design Patterns for Deploying AI Agents with Model Context Protocol [0.0]
Model Context Protocol(MCP)は、AIエージェントが外部ツールを発見して呼び出す方法を標準化する。
アイデンティティの伝搬、アダプティブツールの予算化、構造化エラーセマンティクスの3つのプロトコルレベルのプリミティブがまだ欠けている。
本稿では,大手クラウドプロバイダのMPPサーバと統合されたAIエージェントプラットフォームの企業展開から,現場での授業を通じて,これらのギャップを識別する。
論文 参考訳（メタデータ） (2026-03-12T17:42:24Z) - 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) - Agent-as-a-Service based on Agent Network [9.5094423572869]
本稿では,RGPS(Role-Goal-Process-Service)標準に基づくサービス指向パラダイムであるエージェントネットワーク(A-AN)に基づくエージェント・アズ・ア・サービスを提案する。
A-ANは、構築、統合、相互運用性、ネットワーク化されたコラボレーションを含む、エージェントライフサイクル全体を統一する。
我々は,MASにおける長鎖協調の今後の研究を促進するために,1万個の長軸マルチエージェントを含むデータセットをリリースする。
論文 参考訳（メタデータ） (2025-05-13T11:15:19Z) - 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) - MultiAgentBench: Evaluating the Collaboration and Competition of LLM agents [59.825725526176655]
大規模言語モデル(LLM)は、自律的なエージェントとして顕著な能力を示している。
既存のベンチマークでは、単一エージェントタスクにフォーカスするか、狭いドメインに限定されており、マルチエージェントのコーディネーションと競合のダイナミクスを捉えていない。
多様な対話シナリオにまたがってLLMベースのマルチエージェントシステムを評価するためのベンチマークであるMultiAgentBenchを紹介する。
論文 参考訳（メタデータ） (2025-03-03T05:18:50Z) - 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) - 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)
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。