論文の概要: Strabo: Declarative Specification and Implementation of Agentic Interaction Protocols

• arxiv url: http://arxiv.org/abs/2606.05043v1
• Date: Wed, 03 Jun 2026 16:05:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 20:44:18.880526
• Title: Strabo: Declarative Specification and Implementation of Agentic Interaction Protocols
• Title（参考訳）: Strabo: エージェントインタラクションプロトコルの仕様と実装
• Authors: Samuel H. Christie, Amit K. Chopra, Munindar P. Singh,
• Abstract要約: UCPは、AIエージェントのeコマースインタラクションを標準化するためのGoogle主導の取り組みだと考えている。 私たちはLangshawのプログラミングモデルであるPeachを使ってエージェントを実装します。 Peach エージェントが Google によって実装された UCP エージェントと相互運用可能であることを示す。
• 参考スコア（独自算出の注目度）: 11.528331605313438
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The last few years have witnessed major advances in the modeling and implementation of multiagent systems based on declarative interaction protocols. Our contribution, Strabo, establishes the relevance of these advances to ongoing industry efforts in Agentic AI. Specifically, we consider UCP, the Universal Commerce Protocol, a recent Google-led effort to standardize e-commerce interactions for AI agents. Our exercise is in two parts. One, we model the part of UCP dealing with checkouts as a declarative Langshaw protocol and implement agents using Peach, a programming model for Langshaw. This part of the exercise brings out the advantages of formal, declarative specifications. Two, we show that Peach agents can interoperate with UCP agents implemented by Google, thereby establishing the fidelity of our approach with respect to UCP. Such interoperation enables the incremental introduction of declarative protocols and agents into a conventional setting, indicating a pathway by which EMAS ideas could influence practice without demanding a wholesale update.
• Abstract（参考訳）: ここ数年、宣言的相互作用プロトコルに基づくマルチエージェントシステムのモデリングと実装において、大きな進歩が見られた。 当社のコントリビューションであるStraboは、エージェントAIにおける継続的な産業活動へのこれらの進歩の関連性を確立します。 具体的には、AIエージェントのeコマースインタラクションを標準化するGoogle主導の最近の取り組みであるUniversal Commerce ProtocolであるUCPを検討する。 私たちの運動は2つの部分に分かれています。 ひとつは、チェックアウトを宣言型ラングショープロトコルとして扱うこと、およびラングショーのプログラミングモデルであるPeachを使ってエージェントを実装することである。 このエクササイズのこの部分は、形式的で宣言的な仕様の利点をもたらします。 2つ目は, Peach エージェントが Google によって実装された UCP エージェントと相互運用可能であることを示し, UCP に対する我々のアプローチの忠実性を確立することである。 このような相互運用により、宣言的プロトコルやエージェントを従来型の環境に段階的に導入することが可能になる。

関連論文リスト

• Pact: A Choreographic Language for Agentic Ecosystems [0.3479712135769015]
  振り付けプログラミングにはエージェントの自己関心という概念がなく、エージェントがプロトコルに従う理由がある。 この講演では、エージェントの選択と好みを記述するために操作に拡張された言語であるPactを紹介します。 すべてのPactプロトコルは形式的なゲームにマップされ、プロトコル設計者はプロトコルのゲーム理論的性質を推論することができる。
  論文  参考訳（メタデータ） (2026-05-04T20:32:40Z)
• Toolsuite for Implementing Multiagent Systems Based on Communication Protocols [15.122742324168472]
  IOPは、フレキシブルなインタラクションプロトコルを通じて、役割間の相互作用をモデル化することで、マルチエージェントシステムを構築するためのアプローチである。 近年,マルチエージェントシステム開発者がIOPを適用可能なソフトウェアスイートの開発が進められている。
  論文  参考訳（メタデータ） (2025-07-14T14:32:09Z)
• 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)
• Multi-Turn Human-LLM Interaction Through the Lens of a Two-Way Intelligibility Protocol [1.5711521670164208]
  本稿では,エージェント間のインタラクションのための抽象的プロトコルに基づく,より構造化されたアプローチについて検討する。 このプロトコルは"双方向のインテリジェンス"の概念によって動機付けられ、通信有限状態マシンのペアによってモデル化される。 その結果,人間-LLM相互作用における一方向および二方向のインテリジェンスを捕捉するプロトコルの能力を支持する証拠が得られた。
  論文  参考訳（メタデータ） (2024-10-27T21:20:18Z)
• Games for AI Control: Models of Safety Evaluations of AI Deployment Protocols [52.40622903199512]
  本稿では,多目的かつ部分的に観察可能なゲームとして,AI-Control Gamesを紹介した。 我々は、信頼できない言語モデルをプログラミングアシスタントとしてデプロイするためのプロトコルをモデル化、評価、合成するために、フォーマリズムを適用した。
  論文  参考訳（メタデータ） (2024-09-12T12:30:07Z)
• Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
  ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。 ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。 3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-05T15:08:16Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• 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)

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。