PACT：優化多代理系統的通訊效率

Post LinkedIn

📄閱讀原文： ArXiv AI

#multi-agent-systems #token-optimization #llm-efficiencypactpact openhands swe-agent

💡學習如何使用新的 PACT 協議，在維持效能的同時將多代理系統的 Token 成本降低 50%。

⚡ 30-Second TL;DR

有什麼變化

引入 PACT 以取代多代理系統中不受限制的自然語言通訊。

為什麼重要

這項研究為開發者提供了一個實用的框架，能降低複雜代理工作流程中的推論成本，並解決了多代理系統中上下文視窗膨脹的關鍵瓶頸。

下一步行動

將 PACT 協議整合至您的多代理架構中，透過實作結構化的動作狀態投影層來降低 Token 開銷。

誰應關注：Developers & AI Engineers

關鍵要點

•引入 PACT 以取代多代理系統中不受限制的自然語言通訊。
•透過將代理輸出轉換為精簡的動作狀態記錄，降低 Token 消耗。
•在 OpenHands 和 SWE-agent 測試中，以更少的 Token 提升了任務解決率。
•將代理間通訊視為公開的狀態更新問題。

🧠 深度解析

Web-grounded analysis with 1 cited sources.

🔑 增強重點摘要

•PACT透過將代理的原始輸出轉換為包含「動作 (ACTION)」、「狀態 (STATE)」和「結果 (RESULT)」三個接收者導向欄位的精簡動作狀態記錄，明確定義了代理間訊息的結構。
•該協議被設計為「最小且與線束無關 (minimal and harness-agnostic)」，使其能夠輕鬆整合到現有的多代理系統架構中，而無需進行重大修改。
•PACT顯著提高了性能與成本之間的權衡，平均減少了38.7%的Token使用量，同時保持或提升了任務性能，例如在SWE-agent上將Token使用量減少了47%。
•PACT的效率隨著模型能力的增強而提升，更強大的模型能夠更有效地利用這種緊湊的通訊方式，以更少的顯式代理間對話實現更好的任務性能。

🛠️ 技術深入

PACT將代理間通訊視為一個公開的狀態更新問題，將每個原始代理輸出投射為一個緊湊的動作狀態記錄，然後再將其添加到共享歷史中。
每個公開的代理間訊息都表示為一個動作狀態記錄，包含三個面向接收者的欄位：
- ACTION (動作)：說明發送者已完成的動作，或下一個代理應執行的動作，使交接過程明確。
- STATE (狀態)：記錄支持訊息的證據、觀察、環境回饋或工具結果，使接收者能將訊息視為有根據的公開狀態。
- RESULT (結果)：包含動作本身的輸出，例如檢索到的事實、精煉的解決方案或工具呼叫結果。
該協議將共享的代理間歷史限制為這些緊湊的動作狀態訊息，排除中間過程級內容。
PACT的程式碼已公開於GitHub。

🔮 前景展望AI analysis grounded in cited sources

PACT可能成為基於大型語言模型的多代理系統中高效代理間通訊的標準。

其在顯著減少Token使用量同時保持或提升性能的能力，解決了當前多代理系統中關鍵的成本和上下文窗口限制問題。

PACT的採用可能加速更複雜和可擴展的多代理AI系統的開發和部署。

透過優化通訊，PACT使代理能夠在受限的計算資源內更有效地協作並處理更大的任務。

PACT的結構化通訊方法可能導致多代理系統行為更具可解釋性和易於除錯。

明確的動作狀態記錄提供了比非受限自然語言更清晰、更簡潔的代理互動追蹤。

⏳ 時間線

2026-06-05

介紹 PACT (Protocolized Action-state Communication and Transmission) 的論文《What Should Agents Say? Action-state Communication for Efficient Multi-Agent Systems》在 arXiv 上發表。