STEM Agent: Eine selbstanpassende, werkzeuggestützte und erweiterbare Architektur für Multi-Protokoll-KI-Agenten-Systeme
STEM Agent: A Self-Adapting, Tool-Enabled, Extensible Architecture for Multi-Protocol AI Agent Systems
March 22, 2026
Autoren: Alfred Shen, Aaron Shen
cs.AI
Zusammenfassung
Aktuelle KI-Agenten-Frameworks legen sich frühzeitig auf ein einzelnes Interaktionsprotokoll, eine feste Tool-Integrationsstrategie und statische Benutzermodelle fest, was ihren Einsatz über verschiedene Interaktionsparadigmen hinweg einschränkt. Um diesen Beschränkungen zu begegnen, stellen wir den STEM Agent (Self-adapting, Tool-enabled, Extensible, Multi-agent) vor – eine modulare Architektur, die von biologischer Pluripotenz inspiriert ist. In diesem Modell differenziert sich ein undifferenzierter Agenten-Kern in spezialisierte Protokoll-Handler, Tool-Bindungen und Speichersubsysteme, die sich zu einem voll funktionsfähigen KI-System zusammensetzen. Das Framework vereinheitlicht fünf Interoperabilitätsprotokolle (A2A, AG-UI, A2UI, UCP und AP2) hinter einem einzigen Gateway, führt einen Caller Profiler ein, der kontinuierlich Benutzerpräferenzen über mehr als zwanzig Verhaltensdimensionen hinweg erlernt, externalisiert alle Domänenfunktionen über das Model Context Protocol (MCP) und implementiert ein biologisch inspiriertes Fertigkeitserwerbssystem, in dem sich wiederholende Interaktionsmuster durch einen Reifungslebenszyklus, analog zur Zelldifferenzierung, zu wiederverwendbaren Agenten-Fähigkeiten verfestigen. Ergänzt werden diese Fähigkeiten durch ein Speichersystem, das Konsolidierungsmechanismen umfasst, darunter episodisches Beschneiden, semantische Deduplizierung und Musterextraktion, die für ein sublineares Wachstum bei anhaltender Interaktion ausgelegt sind. Ein umfassender Testkatalog mit 413 Tests validiert das Verhalten der Protokoll-Handler und die Komponentenintegration über alle fünf Architekturebenen hinweg und wird in weniger als drei Sekunden abgeschlossen.
English
Current AI agent frameworks commit early to a single interaction protocol, a fixed tool integration strategy, and static user models, limiting their deployment across diverse interaction paradigms. To address these constraints, we introduce STEM Agent (Self-adapting, Tool-enabled, Extensible, Multi-agent), a modular architecture inspired by biological pluripotency in which an undifferentiated agent core differentiates into specialized protocol handlers, tool bindings, and memory subsystems that compose into a fully functioning AI system. The framework unifies five interoperability protocols (A2A, AG-UI, A2UI, UCP, and AP2) behind a single gateway, introduces a Caller Profiler that continuously learns user preferences across more than twenty behavioral dimensions, externalizes all domain capabilities through the Model Context Protocol (MCP), and implements a biologically inspired skills acquisition system in which recurring interaction patterns crystallize into reusable agent skills through a maturation lifecycle analogous to cell differentiation. Complementing these capabilities, the memory system incorporates consolidation mechanisms, including episodic pruning, semantic deduplication, and pattern extraction, designed for sub-linear growth under sustained interaction. A comprehensive 413-test suite validates protocol handler behavior and component integration across all five architectural layers, completing in under three seconds.