¿Qué Deberían Decir los Agentes? Comunicación de Estado de Acción para Sistemas Multiagente Eficientes

Resumen

Los sistemas multiagente (SMA) construidos sobre modelos de lenguaje grandes suelen organizarse en torno a roles, pipelines y programaciones de turnos, mientras que el contenido que los agentes se transmiten entre sí a menudo queda como lenguaje natural sin restricciones. Sin embargo, esta comunicación libre puede inflar rápidamente el uso de tokens, consumir la ventana de contexto compartida y, en última instancia, afectar tanto el rendimiento del sistema como el costo de inferencia. Analizamos cinco estrategias comunes de comunicación entre agentes en dos topologías de SMA y descubrimos que ninguna estrategia fija es universalmente óptima. En cambio, los mensajes inter-agente efectivos preservan de manera consistente la información centrada en la acción que necesitan los agentes posteriores. Partiendo de esto, proponemos PACT (Comunicación y Transmisión de Estado-Acción Protocolizada), que trata la comunicación entre agentes como un problema de actualización de estado público y proyecta cada salida bruta del agente en un registro compacto de estado-acción antes de que ingrese al historial compartido. En distintas topologías de SMA, PACT mejora consistentemente la compensación entre rendimiento y costo, logrando un rendimiento comparable o superior con sustancialmente menos tokens. Los beneficios se extienden a entornos de codificación productiva: PACT eleva la tasa de resolución de OpenHands con un -10% de tokens por resolución, y es neutral respecto a la tasa de resolución en SWE-agent, reduciendo a la mitad los tokens de entrada. Nuestro código está disponible públicamente en https://github.com/iNLP-Lab/PACT.

English

Multi-agent systems (MAS) built on large language models are typically organized around roles, pipelines, and turn schedules, while the content that agents pass to one another is often left as unconstrained natural language. However, this free-form communication can rapidly inflate token usage, consume the shared context window, and ultimately affect both system performance and inference cost. We analyze five common inter-agent communication strategies across two MAS topologies, finding that no fixed strategy is universally optimal. Instead, effective inter-agent messages consistently preserve action-centered information needed by downstream agents. Building on this, we propose the PACT (Protocolized Action-state Communication and Transmission), which treats inter-agent communication as a public state-update problem and projects each raw agent output into a compact action-state record before it enters shared history. Across different MAS topologies, PACT consistently improves the performance-cost trade-off, achieving comparable or stronger task performance with substantially fewer tokens. The gains extend to production coding harnesses: PACT lifts OpenHands' resolve rate at -10% tokens-per-resolved, and is resolve-neutral on SWE-agent while halving input tokens. Our code is publicly available at https://github.com/iNLP-Lab/PACT.