Agent STEM : Une architecture auto-adaptative, équipée d'outils et extensible pour les systèmes d'agents IA multi-protocoles
STEM Agent: A Self-Adapting, Tool-Enabled, Extensible Architecture for Multi-Protocol AI Agent Systems
March 22, 2026
Auteurs: Alfred Shen, Aaron Shen
cs.AI
Résumé
Les frameworks actuels d'agents IA s'engagent prématurément dans un protocole d'interaction unique, une stratégie d'intégration d'outils fixe et des modèles d'utilisateur statiques, limitant leur déploiement à travers les paradigmes d'interaction diversifiés. Pour résoudre ces contraintes, nous présentons STEM Agent (Self-adapting, Tool-enabled, Extensible, Multi-agent), une architecture modulaire inspirée par la pluripotence biologique dans laquelle un cœur d'agent indifférencié se différencie en gestionnaires de protocoles spécialisés, liaisons d'outils et sous-systèmes de mémoire qui se composent en un système d'IA pleinement fonctionnel. Le framework unifie cinq protocoles d'interopérabilité (A2A, AG-UI, A2UI, UCP et AP2) derrière une passerelle unique, introduit un Profileur d'Appelant qui apprend continuellement les préférences des utilisateurs sur plus de vingt dimensions comportementales, externalise toutes les capacités domaines via le Model Context Protocol (MCP), et implémente un système d'acquisition de compétences biologiquement inspiré où les schémas d'interaction récurrents se cristallisent en compétences d'agent réutilisables à travers un cycle de maturation analogue à la différenciation cellulaire. En complément de ces capacités, le système de mémoire intègre des mécanismes de consolidation, incluant l'élagage épisodique, la déduplication sémantique et l'extraction de motifs, conçus pour une croissance sous-linéaire sous interaction soutenue. Une suite exhaustive de 413 tests valide le comportement des gestionnaires de protocole et l'intégration des composants sur les cinq couches architecturales, s'exécutant en moins de trois secondes.
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.