コミュニケーションから完了へ：知的マルチエージェント通信による協調ワークフローのモデリング

Communication to Completion: Modeling Collaborative Workflows with Intelligent Multi-Agent Communication

October 22, 2025

著者: Yiming Lu, Xun Wang, Simin Ma, Shujian Liu, Sathish Reddy Indurthi, Song Wang, Haoyun Deng, Fei Liu, Kaiqiang Song

cs.AI

要旨

複雑なタスクにおけるワークスペースでのチームワークには多様なコミュニケーション戦略が不可欠であるが、現在のマルチエージェントLLMシステムには、タスク指向型コミュニケーションの体系的なフレームワークが欠如している。本論文では、この課題を解決するスケーラブルなフレームワーク「Communication to Completion（C2C）」を提案する。C2Cは以下の2つの核心的革新により実現されている：（1）作業効率に直接影響するエージェントのタスク整合性を定量化する新規指標「アラインメント因子（AF）」、（2）段階的実行と智能的なコミュニケーション判断を統合する「逐次行動フレームワーク」である。C2Cはエージェントがコストを考慮したコミュニケーション選択を可能にし、焦点を絞った相互作用を通じてタスク理解を動的に改善する。現実的なコーディングワークフローを用い、複雑度3段階・チーム規模5～17エージェントで評価を実施し、非通信ベースライン及び固定ステップベースラインと比較した。結果としてC2Cは許容可能な通信コストでタスク完了時間を約40%短縮し、標準設定では全タスクを成功裏に完了させ、スケール時にも有効性を維持した。本フレームワークは、マルチエージェントシステムにおける通信効率測定の理論的基盤と、複雑協調タスクの実用的フレームワークの両方を確立するものである。

English

Teamwork in workspace for complex tasks requires diverse communication strategies, but current multi-agent LLM systems lack systematic frameworks for task oriented communication. We introduce Communication to Completion (C2C), a scalable framework that addresses this gap through two key innovations: (1) the Alignment Factor (AF), a novel metric quantifying agent task alignment that directly impacts work efficiency, and (2) a Sequential Action Framework that integrates stepwise execution with intelligent communication decisions. C2C enables agents to make cost aware communication choices, dynamically improving task understanding through targeted interactions. We evaluated C2C on realistic coding workflows across three complexity tiers and team sizes from 5 to 17 agents, comparing against no communication and fixed steps baselines. The results show that C2C reduces the task completion time by about 40% with acceptable communication costs. The framework completes all tasks successfully in standard configurations and maintains effectiveness at scale. C2C establishes both a theoretical foundation for measuring communication effectiveness in multi-agent systems and a practical framework for complex collaborative tasks.