Wat zouden agenten moeten zeggen? Actie-toestand communicatie voor efficiënte multi-agent systemen

Samenvatting

Multi-agentsystemen (MAS) gebouwd op grote taalmodellen worden typisch georganiseerd rond rollen, pipelines en beurtschema's, terwijl de inhoud die agenten aan elkaar doorgeven vaak onbeperkte natuurlijke taal is. Deze vrije communicatie kan echter snel het tokenverbruik opdrijven, het gedeelde contextvenster verbruiken en uiteindelijk zowel de systeemprestatie als de inferentiekosten beïnvloeden. We analyseren vijf veelvoorkomende inter-agentcommunicatiestrategieën in twee MAS-topologieën en ontdekken dat geen enkele vaste strategie universeel optimaal is. In plaats daarvan behouden effectieve inter-agentberichten consistent actiegerichte informatie die nodig is voor stroomafwaartse agenten. Hierop voortbouwend stellen we PACT (Protocolized Action-state Communication and Transmission) voor, dat inter-agentcommunicatie behandelt als een openbaar toestandsactualisatieprobleem en elke ruwe agentuitvoer projecteert in een compact actie-toestandsrecord voordat het de gedeelde geschiedenis ingaat. In verschillende MAS-topologieën verbetert PACT consistent de prestatie-kostenafweging, met vergelijkbare of sterkere taakprestaties met aanzienlijk minder tokens. De winsten strekken zich uit tot productiecodeerharnassen: PACT verhoogt de oplossingsgraad van OpenHands met -10% tokens per opgeloste taak, en is oplossingsneutraal op SWE-agent terwijl de invoertokens worden gehalveerd. Onze code is openbaar beschikbaar op 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.