Comunicação para Conclusão: Modelagem de Fluxos de Trabalho Colaborativos com Comunicação Inteligente entre Múltiplos Agentes

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

October 22, 2025

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

cs.AI

Resumo

O trabalho em equipe para tarefas complexas requer estratégias de comunicação diversificadas, mas os sistemas atuais de LLM multiagente carecem de estruturas sistemáticas para comunicação orientada a tarefas. Apresentamos o Communication to Completion (C2C), uma estrutura escalável que aborda essa lacuna através de duas inovações principais: (1) o Fator de Alinhamento (AF), uma nova métrica que quantifica o alinhamento das tarefas dos agentes e impacta diretamente a eficiência do trabalho, e (2) uma Estrutura de Ação Sequencial que integra a execução passo a passo com decisões de comunicação inteligentes. O C2C permite que os agentes façam escolhas de comunicação conscientes do custo, melhorando dinamicamente a compreensão da tarefa por meio de interações direcionadas. Avaliamos o C2C em fluxos de trabalho realistas de codificação em três níveis de complexidade e tamanhos de equipe de 5 a 17 agentes, comparando-o com baselines sem comunicação e de etapas fixas. Os resultados mostram que o C2C reduz o tempo de conclusão da tarefa em cerca de 40% com custos de comunicação aceitáveis. A estrutura conclui todas as tarefas com sucesso em configurações padrão e mantém a eficácia em escala. O C2C estabelece tanto uma base teórica para medir a eficácia da comunicação em sistemas multiagente quanto uma estrutura prática para tarefas colaborativas complexas.

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.