O que os agentes deveriam dizer? Comunicação ação-estado para sistemas multiagentes eficientes

Resumo

Sistemas multiagentes (MAS) construídos sobre modelos de linguagem de grande porte são tipicamente organizados em torno de papéis, pipelines e cronogramas de turno, enquanto o conteúdo que os agentes transmitem uns aos outros é frequentemente deixado como linguagem natural não restrita. No entanto, essa comunicação livre pode inflar rapidamente o uso de tokens, consumir a janela de contexto compartilhada e, por fim, afetar tanto o desempenho do sistema quanto o custo de inferência. Analisamos cinco estratégias comuns de comunicação entre agentes em duas topologias de MAS, constatando que nenhuma estratégia fixa é universalmente ótima. Em vez disso, mensagens eficazes entre agentes preservam consistentemente informações centradas em ações necessárias para os agentes a jusante. Com base nisso, propomos o PACT (Protocolized Action-state Communication and Transmission), que trata a comunicação entre agentes como um problema de atualização de estado público e projeta cada saída bruta do agente em um registro compacto de estado de ação antes de entrar no histórico compartilhado. Em diferentes topologias de MAS, o PACT melhora consistentemente o compromisso desempenho-custo, alcançando desempenho em tarefas comparável ou superior com substancialmente menos tokens. Os ganhos se estendem a ambientes de codificação em produção: o PACT eleva a taxa de resolução do OpenHands com -10% de tokens por problema resolvido, e é neutro em relação à taxa de resolução no SWE-agent enquanto reduz pela metade os tokens de entrada. Nosso código está disponível publicamente em 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.