Agent | 清华提出智能体IoA新框架：编织异构代理网络，实现协作智能

原文：INTERNET OF AGENTS: WEAVING A WEB OF HETEROGENEOUS AGENTS FOR COLLABORATIVE INTELLIGENCE
地址：https://arxiv.org/abs/2407.07061
代码：https://github.com/OpenBMB/IoA
出版：未知
机构: 清华大学、北京大学

本文研究的核心问题是: 如何设计一个灵活可扩展的框架，以实现多种异构LLM代理的无缝集成和有效协作。

本文研究问题的特点和现有方法面临的挑战主要体现在以下几个方面:

• 生态系统隔离：大多数现有框架只考虑其自身生态系统内定义的代理，限制了代理能力的多样性和平台的通用性。
• 单设备模拟：几乎所有多代理框架都在单一设备上模拟多代理系统，这与现实世界中代理分布在多个设备上的情况有显著差异。
• 固定的通信和协调机制：大多数框架中的通信过程、代理分组和状态转换都是硬编码的，缺乏灵活性和动态适应能力。

针对这些挑战，本文提出了一种灵活且可扩展的"代理互联网"（IoA）方法：

2.1 IoA框架总体设计

Internet of Agents (IoA)框架的设计灵感来源于互联网,旨在创建一个能够支持异构代理之间灵活协作的分布式系统。IoA框架主要由两大组件构成:客户端和服务器,它们共同形成了一个类似即时通讯应用的架构。

客户端作为各个代理的包装器,负责处理单个代理的通信和交互需求。它采用三层架构:

1. 交互层:负责团队形成和代理通信
2. 数据层:管理代理联系人、群组信息和任务数据
3. 基础层:提供代理集成、数据管理和网络通信的基础设施

服务器则作为整个系统的中央枢纽,负责协调所有代理的活动。它同样采用三层架构:

1. 交互层:处理代理查询、群组设置和消息路由
2. 数据层:管理代理注册表和会话信息
3. 基础层:提供数据和网络基础设施,以及安全机制

举个例子,假设我们要完成一个复杂的市场分析任务。在这个框架中,不同的专业代理(如市场研究代理、数据分析代理等)都是客户端,它们通过服务器进行注册、发现和通信。服务器就像一个大型会议中心,协调各个专业代理(客户端)之间的合作,确保它们能够有效地共同完成市场分析任务。

2.2 代理注册与发现机制

代理注册与发现机制是IoA框架的基础,它使得系统能够整合和利用各种异构代理的能力。这个机制主要包含两个关键步骤:代理注册和代理发现。

1. 代理注册: 当一个新的代理加入IoA系统时,它需要向服务器提供一个详细的能力描述。这个描述包括代理的名称、类型、以及它所具备的技能和专长领域。形式化地说,我们可以将所有注册的代理表示为一个集合 ,其中每个 都关联着一个描述 。

2. 代理发现: 当一个代理需要完成某个任务时,它可以使用服务器提供的 search_client 工具来查找合适的协作者。这个工具允许代理基于期望的特征或能力来搜索其他代理。形式化地,我们可以将代理发现过程描述为一个函数:

其中 是期望特征的列表,P(C)表示C的幂集。这个函数返回一个客户端子集 ,其中的代理描述 与 中的特征相匹配。

具体来说,假设我们需要完成一个市场分析报告。一个报告撰写代理可能会发起一个搜索,寻找具有"市场研究"、"数据分析"和"竞争对手分析"等能力的代理。系统会返回一个匹配这些特征的代理列表,使报告撰写代理能够组建一个合适的团队来完成任务。

2.3 自主嵌套团队形成机制

自主嵌套团队形成机制是IoA框架的核心创新之一,它使得系统能够根据任务的复杂性和要求,动态地组建和调整代理团队。这个机制不仅支持初始团队的形成,还允许在任务执行过程中根据需要形成嵌套的子团队。

团队形成过程可以描述如下:

1. 当一个客户端 被分配一个任务 t 时,它会启动团队形成过程。
2. 客户端可以使用两个关键工具:search_client 和 launch_group_chat。
3. 基于任务要求和当前已发现的客户端,客户端的LLM会决定调用哪个工具。
4. 如果需要更多协作者,它会调用 search_client 并提供适当的特征描述。
5. 一旦找到合适的协作者,它会调用 launch_group_chat 来初始化一个新的群聊 ,其中G是所有群聊的空间。

嵌套团队结构允许形成层次化的团队和子团队。让 表示任务 t 的初始群聊。在执行 t 的过程中,如果一个客户端 被分配了一个子任务 ,并且它识别出 需要额外的专业知识,那么 可以再次搜索合适的代理并初始化一个新的子群聊 。这个过程可以递归地继续下去,形成一个树状的群聊结构。

我们可以定义一个函数 ,它将一个群聊映射到它的子群聊集合。嵌套结构可以表示为:

等等。

这个机制的一个重要优势是它可以显著减少大型代理团队中的通信复杂度。假设在一个单一群组中有 |g| 个成员,完全连接的通信通道数量是:

而通过将任务分解为子任务并分配给子群聊,总的通信通道数量可以减少到:

其中 表示为完成最初分配给群组 g 的任务而形成的所有子群组(包括 g 本身)的集合。

举个例子,假设我们正在进行一个复杂的市场分析任务。初始团队可能包括一个项目管理代理、一个市场研究代理和一个报告撰写代理。在执行过程中,市场研究代理可能会发现需要更深入的竞争对手分析。此时,它可以形成一个子团队,包括一个专门的竞争对手分析代理和一个数据挖掘代理。这种嵌套结构使得每个子团队可以专注于特定的子任务,同时保持整体任务的协调性。

2.4 自主对话流控制机制

自主对话流控制机制是IoA框架中确保代理之间有效沟通的关键组件。受到言语行为理论的启发,这个机制使用有限状态机来管理代理间的对话流程,使得协作过程更加结构化和高效。有限状态机可以形式化地表示为一个五元组 ,其中:

• 是状态集,分别表示讨论、同步任务分配、异步任务分配、暂停触发和结论状态。
• 是状态转移决策空间。
• 是转移函数,将当前状态和LLM做出的转移决策映射到下一个状态。
• 是初始状态,表示对话开始时的讨论阶段。
• 是终止状态集,只包含结论状态。

这个机制的工作流程如下:

1. 每个客户端的LLM负责决定状态转移和选择下一个发言者。

2. 假设 是直到时间步 t 的消息集合,LLM的决策函数可以表示为:

   其中 是状态集,C 是客户端集。下一个状态 和下一个发言者 由以下方式确定:

3. 这个决策过程考虑了多个因素,如已分配任务的完成情况、是否需要进一步讨论,以及协作的整体目标。

总的来说，IoA框架通过其整体设计、代理注册与发现机制、自主嵌套团队形成机制、自主对话流控制机制、任务分配与执行机制以及综合消息协议设计，为异构代理之间的协作提供了一个强大而灵活的平台。这种设计使得复杂的任务可以被有效地分解、分配和执行，同时保持了整个系统的可扩展性和适应性。通过模仿人类团队协作的方式，IoA为构建更智能、更有效的多代理系统开辟了新的可能性。

3.1 实验场景介绍

本论文提出了一个名为Internet of Agents (IoA)的框架，旨在解决现有多代理框架的三个主要限制：生态系统隔离、单设备模拟和僵化的通信与协调。IoA通过提供灵活可扩展的平台，实现了异构代理的集成、分布式多代理协作以及动态的代理团队形成和对话流控制机制。实验旨在验证IoA在各种场景下的有效性和versatility。

3.2 实验设置

• Datasets：
• GAIA benchmark
• 自建的开放式指令基准测试（153个指令，跨4个类别）
• RocoBench
• TriviaQA, Natural Questions (NQ), HotpotQA, 2WikiMultiHopQA (2WMHQA)
• Baselines：
• AutoGPT, Open Interpreter
• Roco Dialog, Central Plan
• GPT-3.5, GPT-4, Apollo's Oracle等
• Implementation details：
• GAIA：集成4个ReAct代理（Web Browser, Code Executor, YouTube Transcript Downloader, Wikidata Searcher）
• 开放式指令：集成AutoGPT和Open Interpreter
• RocoBench：适配IoA客户端以输出RocoBench格式的字符串
• RAG：提供Wikipedia和Google两个证据池
• Metrics：
• GAIA：成功率
• 开放式指令：GPT-4评判的胜率
• RocoBench：平均成功率和步数
• RAG：GPT-4评判的正确性
• 环境：主要使用GPT-4-1106-preview模型

3.3 实验结果

实验1、GAIA benchmark测试

目的：评估IoA在集成具有异构工具的代理方面的能力
涉及图表：表1
实验细节概述：在GAIA benchmark上测试IoA与4个基本ReAct代理的集成性能，与其他基准系统进行比较
结果：

• IoA在整体性能上超过所有其他方法，达到40.00%的成功率
• 在更具挑战性的Level 2和Level 3任务上表现尤为出色
• 相比AutoGen，IoA在三个难度级别中的两个上表现更好

实验2、开放式指令基准测试

目的：评估IoA在集成和协调具有异构架构的代理方面的能力
涉及图表：图5
实验细节概述：将AutoGPT和Open Interpreter集成到IoA中，在153个开放式指令上进行测试
结果：

• IoA在所有四个任务类别中都优于单独的AutoGPT和Open Interpreter
• 对AutoGPT的总体胜率为76.5%，对Open Interpreter的胜率为63.4%
• 展示了IoA在高效收集和综合信息以及促进跨领域协作解决问题方面的优势

实验3、RocoBench实验

目的：评估IoA在协调具有异构观察和动作空间的代理方面的效果
涉及图表：表2
实验细节概述：在RocoBench的五个任务上测试IoA的性能，与Roco Dialog和Central Plan基准进行比较
结果：

• IoA在五个任务中的四个任务上在成功率方面优于Roco Dialog
• 在Cabinet、Sandwich和Sort任务上达到100%的成功率
• 与具有完全环境可观察性的Central Plan基准相比，IoA的成功率相当或更优

实验4、检索增强生成（RAG）任务

目的：评估IoA在管理具有异构知识的代理方面的效果
涉及图表：表3
实验细节概述：在四个数据集上测试IoA的RAG任务性能，与其他基准方法进行比较
结果：

• 基于GPT-3.5的IoA实现在所有任务上都达到或超过了GPT-4的性能
• 在异构知识场景中，IoA在两个任务上优于同质Apollo's Oracle
• 3代理的同质设置在TriviaQA上实现最佳整体性能，在其他数据集上表现也很有竞争力

本论文针对现有多智能体框架在集成第三方代理、模拟分布式环境和动态通信方面的局限性,提出了一种名为Internet of Agents (IoA)的新型框架。IoA引入了代理集成协议、即时通讯式架构设计以及动态的代理团队组建和对话流控制机制。通过在通用助手任务、具身AI任务和检索增强生成基准上的广泛实验,IoA展示了其在促进异构代理有效协作方面的能力,在多项任务上优于现有最先进的基线方法。