분산 범용 에이전트 네트워크: 아키텍처, 핵심 메커니즘 및 프로토타입
Distributed General-Purpose Agent Networks: Architecture, Key Mechanisms, and Prototypes
대규모 언어 모델(LLM)은 수동적인 대화형 비서에서 목표를 이해하고, 행동을 계획하며, 도구를 호출하고, 다단계 작업을 수행할 수 있는 자율 에이전트로의 전환을 가속화했습니다. 그러나 단일 에이전트의 능력은 여전히 로컬 데이터, 도구 권한, 런타임 환경 및 거버넌스 경계에 의해 제한됩니다. 본 논문은 분산 범용 에이전트 네트워크를 다룹니다. 이는 개인 기기, 엣지 노드 또는 자율 컴퓨팅 환경에 배포된 이종 에이전트가 서로를 발견하고, 신뢰를 구축하며, 협력 규칙을 협상하고, 개방형 작업을 실행할 수 있는 개방형 P2P 네트워크입니다. 우리는 이러한 네트워크가 기존의 P2P 오버레이와 기존의 다중 에이전트 시스템을 단순히 결합하여 얻을 수 없다고 주장합니다. 기존 P2P 네트워크와 달리, 에이전트 네트워크는 의도, 능력, 상태 및 협력 제약 조건에 대한 의미론적 선언을 전파해야 합니다. 따라서 우리는 상위 수준의 작업 의미론과 하위 수준의 네트워크 작업을 연결하는 프로토콜 적응 층을 중심으로 하는 계층형 아키텍처를 제안합니다. 이 아키텍처를 기반으로, 본 논문은 협력자 발견을 위한 의미론적 공지 전파, 협력 거버넌스를 위한 검증 가능한 신원 및 다중 주제 평판, 그리고 개방형 작업 실행을 위한 의미론적 그래디언트 메커니즘 설계라는 세 가지 핵심 메커니즘 문제를 식별합니다. 각 문제에 대해, 순차 로그가 포함된 바디리스 고시프(bodyless gossip), MG-EigenTrust 평판을 갖는 BAID 기반 신원 바인딩, 그리고 의미론적 귀속 피드백에 의해 구동되는 스타켈버그 스타일 메커니즘 생성 루프를 포함한 기술적 경로를 제시합니다. 또한 BAID 스타일 계층형 검증에 대한 프로토타입 오버헤드 결과와 교차 주제 위장-공모 공격 하에서의 MG-EigenTrust에 대한 메커니즘 수준 시뮬레이션을 보고합니다. 결과적인 프레임워크는 개방적이고, 신뢰할 수 있으며, 확장 가능한 에이전트 협력을 위한 시스템 수준의 기반을 제공합니다.