还记得笔者之前关于未来趋势思考的文章吗？随着LLM技术和Agent的不断发展，一个面向Agent友好的互联网将要出现。

搜索、推荐之后，下一个打破信息差促进信息流动的历史性机会是什么？

化解 Agent 通信三难困境

Agora 协议旨在实现 LLM 代理之间的高效通信,使 diverse Agent能够以较低成本进行交互。它兼容现有的多代理框架,如 Camel AI 、LangChain 和Swarm 等。Agora 协议的核心优势在于巧妙解决了"Agent Communication Trilemma"(Agent通信三难问题),即同时确保通信的多样性、效率和可移植性。这个问题长期困扰着 AI 研究者，Agora 通过创新的方法实现了三者的平衡。

 核心实现步骤

Agora 协议通过四个关键步骤实现高效通信：

1.自然语言初始交互：利用所有 LLM 都能理解自然语言的特点，作为初始交互方式。这确保了通信的多样性和灵活性。

2.协商共享协议：两个未曾交互的Agent使用自然语言协商出共享协议。这一步骤使用了基于语义相似度的协议匹配算法，确保不同Agent能快速达成共识。

3.LLM 编写routine（例行）程序：一旦Agent就结构化数据交换达成一致，LLM 会编写例行程序。这些程序是用Agent选择的语言（如 Python 或JavaScript）编写的简单脚本，通常包含数据序列化、解析和基本错误处理功能。

4.高效数据交换：使用预先协商的协议和编写的routine程序，Agent们可以高效地交换结构化数据，大大减少了对 LLM 的调用次数。

实现亮点

• 协议识别：Agent使用描述协议的 TXT 文件的 SHA1 哈希值来识别正在使用的协议。这个 TXT 文件包含了协议的详细规范，包括数据格式、字段定义和通信流程。

• 失败处理机制：如果例行程序失败，系统会启动多级故障恢复机制。首先，LLM 会尝试修复或重写失败的程序。如果修复失败，LLM 会接管并使用自然语言发送查询或回复，确保通信不会中断。

• 协议复用与优化：经协商同意的协议可以在其他Agent间共享和重复使用。系统会维护一个协议库，随着使用频率的增加，popular 的协议会被优化和标准化。

• 去中心化设计：Agora 采用完全去中心化模型，无需权威节点。每个Agent都可以独立协商和执行协议，增强了系统的鲁棒性和可扩展性。

实际效果与案例

Agora 团队进行了一项涉及 100 个Agent的演示，这些Agent配备了各种 LLM（如 GPT-3.5 、LLAMA 、BERT 等）和数据库技术。在一个多语言翻译任务中，Agora 协议展现了其强大的协调能力：

1. 中文文本输入给中文 LLM Agent
   

2. 中文 LLM 使用 Agora 协议与英文 LLM 协商翻译协议
3. 翻译后的英文文本再传递给法语 LLM 进行二次翻译
4. 最终输出法语文本

整个过程中，Agora 协议确保了高效的跨语言模型通信，将任务完成时间从传统方法的几分钟缩短到了几秒钟，同时将成本降低了约 5倍。

小结

Agora 协议为构建全球异构Agent网络的有效探索，拥有广阔的应用前景。目前，Agora 团队正在开发下一个版本的协议，计划增加更多适用于实际应用场景的功能，如动态协议适应、安全通信层和更高级的失败恢复机制。

可以说，Agora 协议的提出和实施，虽然不一定会是最终的Agent网络的标准，但这样的探索必将会是Agent网络向Agent互联网演进的里程碑代表。

项目地址：https://agoraprotocol.org/

近期原创文章：

• Swarm：一个OpenAI开源的multiAgent框架，简单哲学的代表
• 为什么 AI 在数学题前抓瞎？苹果研究揭示 AI 推理能力的局限性
• 为什么LLM无法真正推理？OpenAI的o1也无法改变这一事实 原创
• 克制大模型怪脾气的新招——基于意图的提示校准降低LLM提示敏感度问题，让大模型表现更稳定 原创
• Anthropic提出Contextual Retrieval让RAG再进化，大幅降低检索失败率 原创
• 测试时计算vs.预训练计算:LLM进化的重大转折 原创
• AI"破解"AI：来自Claude协助的OpenAI o1模型架构图
• OpenAI o1模型推理能力大幅提升的背后：重复采样如何提升AI推理能力
• OpenAI前研究科学家开源面向未来的提示工程库 ell，重新定义提示工程
• 揭秘MemoRAG：AI记忆模块如何提升生成质量