Agent Systems交互的研究综述
近年来,人工智能领域正在经历从单体大型语言模型(LLM)向智能体系统(Agent Systems)的范式转变。这一转变的核心在于将 LLM 从被动的序列生成器重新定义为主动的决策代理,使其能够在复杂、动态的环境中进行自主规划、工具调用、记忆管理和任务执行。传统 LLM 强化学习主要处理单步决策,而智能体强化学习则将其扩展为时序延展的、部分可观察的马尔可夫决策过程,要求 Agent 在多轮交互中维护状态并完成复杂任务。
01通信与交互协议
在多智能体系统中,高效的信息交换与行动协调是核心挑战。传统方法存在协议固定导致效率低下,或缺乏标准格式导致难以扩展的问题。为此,业界提出了两类主要解决方案:
通信与交互技术方案
Google 结构化通信
采用 JSON-RPC 格式定义消息结构,规范 Agent 间的交互标准。
支持 Orchestrator Agent 将复杂任务分解并分发给不同 Agent 并行执行。
例如:在桥梁比较查询中,分别由 General、SQL 和 IR Agent 同步处理,最终由 Manager 综合输出。


Anthropic 上下文管理
定义跨 Agent 的上下文管理接口,实现数据共享。
中间结果存储在共享上下文中,后续 Agent 可直接访问,避免重复计算。
例如:SQL Agent 查询结果可直接供 IR 和 Image Agent 使用,显著提升处理效率。
02用户界面与长上下文处理
为了解决传统 UI 静态输入与 Agent 动态交互之间的脱节,以及标准 LLM 上下文窗口有限的问题,研究提出了具身对话代理、表单化 UI 原则和 Chain-of-Agents (CoA) 框架。CoA 框架通过分治推理,将长文档分发给多个 Worker 处理,实现了完整感受野覆盖,避免了“Lost-in-the-Middle”问题。
- 具身对话代理
赋予 Agent 视觉化身与表情,在客户服务中根据用户情绪调整语速和表情,用户满意度提升 25%。 - 表单化 UI 原则
将传统表单约束映射到对话交互,在线预约系统的对话轮次从 8 轮缩短至 5 轮,完成率从 72% 提升至 89%。 - 对话进度导航
可视化显示对话进度与里程碑,使保险索赔填写的认知负荷评分从 68 降至 52,任务放弃率减少 40%。
03强化学习与多模态框架
为了使 Agent 从静态的“启发式模块”进化为自适应的“智能决策系统”,VerlTool 提供了统一的 Agentic RL 训练系统,支持多种算法并可通过插件快速扩展工具。在多模态处理方面,LLaVA-Plus 实现了端到端的工具学习,而 HM-RAG 则通过层次化架构解决了多模态文档检索中忽略非文本信息的问题。
| 技术方案 | 核心创新 | 性能表现 |
|---|---|---|
| Chain-of-Agents (CoA) | 分治推理与完整感受野覆盖 | 在 8k 窗口下超越拥有 200k 窗口的 Claude-3 |
| RAP (检索增强规划) | 基于视觉相似度的历史经验检索 | ALFWorld 任务成功率提升超过 33% |
| VerlTool | 模块化统一训练框架与插件架构 | 支持 20 行代码快速添加新工具 |
| LLaVA-Plus | 端到端指令调优学习工具使用 | 首个通过学习调用工具的多模态 Agent |
关键技术框架性能对比
04未来系统架构建议
基于上述研究综述,未来的 Agent 系统应构建为多层次架构,以应对日益复杂的交互需求。该架构自上而下分为统一对话接口、协调层、领域 Agent 池、工具层以及状态管理层。这种分层设计旨在实现更高效的资源调度、更灵活的工具调用以及更精准的长期记忆管理,推动 Agent 向更高级的自主智能体演进。
当前文章无评论,是时候发表评论了