Ang pagpapagana ng mga AI agent upang magtrabaho nang magkasama sa mga kumplikadong gawain ay laging may problema. Maaari nilang hatiin ang trabaho nang maayos. Pero hindi sila makapag-uusap habang nagtatrabaho.
Ang Coral AI Labs, na nagtatrabaho kasama ang mga mananaliksik sa iba’t ibang unibersidad, ay naglathala ng isang papel noong Hulyo 30 na naglalayong ipakilala ang AgentRadio, isang asynchronous na layer ng pagpapadala ng mensahe na nagpapahintulot sa mga AI agent na makipag-ugnayan sa pagitan ng mga hakbang ng pagpapatupad nang hindi ipinapahinga ang kanilang pangunahing workflow.
Ang pagkakahiwalay sa koordinasyon sa mga sistema ng maraming agente
Ang karamihan sa mga arkitekturang AI na may maraming agente ay nagpapahintulot sa mga agente na makipag-ugnayan lamang sa mga patagong puntos, tulad ng dulo ng isang yugto o sa panahon ng mga sinchronisadong ronda. Ang ganitong paraan ay sapat na epektibo para sa mga simpleng, modular na gawain kung saan ang bawat gawain ng agente ay malinaw na sarili nito.
Lumalampas sa problemang ito ang AgentRadio sa pamamagitan ng paglikha ng ano na tinatawag ng mga mananaliksik na “passive awareness.” Maaaring tumanggap at prosesuhin ng mga agent ang mga pananaw mula sa kanilang mga kapwa nang hindi itinigil ang kanilang ginagawa. Batay sa tatlong pangunahing primitibo ang arkitektura: create_thread, send_message, at wait_for_mention.
Sa empirikal na pagsubok gamit ang SWE-Atlas QnA, isang benchmark para sa kumplikadong pag-analisa ng code, nag-resolba ang isang koponan ng apat na Claude Code agents na may AgentRadio sa 62.1% ng mga gawain. Ang isang mag-isa pang Claude Code agent, gumagawa nang mag-isa, ay nakamit lamang ng 32.3%. Ito ay isang pagtaas ng 29.8 puntos sa porsyento.
Lalong higit pa sa mas malakas na mga baseline
Mas interesante ang paghahambing sa Opus 4.8, isang mas makapangyarihang single-agent baseline. Kung saan, ang Opus 4.8 ay nakamit lamang ng 57.2% na rate ng pagresolba sa parehong benchmark. Ang apat na nagkocoordinating na agent na gumagamit ng mas mahinang model ay nagsagawa nang higit pa kaysa sa isang agent na gumagamit ng mas malakas na model.
Ang pinakamalaking pagtaas ay naganap sa mas mahirap na mga tanong, eksaktong uri ng mga gawain na may mahabang panahon na talagang pinapansin ng mga ekipa ng enterprise.
Ang papel, na available sa arXiv (2607.28430v1), ay naglalahad kung paano tinatanggal ng asynchronous na disenyo ang overhead na karaniwang kasama ng pagkoordinasyon ng maraming agent. Hindi naghihintay ang mga agent habang naghihintay ng mga mensahe. Sinusuri nila ang mga kaugnay na pag-update nang oportunista, at pinoproseso ang bago pang impormasyon kapag ito ay kapaki-pakinabang at iniisip naman kapag hindi.
Open source at mas malawak na imprastruktura
Ipinakilala ng Coral AI Labs ang AgentRadio bilang open-source software sa ilalim ng Coral-Protocol organization sa GitHub. Ang paglabas ay umaayon sa isang mas malawak na ecosystem na binubuo ng organisasyon, kabilang ang CoralOS, isang sistema na disenyo para sa pag-orchestrate ng AI agents sa malaking saklaw.