複雑なタスクでAIエージェントが協力して働くことは、常に奇妙な問題を抱えていました。仕事の分割は問題なくできますが、作業中に互いにコミュニケーションを取ることができません。
Coral AI Labsは、複数の大学の研究者と協力して、7月30日にAgentRadioを紹介する論文を発表しました。AgentRadioは、AIエージェントが主なワークフローを一時停止せずに、実行ステップ間で非同期メッセージを送受信できるレイヤーです。
マルチエージェントシステムにおける調整ギャップ
多くのマルチエージェントAIアーキテクチャは、エージェントがフェーズの終了時や同期されたラウンド中に固定されたチェックポイントで通信することを強制します。これは、各エージェントの作業が明確に独立しているシンプルでモジュール的なタスクには十分に機能します。
AgentRadioは、研究者が「受動的認識」と呼ぶ仕組みを実現することでこの課題に対応します。エージェントは、作業を中断することなく、対応エージェントからのインサイトを受信・処理できます。このアーキテクチャは、create_thread、send_message、wait_for_mentionの3つの基本構成要素に基づいて構築されています。
複雑なコード分析用のベンチマークであるSWE-Atlas QnAを用いた実証テストでは、AgentRadioを搭載した4人のClaude Codeエージェントがタスクの62.1％を解決しました。一方、単独で作業したClaude Codeエージェントは32.3％しか解決できませんでした。これは29.8ポイントの改善です。
より強力なベースラインを上回る
より興味深い比較は、より強力な単一エージェントのベースラインであるOpus 4.8との比較である。Opus 4.8でさえ、同じベンチマークで57.2%の解決率しか達成できなかった。より弱いモデルを使用する4つの調整されたエージェントが、より強力なモデルを使用する単一エージェントを上回った。
利益は、企業チームが実際に関心を持つような長期的なタスクである、より難しいクエリで最も顕著でした。
arXiv（2607.28430v1）に掲載された論文は、非同期設計がマルチエージェント調整に伴うオーバーヘッドを回避する方法を詳述しています。エージェントはメッセージの受信を待ってブロックされず、機会を捉えて関連する更新をチェックし、有用な場合は新しい情報を処理し、そうでない場合は無視します。
オープンソースおよびより広範なインフラストラクチャー
Coral AI Labsは、GitHub上のCoral-Protocol組織下でAgentRadioをオープンソースソフトウェアとしてリリースしました。このリリースは、スケールでAIエージェントをオーケストレーションすることを目的としたCoralOSを含む、同組織が構築している広範なエコシステムに沿っています。