讓 AI 代理協同完成複雜任務一直存在一個尷尬的問題：它們可以很好地分配工作，卻無法在執行過程中相互溝通。
Coral AI Labs 與多所大學的研究人員合作，於 7 月 30 日發表了一篇論文，介紹了 AgentRadio，這是一種非同步訊息傳遞層，可讓 AI 代理在不中斷主要工作流程的情況下於執行步驟之間進行通訊。
多智能體系統中的協調差距
大多數多智能體 AI 架構強制智能體在固定的檢查點進行通信，例如階段結束時或同步輪次中。這種方式對於每個智能體的工作都清晰獨立的簡單、模塊化任務來說已經足夠有效。
AgentRadio 透過建立研究人員所稱的「被動意識」來解決此問題。代理可以接收並處理來自對應代理的洞察，而無需停止正在進行的工作。該架構基於三個核心原語：create_thread、send_message 和 wait_for_mention。
在使用 SWE-Atlas QnA（一個複雜程式碼分析的基準測試）進行的實證測試中，四名搭載 AgentRadio 的 Claude Code 代理共同解決了 62.1% 的任務。單一 Claude Code 代理單獨作業時，僅解決了 32.3% 的任務，提升了 29.8 個百分點。
超越更強的基準
更有趣的比較是與更強大的單一代理基線 Opus 4.8 進行對比。即使 Opus 4.8 在同一個基準測試中也僅達到了 57.2% 的解決率。四個協調的代理使用較弱的模型，表現優於單一使用更強模型的代理。
收益在較難的查詢上最為顯著，這正是企業團隊真正關心的長期任務類型。
該論文發表於 arXiv (2607.28430v1)，詳細說明了非同步設計如何避免多智能體協調通常帶來的開銷。智能體在等待訊息時不會阻塞，而是機會性地檢查相關更新，在資訊有用時處理，無用時則忽略。
開源與更廣泛的基礎設施
Coral AI Labs 在 GitHub 上以 Coral-Protocol 組織的名義，將 AgentRadio 作為開源軟體釋出。此釋出內容屬於該組織正在構建的更廣泛生態系統的一部分，其中包括專為大規模協調 AI 代理而設計的 CoralOS。