LLM 에이전트의 적응적, 확장 가능, 그리고 견고한 조정을 향하여: 동적 애드혹 네트워킹 관점

Towards Adaptive, Scalable, and Robust Coordination of LLM Agents: A Dynamic Ad-Hoc Networking Perspective

대규모 언어 모델(LLM)에 기반한 다중 에이전트 아키텍처는 정교하게 설계된 협업을 통해 집단 지성을 실현할 잠재력을 보여주었습니다. 그러나 수동 오케스트레이션에 따른 상당한 부담은 본질적으로 에이전트 워크플로우 설계를 자동화해야 할 필요성을 제기합니다. 우리는 이러한 에이전트 조정 과제를 동적 애드혹 네트워킹의 고전적인 문제, 즉 '확장 가능한 수의 에이전트 호스트 간에 어떻게 적응적이고 신뢰할 수 있는 통신을 구축할 것인가?'로 정의합니다. 이러한 미해결 딜레마에 대응하여, 우리는 LLM 에이전트의 적응적이고 확장 가능하며 견고한 조정을 위한 평판 인식 발행-구독 패러다임인 RAPS를 소개합니다. RAPS는 분산 발행-구독 프로토콜에 기반을 두고 있어, LLM 에이전트들이 사전 정의된 토폴로지가 아닌 선언된 의도에 따라 메시지를 교환할 수 있게 합니다. 이 기반 위에 RAPS는 두 가지 일관된 오버레이를 추가로 통합합니다: (i) 에이전트가 동적으로 의도를 수정할 수 있게 하는 반응형 구독(Reactive Subscription), (ii) 각 에이전트가 로컬 감시자를 통해 악의적인 피어를 탐지하고 격리할 수 있게 하는 베이지안 평판(Bayesian Reputation)입니다. 5가지 벤치마크에 대한 광범위한 실험을 통해 우리의 설계가 통합된 다중 에이전트 조정 프레임워크 내에서 적응성, 확장성, 견고성을 효과적으로 조화시킴을 보여줍니다.

Multi-agent architectures built on large language models (LLMs) have demonstrated the potential to realize swarm intelligence through well-crafted collaboration. However, the substantial burden of manual orchestration inherently raises an imperative to automate the design of agentic workflows. We frame such an agent coordination challenge as a classic problem in dynamic ad-hoc networking: How to establish adaptive and reliable communication among a scalable number of agentic hosts? In response to this unresolved dilemma, we introduce RAPS, a reputation-aware publish-subscribe paradigm for adaptive, scalable, and robust coordination of LLM agents. RAPS is grounded in the Distributed Publish-Subscribe Protocol, allowing LLM agents to exchange messages based on their declared intents rather than predefined topologies. Beyond this substrate, RAPS further incorporates two coherent overlays: (i) Reactive Subscription, enabling agents to dynamically refine their intents; and (ii) Bayesian Reputation, empowering each agent with a local watchdog to detect and isolate malicious peers. Extensive experiments over five benchmarks showcase that our design effectively reconciles adaptivity, scalability, and robustness in a unified multi-agent coordination framework.