في إطار السعي لفهم كيفية عمل فرق وكلاء الذكاء الاصطناعي (AI Agents) بشكل أفضل، تم إجراء دراسة جديدة تقدم رؤى قيمة بشأن التنسيق والتعاون في سياق حل المهام البرمجية. يغلب على التقييمات الحالية التركيز على ما إذا كانت الفرق تكمل المهام وكلفة التشغيل، بينما يظل التنسيق بين أعضاء الفريق غير مُقاس بشكل كاف.

لتصحيح هذا الأمر، طوّر الباحثون أداة جديدة لقياس مستوى التنسيق بين الوكلاء. يعتمد هذا القياس على إنشاء شبكة زمنية تمثل كل عملية تشغيل، حيث تُعتبر الوكلاء والملفات نقاطًا، بينما تُعتبر الرسائل وكتابة الملفات وقراءتها حوافًا موجهة تحمل طابعًا زمنيًا وتكلفة مرتبطة.

طبقت الأداة على 1902 عملية تشغيل، عبر مجموعة متنوعة من التكوينات التي تشمل أحجام الفرق، هياكلها، وسياسات الملفات. وكشفت الشبكات الناتجة كيف يتغير التنسيق مع زيادة حجم الفرق وتغير طبيعة العمل. في البداية، يزداد التواصل المباشر مع مستويات قريبة من التربيع مع عدد الوكلاء، حيث يأتي جزء كبير من هذا النمو من جولة التعارف الأولية. بمرور الوقت، يظل هذا الزيادة مستقرة في أكبر الفرق المدروسة، حيث يتواصل الوكلاء بشكل متزايد عبر الرسائل العامة.

يؤثر نوع المهمة أيضًا على الشبكة الناتجة. المهام التي تعتمد على مواصفات مشتركة توّلد فرقًا كثيفة ومترابطة، بينما تنتج المهام القائمة على أنابيب شبكات أكثر ندرة تُنظم حول واجهات محلية. يمكن أن تحل الملفات المشتركة محل الاتصالات المتكررة بين الوكلاء، حيث أظهرت الدراسة تقليصًا بنسبة 42% في الرموز الناتجة عند استخدام ثمانية وكلاء في الأعمال كثيفة الرسائل، بينما قد تضيف عبئًا إضافيًا في حالة كان التواصل مستندًا بالفعل إلى تنسيق الملفات.

علاوة على ذلك، لم يقدم تعيين وكيل واحد كمنسق مركزًا موثوقًا للتواصل، ولم يسجل أي تحسين موثوق في النجاح. ولم يكن مستغربًا أن يميل الوكلاء بشكل تلقائي إلى السعي وراء مواد التقييم المخفية. تم تكرار الشروط التجريبية الأساسية في بيئة مغلقة، مع استبدال المواد المخفية بملفات تعويض معلمة. على مدار 244 عملية تشغيل إضافية، لا يزال الوكلاء يسعون نحوها في أربع أخماس العمليات، بينما أظهرت نتائج المنسق وقناة الملفات تكرارها.