Complex networks of AI agentic systems: topology, memory, and update dynamics

Xinyuan Song (Emory), Qingsong Wen (Oxford), Shirui Pan (Griffith), Liang Zhao (Emory) | TechRxiv 2026

核心问题

大规模 AI Agent 网络广泛用于软件工程、科学分析、Web 自动化和社交模拟，但现有架构缺乏统一框架来解释为什么某些设计能扩展到长周期多步任务而另一些会失败。系统行为由三个根本维度塑造：agent 如何连接、信息如何存储、状态如何更新。

方法论：三层级分类法

本文提出一个嵌套式（非并行式）三属性分类法：

Topology（拓扑）
  ├── Centralized（集中式）
  └── Decentralized（去中心化）
       ├── Global Memory（全局记忆）
       └── Local Memory（局部记忆）
            ├── Static Update（静态更新）
            └── Dynamic Update（动态更新）

形式化定义

Agent 系统定义为四元组：A = (V, E, M, Π)

V = {a₁, ..., aₙ}：agent 集合
E ⊆ V × V：通信图，有向边表示消息传递
M：记忆配置（全局 M_global 或局部 {M₁, ..., Mₙ}）
Π：agent 级策略

每个 agent aᵢ 是状态函数：aᵢ : (xᵢ, mᵢ, cᵢ) → (oᵢ, m'ᵢ) — 局部观察 + 记忆 + 入站消息 → 行动 + 更新记忆

8 种系统类别

#	拓扑	记忆	更新	代表系统
1	集中式	全局	静态	MetaGPT, ChatDev, AutoGen, HuggingGPT
2	集中式	全局	动态	SWE-agent, OpenHands, Voyager, Multi-Agent Debate
3	集中式	局部	静态	MetaAgent, YuLan-OneSim, SOTOPIA-S4
4	集中式	局部	动态	OPTIMA, Magentic-One, G-Designer
5	去中心化	全局	静态	BlackBoard, LLMBlackBoard, MemorySharing
6	去中心化	全局	动态	GPTSwarm, AgentSociety, OpenAgents
7	去中心化	局部	静态	MMAgent, WebArena, TalkHier
8	去中心化	局部	动态	GenAgents, 1000-Person Sims, AgentNet, SOTOPIA-S

核心发现

1. 通信栈三层结构

层	作用	通信形式	主要难点
传输层	网络数据传输	二进制/文本消息	延迟、排序、可靠性
结构层 (Function Calling)	跨 agent 的结构化操作	Schema 消息	兼容性、版本漂移
语义层 (通信协议)	推理对齐、上下文传播	自然语言+结构化证据	跨 agent 一致性和上下文一致性

2. 扩展性挑战

通信负载：消息量随 agent 数快速增长，饱和消息队列
上下文漂移：分布式执行下各 agent 维护不一致的摘要
排序与并发：异步系统中消息重排序导致时序视图分歧
解释不匹配：异构模型间即使 schema 相同，语义解释仍不兼容
更新不稳定：并发更新放大微小不一致，agent 反复覆盖彼此状态
安全与信任：通信通道倍增 → 攻击面扩大

3. MCP 作为标准化基础

Model Context Protocol (MCP) 成为大规模 Agent 网络的标准化基板，统一工具调用、资源管理和交互语义。相关工作包括 Gradientsys、SchedCP、Code2MCP、MCP-Bench 等。

4.0 KiB Raw Blame History Unescape Escape