A Coral AI Labs és több egyetem kutatói bemutatták az AgentRadio-t, egy aszinkron üzenetküldő réteget, amely lehetővé teszi, hogy kódot vizsgáló AI‑ügynökök párhuzamosan dolgozva passzívan értesüljenek egymás felfedezéseiről anélkül, hogy meg kellene szakítaniuk a futó munkafolyamatot. Valós világra vonatkozó benchmarkokon ez a koordinációs architektúra jelentősen javította a feladatmegoldási arányt, túlmutatva a nyers modellméretezés előnyein.
A probléma: hosszú távú kódértelmezés és a „coverage problem”
A nagy vállalati kódbázisok feltérképezése hosszú, egymásra épülő lépések sorát igényli: a szoftver lefordítását, futtatását, futáskövetését több fájlon át, és a bizonyítékok összegzését. Egyetlen LLM‑ügynök ilyenkor gyakran a „coverage problem” csapdájába esik: követ egy sorozatos, lineáris vizsgálati utat, amely a kontextus növekedésével egyre nehezebben módosítható, és a vizsgálat késői felfedezései nem mindig jutnak el időben a döntési pontokig.
Ezt a feladatkört mérő benchmark a SWE‑Atlas QnA: természetes nyelvű, hosszú távú kérdések élő, termelési tárolókon. Az egyszerű kódfelfedezés nem elég: az ügynököknek futtatniuk kell a szoftvert és több parancsot végrehajtaniuk a válasz megtalálásához.
A kutatók mérései szerint egyetlen Claude Code példány Opus 4.6 modellen csupán 32,3%-ban oldotta meg a SWE‑Atlas QnA feladatokat; Opus 4.8 modellel ez 57,2%-ra nőtt.
Miért nem elég a párhuzamos, de elszigetelt ügynöki munka?
A feladatok ritkán bonthatók tisztán független részekre: alrendszerek erősen összefüggenek, és egy konfigurációs fájl vagy egy hibafelfedezés teljesen átírhatja egy másik ügynök vizsgálati irányát. A meglévő többügynökös megoldások három jellemző hiányosságot mutatnak:
- Párhuzamos, de izolált: az ügynökök egyszerre dolgoznak, de nem kommunikálnak.
- Párhuzamos, de körszinkronizált: a kommunikáció szigorú, körönkénti szinkronizációhoz kötött, így az ügynökök várni kényszerülnek a következő összefoglalóra.
- Korlátozott aszinkronia: top‑down diszpécserelés van, de nincs valódi peer‑to‑peer, laterális, passzív figyelő csatorna.
A kutatók szerint a kulcshiba az, hogy „egy dolgozó ügynök nem tud közben hallgatni”. Nincs olyan rendszer, amely egyszerre engedné, hogy tartalmi munka folyjon és a laterális, természetes nyelvű csatornán passzívan érkezzenek felfedezések.
AgentRadio: aszinkron üzenetküldés és passzív tudatosság
Az AgentRadio egy könnyű, beilleszthető üzenetküldő réteg, amely három primitívet ad az ügynököknek:
- create_thread: beszélgetés (thread) megnyitása az érintett ügynökök között;
- send_message: üzenet fűzése a threadhez, nem blokkolva a küldőt;
- wait_for_mention: blokkolja a folyamatot addig, amíg egy, a hívót megemlítő üzenet érkezik; az értesítés mellé teljes thread‑pillanatképet ad.
Ezzel az ügynökök „passzív tudatosságot” kapnak: folytatják elsődleges feladatukat, miközben üzeneteket adnak át és háttérben frissítik tudásukat. Az AgentRadio kódja elérhető Apache 2.0 licenc alatt GitHubon, és nem követel mély változtatást a meglévő ügynökhöz (például Claude Code vagy Codex CLI) — csupán lehetőséget, hogy a végrehajtás háttérfolyamatként fusson.
A rendszer két fő komponensből áll:
- üzenetszerver: önálló folyamatként tárolja az aktív threadeket, üzeneteket és említéseket;
- harness‑oldali integráció: három egyszerű shell script, amely a fent említett primitívekkel kommunikál a szerverrel.
A működéshez annyi a követelmény, hogy az ügynök‑harness képes legyen shell parancsot háttérfeladatként futtatni és egy figyelőt futtatni a wait_for_mention scripttel.
Kísérleti eredmények: SWE‑Atlas QnA
A kutatók 124 SWE‑Atlas QnA feladaton tesztelték a keretrendszert, lefedve rendszertervezést, hibakeresést, biztonságot és API‑integrációt. Háttérmodellek: Claude Opus 4.6 és DeepSeek V4 Pro. A vizsgált konfigurációk: egyetlen Claude Code ügynök (B0), klasszikus munkamegosztás több ügynökkel (L1) és AgentRadio‑val koordinált aszinkron csapat (L3).
A fő eredmények:
- Egyetlen Claude Code Opus 4.6: 32,3% feladatmegoldás.
- AgentRadio‑val működő csapat: 62,1% (majdnem megduplázás a 4.6‑hoz képest).
- Egyetlen Opus 4.8: 57,2%.
- DeepSeek V4 Pro önállóan: 29,0%; AgentRadio‑val: 50,8%.
Ezek az adatok azt mutatják, hogy az AgentRadio architektúrája strukturális előnyt hoz a puszta számítási skálázással szemben: nem csupán több pénzt vagy több futtatást jelent, hanem jobb koordinációból eredő előnyt.
Gyakorlati példa: MinIO incidens
Egy valós feladatnál, amely MinIO rendszert érintett, megoldáshoz per‑request szerverlogok vizsgálata volt szükséges — amit az ügynökök a kezdeti tervben nem jeleztek. L2 környezetben (együttműködnek, de nincs aszinkron csatorna) két ügynök függetlenül jött rá, hogy szükség lenne ezekre a logokra; mivel közben nem tudták megosztani felfedezésüket, az egyik feladta, a másik nem javasolta a csapatnak a vizsgálatot, és a végső review során rossz válasz született (öt rubrikát mulasztottak el).
AgentRadio esetén az egyik ügynök azonnal közzétette a szerveroldali bizonyítékot a megosztott munkanaplóban; a többiek, mert passzívan hallgattak, azonnal beépítették az új bizonyítékot. A csapat így a hibás teljesítményről 16/16‑os, tökéletes eredményre váltott.
A kutatók megjegyzik: a különbség elsősorban időzítés kérdése — nem volt szükség több ügynökre vagy plusz review‑ra, csak arra, hogy egy felfedezés időben eljusson a szükséges társakhoz.
Költségek, kompromisszumok és mikor érdemes több ügynököt használni
Az AgentRadio megkövetel egy fix több‑ügynökös költségvetést, ami növeli az API‑tokenköltségeket: a kutatók által mért átlagos költség egy feladatra Opus együgynök esetén $2.96 volt, míg a teljes AgentRadio stacknél $19.45. Ugyanakkor a puszta skálázás nem hozott hasonló előnyt: compute‑matched tesztben hat független Opus futtatásra $17.76 költve a megoldási arány csak 37.9% lett, szemben az AgentRadio 62.1%-ával.
A koordinációs kommunikációnak ára és kockázata is van: türelmetlen vagy túl sok értesítés elterelheti az ügynököt egy érvényes nyomról. A kutatók ezért javasolják, hogy a több‑ügynökös architektúrát nem szabad automatikusan minden feladatra alkalmazni. Hasznos indikátorok a „felelősségi töréspontok” megléte: amikor a munkát egy mérnök másik személy bevonása nélkül nem tudná tisztességesen kezelni, amikor független hipotézisre vagy különverifikációra van szükség, vagy amikor egy hiányos válasznak komoly utóhatása van.
Példák, ahol koordináció erősen javasolt: teljes tárházra kiterjedő architekturális kérdések, idegen vagy régi rendszerek vizsgálata, cross‑service incidensek, biztonsági elemzés, függőségmigrációk és többmodulos refaktorok. Ellenben egyetlen ügynök célravezetőbb a helyhez kötött, helyi, visszafordítható feladatoknál.
A kutatásból termék: Coral Code
Az AgentRadio kontrollált, négy‑ügynökös kutatási implementációja alapján a csapat egy kereskedelmi termékbe, Coral Code‑ba viszi tovább az elveket. Coral Code dinamikusan adja hozzá a reposzlopra szorított vizsgálatot, specialistákat és kommunikációt akkor, amikor a felmerülő bizonyítékok indokolják, így célzottabban optimalizálja a költséget: a hangsúly a befejezett, ellenőrizhető eredmény költségén van.
Nyitott kérdések és jövőbeli irányok
Bár az AgentRadio jelentős előrelépés a többügynökös együttműködésben, a kutatók több további kihívást is kiemelnek, különösen az „attention governance and verification” területén. A passzív tudatosság nem dönt arról, hogy mely ügynökök legyenek jelen, mely felfedezés érdemes megszakításra, ki kapja az értesítést, vagy mikor elegendő az evidencia a terv módosításához. Túl sok értesítés zajt eredményezhet; gyors kommunikáció pedig hibás feltételezések gyors terjedését is okozhatja.
További szükséges fejlesztések: adaptív felelősség‑hozzárendelés, bizonyíték‑érzékeny routing, konfliktuskezelés, explicit költségkorlátok, jogosultságok, helyreállítási mechanizmusok és egyértelmű emberi eszkalációs pontok. Különösen fontos a tartós provenance: hogy mérnöki vezetők nyomon követhessék, melyik ügynök miért tett egy állítást és miért fogadták el.
Következtetés
AgentRadio megmutatja, hogy a megfelelő koordinációs szerkezet képes felülmúlni a puszta model‑ vagy compute‑nagyítást a vállalati kódbázisok értelmezésében. Az aszinkron, passzív awareness csatorna lehetővé teszi a közbeeső felfedezések időben történő terjesztését, ami alapvetően javítja a hosszú távú, összefüggő vizsgálatokat. Ugyanakkor a költségek, a potenciális zavaró hatások és az attention‑governance kérdései miatt a több‑ügynökös megközelítést célzottan, a feladat jellemzőinek megfelelően érdemes alkalmazni.
