--- author: AI Engineer date: '2026-09-03' guest: '' layout: post.njk source: https://www.youtube.com/watch?v=REascnFlq_8 speaker: AI Engineer tags: - multi-agent-system - context-retrieval - network-effects - data-privacy - human-in-the-loop title: 智能体的下一个前沿：Agent间协作与网络效应的重构 summary: Town CTO Jean-Denis Greze 深入剖析了多智能体系统的本质。他提出应将智能体间通信重新定义为受隐私和安全约束的上下文检索问题，并系统梳理了从确定性工具、共享数据孤岛到人机协同与自动化风险评估的五大架构路径。 insight: '' draft: true series: '' category: ai-application area: tech-engineering project: [] people: [] companies_orgs: - Town products_models: [] media_books: [] status: evergreen --- ### 范式重构：将多智能体协作降维为上下文检索 在构建面向大众的日常辅助**人工智能智能体**（AI Agent: 能够自主感知环境、规划决策并调用工具执行任务的计算实体）时，行业普遍关注**智能体间协作**（Agent-to-Agent Collaboration）所带来的巨大网络效应。人类社会的生产力建立在跨个体的分工协作之上，智能体若能协同完成复杂任务，系统价值将呈指数级增长。然而，在底层工程实践中，盲目引入复杂的“智能体对话协议”往往是低效且概念模糊的。 从系统架构的本质来看，绝大多数大语言模型系统归根结底是一个**上下文检索**（Context Retrieval: 在模型推理或工具调用前，将最精确、必要的信息填充进上下文窗口的过程）问题。系统的核心目标，是在模型向用户返回结果或执行动作的临界点上，确保其**上下文窗口**（Context Window: 模型单次推理可处理的最大 Token 容量）中具备准确无误的背景数据。回顾技术演进，行业经历了三个阶段： * **人工提示工程**：早期由用户手动向模型输入上下文。 * **确定性检索系统**：利用全局数据索引与 RAG 管道抓取信息，但扩展性与灵活性受限。 * **智能体式检索**：赋予智能体广泛的工具生态与环境探索能力，由其自主在庞大的信息空间中遍历检索，在发起最终工具调用前动态装配最佳上下文。
Original English Source 皆さん、聞こえますか？よし。ええと、まずはこれからのことについて。部屋に誰かがいるなんて信じられないけど、それはとても嬉しい。えっと、私の名前はジャン＝ドニです。えっと、私は Town という会社の CTO です。今日はタウンについて本格的に話すつもりはありませんので、もし興味があれば town.com にアクセスして確認してみてください。今日の話の要点はそこではありません。私は Plaid で 7 年間 CTO を務め、その前は Dropbox にいました。その前は、ヘッジファンド向けのソフトウェアを開発していました。私はこれまで様々な仕事をしてきましたが、今はエンジニア向けではなく、アメリカや世界中の一般の人々のためのアシスタンスエージェントの開発に取り組んでいます。 そして、私たちが取り組んできたことの一つは、エージェント同士が連携して動作するシステムです。つまり、エージェント同士のやり取りですね。そして、私たちの主な考えは、エージェントが協力して人々のために物事を成し遂げることができれば、大きなネットワーク効果が生まれるということです。なぜなら、現実世界では、私たちのほとんどが他の人々と協力して仕事をしているからです。多い方が良いですね。しかし、実際には、エージェント間通信という概念はあまり意味をなさないと思う。そこで、今回の講演全体を検索という観点から再構成したいと思います。 だから、ほとんどの LLM システムは単なる探索問題だと思う。つまり、ユーザーに結果を返す直前、あるいはツールを呼び出す直前に、コンテキストウィンドウにユーザーにとって正しい情報が含まれていることを確認しようとしているのです。コンテキストウィンドウに適切な情報を入力すれば、LLM のいわば知能に基づいて、可能な限り最良の結果が得られます。ええと、4 年前は、人間が手動でコンテキストウィンドウに情報を入力していました。それから数年前、ほとんどの人が不満を抱えていたので、システム全体を横断してデータを取り込める検索ツールの様なものを作ろう、という話になったのです。そして人々は、「それは拡張性に乏しいし、問題がある」と言った。 そして今、私たちが注目しているのはエージェント検索です。これは、エージェントに多くのツールを与え、エージェントがすべてのコンテンツの空間を検索し、ツール呼び出しを行う前に、適切なツール呼び出しを行うための適切なコンテンツを正確に取得し、ユーザーに適切な情報を返すという考え方です。えっと、ちなみに、これには人がいません。それは、適切な文脈を持っているかどうかが重要な、たった 1 回の LLM コールに過ぎません。それが、あなたがやろうとしていることですね。あなたは、そのシステムを設計しようとしているのですね。
### 全知假设破灭：科斯定理与隐私安全边界 为了理清多智能体系统的理论极限，我们可以设定一个理想化的基准场景：假设全宇宙只存在一个拥有无限上下文窗口的**全知单智能体**。该智能体能够无障碍访问全球所有个人邮件、商业机密、企业内部数据库乃至政府档案。在这一假设下，任何复杂的协作任务都仅需一次全局提示词执行即可得到全局最优解。 然而，这种中心化全知模型在物理与经济现实中是不可能成立的。经济学中的**科斯定理**（Coase Theorem: 揭示在交易成本为零且产权明确时，市场机制可实现资源最优配置的经济学理论）指出，最优协作的前提是信息对称且交易成本为零。但在现实生产环境中，阻碍数据汇聚的根本障碍在于**数据隐私与安全边界**（Privacy and Security Boundaries）。人类绝不会将所有未经脱敏的敏感通信授权给统一的黑盒实体。因此，多智能体系统的工程本质，是在数据物理隔离与隐私壁垒的前提下，通过分布式协作机制去无限逼近“全局上下文检索”的最优解。
Original English Source では、それがエージェントエージェントとどう関係があるのでしょうか？それでは、次の世界を想像してみてください。物事を成し遂げられるエージェントは多くない。エージェントは一人だけですよね？そして、コンテキストウィンドウは 1 つしかなく、宇宙に存在するすべての情報にアクセスできる。それは、個人のメール、企業の情報、政府の情報など、あらゆる情報を閲覧でき、それらの情報がコンテキストウィンドウに表示され、そこから何らかの処理を指示できる。あなたには、それらのデータがすべて含まれた小さなシステムプロンプトがあり、それを実行すると、可能な限り最良の結果が得られます。 そして実際、それはマルチエージェントの世界です。それは、世界中のあらゆる情報にアクセスできるエージェントに過ぎない。それが物事の自然な状態だ。それが理想的な状態だ。この状況には問題があり、その問題していくつかのことから生じています。経済学でコースの定理と呼ばれるものを学んでいると思いますが、基本的に人間であっても、全員が正しい情報にアクセスでき、取引コストがない場合、契約や交渉から経済的に理想的な結果が得られるということです。 まあ、同じことだよ。世界中の連絡先をすべて掲載することはできません。それを LLM の学生に提供することはできません。理論的には、プライバシーとセキュリティ上の理由から、コンテキストウィンドウが無限であっても同様です。私たちは人間だ。私はあなたに私のメールを見せないようにしているので、私のメールを常に閲覧することを許容できるエージェントは存在しません。しかし、もしそれが存在すれば、非常に強力なものになるだろう。つまり、これはマルチエージェントシステムのテストのようなもので、どれだけうまく近似できるか、ということだと思うんです。もしこれが近似値であるならば、それはつまり、世界中のすべてのデータにアクセスできる単一のエージェントが存在する世界を、私たちがどのように近似できるか、ということなのです。
### 跨越信任边界：多智能体落地的五大架构路径 为了在不破坏安全边界的前提下实现跨领域、跨组织的高效协作，工程架构演化出了五种递进的系统设计模式： * **公开接口与只读数据交换**：明确定义**信任边界**（Trust Boundary），智能体仅通过公开 API（如 Yelp、Google Flights）拉取无敏感属性的公网数据并写入本地上下文。 * **确定性定制工具调用**：采用强类型、确定性的业务接口（例如通过日历 API 暴露预聚合的 `get_busy_blocks()` 而非原始会议详情），在隔离底层私密数据的同时完成协作调度。 * **共享数据孤岛**：在企业内部建立跨部门可信数据湖，各个专业智能体均获准读写该共享存储，形成局部统一的上下文池。 * **人机协同确认回路**（Human-in-the-Loop: 在关键数据跨边界流动时引入人工鉴权与二次确认的控制机制）：当智能体需要跨越私有边界调用外部资源或暴露内部数据时，主动挂起任务并请求当事人确认授权。 * **黑盒风险自主评估**：利用大模型对低敏感度信息进行自主安全审查与风险分级，由模型判定是否可以直接安全共享数据，从而随模型推理能力的提升实现吞吐量的自动化扩展。
Original English Source 私たちは、世界中のすべてのデータにアクセスできる単一のエージェントが存在する世界を、どのように近似できるか、ということなのです。そのためのアプローチはいくつかあります。そして、これらは私が考える、エージェント同士の連携を実現するための 5 つの主要な方法です。 最初のアプローチは、オープンな世界を想定し、信頼の境界線を引くことです。つまり、エージェントは公開情報のみを取得し、それを自身のコンテキストウィンドウに取り込むというものです。API を使用して外部システムにデータを書き込むこともできますが、基本的には読み取り専用です。2 つ目のアプローチは、カスタムツールを作成することです。特定のタスクに合わせて厳密に定義されたツールを提供し、プライベートな生データを直接晒すことなく、カレンダーの空き枠情報のような集計データのみをやり取りさせます。 3 つ目は共有サイロです。企業内の複数チームやエージェントが共通の信頼できるデータストアを共有し、そこから各自のコンテキストを構築します。4 つ目は Human-in-the-loop です。境界を越えて機密データが移動する際に、人間が直接介在して承認を行います。 そして 5 つ目は、モデル自身がブラックボックス内でリスクを判断するアプローチです。LLM がコンテンツの内容とユーザーの役職・権限を自律的に照合し、「この定例会議の議事録は低リスクであるため、承認なしで共有して問題ない」といった判断を自動で下します。システムの低感度ゾーンを明確に定義し、モデルの能力向上に合わせて自動化の範囲をスケールさせていくことが成功の鍵となります。
### 跨组织数据协作与智能体自治的终极审视 跨智能体协作最具商业爆发力的场景在于**跨企业数据协同**。以金融机构与投资银行为例，在非公开企业的信贷评估与股权融资过程中，各方既有强烈的意愿共享非公开经营数据以促成交易，又受制于严格的保密协议与合规红线。通过部署在各自受信任环境下的智能体进行协议化交互与最小必要披露，企业能够在不完全泄露专有数据资产的前提下完成深度的尽职调查与财务建模。 然而，这种高度自治的技术走向也对人类社会的治理结构提出了终极追问：当我们将数据边界的防护与隐私决策的裁判权完全让渡给自主智能体时，我们能否在数学和制度层面建立对系统的绝对信任？无论这一伦理问题最终如何解答，在网络效应与商业效率的强劲驱动下，向智能体自治协同与动态边界协商演进的历史趋势已不可逆转。
Original English Source So, the example that I have is like if I ask for notes from a weekly recurring call with, you know, a supplier of ours and their finance team, maybe the LLM's like, "Oh, well, in giving your role, I don't need to ask anyone on those teams for permission. I can just share the notes with you. It's like it's fine. It can look at the content. It can see what my role is. It can decide from a risk perspective I'm okay with that disclosure." えっと、ちなみに、自動化の素晴らしいところは、システムをそのように設計すれば、モデルの容量に合わせて拡張できるということです。ですから、私の助言としては、エージェント同士のやり取りや、部門間の連携（これがより良い考え方だと思います）がある場合は、LLM が判断を下しても問題ない低感度ゾーンを明確に定義することから始める必要があるということです。そして、それを受け入れること。そして魔法のように、時間が経つにつれて、システムは大きくなり、自然に強力になります。それがあなたが望むものです。 それから、本当に興味深い疑問は、複数の企業がそれぞれの情報サイロを共通のエージェントで横断的に運用することに同意できるようなシナリオを思いつくことができるかどうか、ということだと思います。金融関係の仕事をしていて、たくさんの投資銀行を抱えている業界では、融資などの目的で非公開企業の非公開データを共有することにメリットがあるのです。そして彼らはこの方向を見据え始めている。彼らは互いのエージェントを信頼し、これまではプライベートな情報だったものについても、エージェントがアクセス可能かどうかを決定する形で連携して作業を進めている。 とはいえ、人間として自問自答してしまうのですが、プライバシーに関するあらゆる決定をエージェントが行うような未来を、私は本当に信頼できるのでしょうか？それについてはよく分かりません。良くも悪くも、物事はそういう方向に向かっているのだと思う。お越しいただきありがとうございます。