Cu o experiență de peste 20 de ani, vă transformăm prezența digitală. Suntem specializați în crearea de site-uri web și magazine online, SEO și marketing digital, soluții ERP și automatizări inteligente care vă propulsează afacerea.
Adresă:
Egnatia 154, Salonic 546 36
Telefon:
+30 231 231 4095
E-mail:
[email protected]
Sunteți pregătiți pentru următorul pas?;
AgentRoom arată de ce agenții de programare bazate pe IA au nevoie de o stare comună, de revendicări de fișiere și de transmisii pentru o colaborare sigură și măsurabilă în cadrul codului.
Răspunsul mai întâi: Agenții de programare AI nu formează o echipă deoarece funcționează simultan. Au nevoie de o stare comună, de o atribuire clară a responsabilităților, de decizii vizibile și de reguli privind cine modifică ce. AgentRoom demonstrează că stratul de coordonare poate avea o valoare mai mare decât paralelismul sau fuziunea în sine.
AgentRoom arată de ce agenții de programare bazate pe IA au nevoie de o stare comună, de revendicări de fișiere și de transmisii pentru o colaborare sigură și măsurabilă în cadrul codului.
Studiul AgentRoom: Programare simultană cu mai mulți agenți într-un spațiu de lucru partajat bazat pe CRDT a lui Seonglae Cho și Donghyun Lee combină un sistem comun de fișiere care se integrează cu CRDT și un mic strat de coordonare prin MCP. Agenții pot bloca fișiere, pot vedea starea celorlalți și pot transmite mesaje privind progresul. În experimentele autorilor, această compoziție completă a depășit atât fuziunea paralelă simplă, cât și un flux secvențial de tip ChatDev, în condiții de putere de calcul comparabilă.
Mesajul de afaceri este mai util decât noutatea tehnică: un număr mai mare de apeluri simultane către model nu generează, în sine, inteligență colectivă. Arhitectura trebuie să transforme intenția, responsabilitatea și starea reală a depozitului într-o stare comună și verificabilă. Acest principiu completează ceea ce știm despre agenții terminali și starea persistentă după fiecare comandă și despre cum se face atribuirea eșecului într-un flux de lucru agentic.
Multe sisteme de codificare multi-agent urmează una dintre cele două abordări. Prima este serială: un agent analizează, altul proiectează, iar un al treilea implementează după ce primește rezultatul anterior. A doua implică rularea unor agenți independenți și combinarea rezultatelor ulterioară. În prima abordare, fiecare fază așteaptă finalizarea celei precedente. În cea de-a doua, agenții își desfășoară activitatea fără a cunoaște deciziile celorlalți.
AgentRoom analizează și un anumit mod de eșec: în cazul sarcinilor dificile, un agent care acționează singur poate lăsa în urmă un schelet format dintr-un singur fișier și se poate opri prematur. Autorii îl numesc stub-and-exit. Colaborarea simultană poate limita acest lucru atunci când proiectul este împărțit în module, iar progresul unui agent devine imediat vizibil pentru ceilalți. Elementul esențial nu este îndemnul general «colaborați», ci primitivele de execuție care fac colaborarea vizibilă.
Aceeași distincție apare atunci când un repository are mai mulți utilizatori: „concurrency” înseamnă că activitatea se desfășoară simultan, în timp ce „coordination” înseamnă că deciziile rămân compatibile. În cazul agenților de IA, această necesitate este și mai acută, deoarece transcrierea conversației nu constituie o pistă de audit completă, iar fiecare apel către un instrument poate modifica starea reală.
Baza este un sistem de fișiere obișnuit cu CRDT. Implementarea utilizează pycrdt, portul Yrs al Y.js, astfel încât modificările simultane să fie îmbinate la nivel de caractere într-un interval de două secunde. Se adaugă o verificare a echilibrului între acolade și paranteze. Astfel se reduce riscul pierderii de octeți sau al unui conflict clasic de îmbinare, fără a se presupune că codul a devenit automat corect.
Deasupra spațiului de lucru partajat, interfața MCP afișează cinci instrumente: claim, release, broadcast, state și read. Instrumentul claim alocă în mod individual o cale unui agent și respinge o a doua cerere activă. „Broadcast” și „read” mențin un jurnal de tip „append-only”, în timp ce „state” indică cine lucrează pe ce cale și ce mesaje recente există. Blocarea are caracter consultativ la nivelul promptului, dar dreptul de proprietate este înregistrat de stratul de gestionare a stării.
Trei niveluri ale aceluiași sistem
AgentRoom nu confundă „merge” cu colaborarea
Fiecare nivel rezolvă o problemă diferită și necesită o verificare separată.
Spațiu de lucru comun
Face ca modificările efectuate de fiecare agent să fie vizibile imediat. Nu stabilește dreptul de proprietate și nici nu împiedică luarea unor decizii contradictorii.
Fuziunea CRDT
Menține procesările simultane și aduce replicile la o stare comună la nivel de octet.
Camera de coordonare
Transmite intenția prin intermediul claim-urilor, stărilor și difuzărilor, astfel încât agenții să împartă modulele și să își modifice planul atunci când apare un conflict.
Abordarea este similară cu modelul „query–compile–inject” al acestuia PrimeAgentOrchestrator pentru agenții AI de memorie: un context util nu este suficient doar să existe undeva; acesta trebuie furnizat la momentul potrivit, cu proveniență și un domeniu de aplicare clar.
Un CRDT oferă o consistență eventuală puternică: atunci când replicile primesc aceleași operații, ele converg către aceeași stare. Aceasta este o garanție pentru structura datelor, nu pentru semnificația codului. Dacă doi agenți modifică în mod diferit semnătura aceleiași funcții, caracterele pot rămâne intacte, iar programul poate să nu se compileze sau să apeleze la un contract greșit.
Autorii modelează probabilitatea unei coliziuni atunci când N agenți selectează fișiere dintr-un pool de dimensiunea K. În punctul de funcționare cu doi agenți și aproximativ cinci fișiere candidate, probabilitatea este de aproximativ 20%. Primitiva „claim” poate anula accesul simultan la aceeași cale atunci când se respectă protocolul. Avantajul nu constă doar în blocare: al doilea agent află la timp că trebuie să preia un alt modul.
Pentru utilizarea în mediul de producție, revendicările trebuie să fie asociate cu o dată de expirare, o recuperare după blocare, o suprascriere trasabilă și o escaladare clară. Același lucru este valabil și pentru drepturi: o revendicare asupra unui fișier nu trebuie să se transforme într-o autorizație generală pentru implementare, secrete sau sisteme externe. De aceea, acces minim pe sarcină pentru agenții AI rămâne un nivel distinct de control.
Studiul a utilizat cinci modele de codificare de ultimă generație de la trei furnizori: Claude Sonnet 4.6, Claude Haiku 4.5, GPT-5.4, GPT-5.4-mini și Gemini 3 Flash. Rezultatele principale s-au limitat la modelele CLI-stable. GPT-5.4-mini a fost exclus din acestea din cauza unei blocări a CLI-ului furnizorului în timpul execuției concurente a MCP, în timp ce o problemă de framing a modelului Gemini a fost remediată odată cu schimbarea protocolului la NDJSON.
Principalele proiecte au fost proiecte backend în Express.js și TypeScript: autentificare JWT, API pentru marketplace, module de comerț electronic colaborativ, registru fintech și, la cel mai dificil nivel, platformă de tranzacționare algoritmică. Timpii alocați erau de 300, 600 sau 900 de secunde, în funcție de gradul de dificultate. Au existat, de asemenea, verificări limitate de portabilitate în Python DevBench și Rust cu axum.
Calitatea a fost măsurată cu ajutorul unui sistem de evaluare compozit LLM pentru acoperirea specificațiilor, semnalele de corectitudine, calitatea codului și rigurozitatea testării. Tendințele au fost corelate cu sistemele de evaluare bazate pe expresii regulate (regex) și pe AST-ul TypeScript, în timp ce abandonul a fost clasificat cu ajutorul unui codebook determinist. Evaluarea nu reprezintă o măsurare completă a calității software-ului: nu dispune de o suită independentă de testare a corectitudinii pe un set de date reținut și nu măsoară mentenabilitatea pe termen lung, securitatea sau costul de dezvoltare.
În cea mai dificilă sarcină T4 cu Sonnet 4.6, AgentRoom cu doi agenți a înregistrat o calitate compozită medie de 0,669 în 14 rulări cu alocare echitabilă a bugetului. Varianta solo a înregistrat 0,544 în 32 de rulări. Spațiul de lucru CRDT exclusiv partajat a atins 0,575, promptul de colaborare fără MCP 0,588, fuziunea paralelă 0,456, iar fluxul secvențial în stil ChatDev 0,333.
T4 · Sonetul 4.6 · dovezi privind calculul corelat
Coordonarea explicită s-a distins de simpla concurență
Valorile se referă la acest benchmark specific și nu constituie o garanție pentru fiecare depozit sau model.
Analiza combinată pe 12 straturi „model-by-task” a estimat că șansele de abandon în Solo erau de 13,7 ori mai mari decât cele din AgentRoom, cu un interval de încredere 95% de la 3,9 la 48 și o valoare p mai mică de 10−5. Este vorba despre un raport de șanse bazat pe un anumit codebook și pe un cadru experimental, nu despre o promisiune că fiecare produs multi-agent va reduce eșecurile în aceeași măsură.
Micul bundle probe avea n=7, iar intervalul pentru etapa specifică de coordonare includea zero. Prin urmare, divizarea shared-only → prompt-only → AgentRoom complet este interpretată ca un indicator calitativ și nu ca o distribuție exactă a câștigului. Punctul final superior al clasamentului rămâne clar, dar contribuția fiecărei componente intermediare necesită un număr mai mare de eșantioane.
Paralelizarea poate menține constant timpul de execuție (wall time), crescând în același timp timpul de calcul cumulativ. În tabelul de calcul T4, varianta solo a avut aproximativ 550 de secunde de timp de execuție și o putere de calcul cumulată cu o calitate de 0,544. Varianta AgentRoom ×2 a avut 561 de secunde de timp de execuție, 1.072 de secunde de putere de calcul cumulată și o calitate de 0,669. Configurația ×3 a rămas la un timp de execuție similar, dar a crescut la 1.572 de secunde de calcul, iar calitatea a scăzut la 0,553.
Decizia privind numărul de agenți
Ceasul cel mai rapid nu înseamnă o muncă mai ieftină sau mai bună
Comparați timpul de execuție (wall time), timpul de calcul cumulativ (cumulative compute) și calitatea sarcinii (task quality) pentru același volum de lucru. Adăugați un al doilea agent atunci când sarcina are limite clare între module și un mod de eșec măsurabil; nu adăugați un al treilea agent doar pentru că există capacitate de concurență disponibilă.
Fuziunea paralelă a consumat 1.077 secunde de calcul cumulate, cu o calitate de 0,456. Prin urmare, timpul de calcul suplimentar nu a constituit, în sine, avantajul AgentRoom. Diferența consta în modul în care agenții își împărțeau sarcina, monitorizau progresul și reacționau la conflicte înainte de fuziunea finală.
Imaginea la nivel de modele nu este uniformă. În cazul T4, Sonnet și Haiku, AgentRoom s-a situat deasupra valorilor de referință, iar fuziunea paralelă sub performanța solo. Codex GPT-5.4 nu a urmat aceeași tendință în toate perechile multi-agent. Autorii asociază acest rezultat cu o preferință puternică pentru arhitectura monolitică, dar aceasta rămâne o interpretare specifică setului de date respectiv.
În T5, Haiku ×2 a avut un scor de emergență de 1,70, Sonnet ×2 de 1,09, GPT-5.4 ×2 de 0,79, iar celula Gemini instabilă de 0,59. Intervalele de încredere pentru majoritatea celulelor mici nu excludeau valoarea 1. Concluzia sigură este că modelul, sarcina, descompunerea și numărul de agenți trebuie evaluate ca o configurație unitară.
Acest lucru este în concordanță cu concluziile acestuia MARS pentru agenți specializați care livrează cod: coordonarea mai multor agenți necesită definirea clară a rolurilor în ceea ce privește preluarea sarcinilor, feedback-ul privind execuția și predarea sarcinilor. Termenul «multi-agent» nu descrie în sine arhitectura reală.
O echipă de ingineri are nevoie mai întâi de un model de lucru: ce căi poate urma fiecare agent, cum se declară dreptul de proprietate, când expiră o revendicare, cum se scalează un bloc și ce jurnal permite auditul. Dacă aceste aspecte rămân doar la nivelul unor instrucțiuni în limbaj natural, comportamentul este mai greu de observat, de reprodus și de verificat.
Repozitoriul trebuie, de asemenea, să favorizeze o segmentare sigură. Limitele modulare, interfețele clare, testele deterministe și verificările rapide reduc costurile de coordonare. Pe o platformă de comerț electronic, de exemplu, diferiți agenți pot prelua responsabilitatea pentru catalog, procesul de plată și teste numai dacă contractele sunt vizibile și dacă modificarea unei interfețe este comunicată înainte ca ceilalți să construiască pe baza versiunii vechi.
Securitatea nu trebuie redusă la un simplu mesaj. Cadrul NIST pentru dezvoltarea securizată a software-ului (NIST Secure Software Development Framework) abordează practicile de securitate ca parte integrantă a întregului ciclu de viață al software-ului. Pentru dezvoltarea agentică, aceasta înseamnă un depozit protejat, dependențe controlate, etape de revizuire, compilări repetabile, înregistrarea modificărilor și posibilitatea limitată de publicare. Aceeași logică explică de ce suprapuneri semantice neexecutabile împotriva injectării de prompturi fac distincție între instrucțiuni și autorizația de execuție.
AgentRoom este un prototip de cercetare, nu o soluție gata de implementare în producție. Cu toate acestea, articolul oferă elemente de proiectare utile care pot fi transformate într-un proiect-pilot controlat.
De la demonstrația paralelă la un flux de lucru controlat de codificare agentică
Începeți cu un repository în care contractele API, directoarele și țintele de testare permit o adevărată împărțire a muncii, fără modificări constante în același fișier.
Înregistrați operațiunile de achiziție, reînnoire, eliberare, expirare și recuperare după o blocare, precum și cine are dreptul să efectueze o suprascriere.
Furnizați agenților informații structurate privind proprietarii, căile, obstacolele și difuzările recente, în loc să vă bazați pe textul liber al conversației.
Distingeti între „read”, „write”, „execute” și „publish”. Niciun „file claim” nu trebuie să implice acces la secrete, la mediul de producție sau la canale externe.
Efectuați verificări de tip, teste unitare, teste de contract și scanări de dependențe înainte ca un agent să construiască pe baza modificării altuia.
Comparați modurile „solo”, „naive parallel” și „coordinated ×2” cu aceeași sarcină, același buget și același evaluator, pentru a evidenția valoarea coordonării.
Solicitați o revizuire a modificărilor arhitecturale, a căilor sensibile din punct de vedere al securității și a acțiunilor de publicare până când proiectul-pilot își dovedește stabilitatea.
Extinderea trebuie să aibă loc numai pe baza unor dovezi concrete. O demonstrație impresionantă cu două terminale nu dovedește o reducere a rework-ului sau o calitate mai bună a lansării. Diferența se observă atunci când fluxul de lucru include sarcini repetabile, urme de urmărire și un set comun de criterii de evaluare.
Indicatorii operaționali utili nu se rezumă doar la token-uri și timp de execuție. Sunt necesare rata de abandon, conflictele de revendicare, scrierile nerevendicate, suprascrierile silențioase, refacerea după fuziune, regresii de testare, frecvența rollback-urilor și calitatea sarcinilor pe unitate de calcul. Studiul a constatat că scrierile nerevendicate nu au fost asociate cu o calitate mai slabă în pool-ul său; acest lucru susține o coordonare bazată pe observabile și recomandări, în loc de blocarea absolută a oricărei abateri, și nu eliminarea controalelor.
Trace-ul trebuie să coreleze fiecare modificare cu agentul, cererea, contextul de intrare, apelurile către instrumente, rezultatele testelor și aprobarea. Fără această urmă, o echipă nu poate distinge dacă eșecul a provenit din descompunere, stare învechită, dependență, model sau o barieră de protecție insuficientă. costurile ascunse ale rezultatului generat de codarea AI se regăsește adesea în etapa de refacere și verificare, nu în factura de tokenuri.
În contextul operațional, responsabilitatea rămâne la nivel uman. Proprietarul fluxului de lucru stabilește ce depozite sunt incluse în domeniul de aplicare, ce rezultate sunt considerate acceptabile și ce acțiuni necesită aprobare. Echipa de agenți nu își asumă responsabilitatea deoarece dispune de un protocol de coordonare.
Celulele principale acoperă patru domenii backend și trei modele stabile pentru CLI furnizate de doi furnizori, cu eșantioane per celulă cuprinse între 7 și 35. Toate utilizează Express.js și runtime-ul TypeScript. Verificările în Python și Rust sunt teste de portabilitate, nu o dovadă a aceleiași mărimi a efectului în fiecare limbaj, bază de cod sau structură organizațională.
Agenții își scriau propriile teste, iar calitatea principală provenea de la un „judge” LLM, coroborată cu scoreri regex și AST. O probă ulterioară privind capacitatea „execution-oracle” a susținut punctele finale ale clasamentului, dar nu și fiecare pereche intermediară. Modelele găzduite și interfețele CLI se pot schimba, de asemenea, prin urmare nu există o reproductibilitate bit cu bit.
Concluzia certă este următoarea: în configurația evaluată, coordonarea explicită în timpul rulării, cu stare comună, revendicări și transmisii, a dat rezultate mai bune decât concurența naivă și transferurile secvențiale. Lucrarea nu demonstrează că orice echipă de agenți este mai bună decât un singur agent, nici că un număr mai mare de membri îmbunătățește liniar rezultatul. Arată însă că întrebarea corectă nu este «câți agenți să rulăm?», ci «ce stare partajată și ce protocol îi vor transforma cu adevărat într-o echipă?».»
Pentru o întreprindere, aceasta reprezintă trecerea de la „prompt engineering” la „coordination engineering”. Agenții au nevoie de limite, responsabilități, observabilitate, teste și „gates” umane, la fel ca orice alt sistem de producție. Un cadru mai larg pentru aceste dependențe se regăsește și în analiza privind aplicații corporative sub forma unor agenți AI colaborativi.
Fluxuri de lucru bazate pe IA cu responsabilitate și trasabilitate
Planificați coordonarea înainte de a crește numărul de agenți
TWO DOTS cartografiază starea partajată, drepturile, transferurile, testele, etapele de aprobare și indicatorii operaționali, astfel încât agenții de programare bazati pe IA și automatizările operaționale să funcționeze ca un sistem controlat.
Întrebări frecvente
Este un protocol și un mediu de execuție pentru agenți de programare AI concurenți, cu un spațiu de lucru CRDT comun și instrumente MCP pentru revendicări de fișiere, stări, transmisii și citirea mesajelor.
CRDT fuzionează modificările simultane, astfel încât replicile să se sincronizeze fără pierderi de octeți. Nu garantează că două modificări au o intenție compatibilă sau că codul final este corect.
Revendicările de fișiere indică dreptul de proprietate și intenția. Atunci când o cale este deja ocupată, al doilea agent poate prelua un alt modul în loc să genereze o modificare incompatibilă.
În testul T4 cell cu Sonnet 4.6, AgentRoom cu doi agenți a înregistrat o calitate compozită medie de 0,669, față de 0,544 în cazul variantei solo. Rezultatul se referă la configurația experimentală specifică.
Agenții independenți nu împărtășesc intenția în timpul execuției. Unirea ulterioară a fișierelor nu remediază deciziile arhitecturale incompatibile sau suprascrierile silențioase.
Nu în cazul acestui T4 sweep. Cei doi agenți au atins o valoare de 0,669, în timp ce cei trei au consumat mai multă putere de calcul cumulată și au scăzut la 0,553.
Testele principale utilizează Express.js și motorul de execuție TypeScript, au eșantioane mici pe celulă și sunt evaluate în principal cu ajutorul unui judecător LLM, în loc de un oracol de execuție independent de tip „held-out”.
Trebuie să măsoare abandonul, conflictele de revendicare, operațiunile de scriere nerevendicate, regresii, refacerea muncii, timpul de execuție, puterea de calcul cumulată și calitatea sarcinilor, alături de trasabilitate și etapele de aprobare efectuate de oameni.
