论文
超越基于规则的工作流：CORAL 通过 Agent-to-Agent 通信实现信息流编排的多智能体范式
Beyond Rule-Based Workflows: An Information-Flow-Orchestrated Multi-Agents Paradigm via Agent-to-Agent Communication from CORAL
摘要
大多数现有的基于大语言模型（LLM）的多智能体系统（MAS）依赖预定义工作流，由人类工程师预先枚举任务状态，并相应地指定路由规则与上下文注入。这类工作流驱动的设计本质上是基于规则的决策树，存在两个根本局限：需要大量人工工作来预判并编码可能的任务状态，且无法穷尽覆盖复杂现实任务的状态空间。为解决这些问题，我们提出来自 CORAL 的、经 Agent-to-Agent（A2A）通信实现信息流编排的多智能体范式，其中一个专职的信息流编排器持续监控任务进度，并通过 A2A 工具包用自然语言动态协调其他智能体，而不依赖预定义工作流。我们在通用基准 GAIA 上评估该方法，以代表性的基于工作流的 MAS OWL 作为基线，同时控制智能体角色与底层模型。在 pass@1 设定下，我们的方法达到 63.64% 的准确率，领先 OWL 的 55.15% 8.49 个百分点，且 token 消耗相当。进一步的案例级分析表明，我们的范式支持更灵活的任务监控以及对边缘情形更稳健的处理。我们的实现已公开于：https://github.com/Coral-Protocol/Beyond-Rule-Based-Workflows
