LDP：面向多智能体LLM系统的身份感知协议

随着多智能体AI系统日趋复杂，连接它们的协议制约着其能力。A2A与MCP等现行协议未将模型级属性作为一等原语暴露出来，忽视了对有效委派至关重要的属性：模型身份、推理画像、质量校准与成本特征。我们提出LLM委派协议（LDP），一种AI原生通信协议，引入五种机制：（1）包含质量提示与推理画像的丰富被委派者身份卡；（2）带协商与回退的渐进式载荷模式；（3）具有持久上下文的受治理会话；（4）跟踪置信度与验证状态的结构化溯源；（5）在协议层面强制安全边界的信任域。我们将LDP实现为JamJet智能体运行时的插件，并使用本地Ollama模型与LLM-as-judge评测，与A2A及随机基线进行对比。身份感知路由借助被委派者专业化，在简单任务上实现约12倍的延迟降低，但在我们的小规模被委派者池中并未提升总体质量；语义帧载荷将token数量减少37%（p=0.031）且未观察到质量损失；受治理会话在10轮时消除39%的token开销；而带噪声的溯源会使综合质量降至低于无溯源基线的水平，说明置信度元数据在缺乏验证时是有害的。模拟分析显示了其在攻击检测（96%对6%）与故障恢复（100%对35%完成率）方面的架构优势。本文贡献了一个协议设计、参考实现，以及AI原生协议原语能够实现更高效、更可治理委派的初步证据。