论文
TCP-MCP：多智能体系统中提示与通信拓扑的景观引导协同演化
TCP-MCP: Landscape-Guided Co-Evolution of Prompts and Communication Topologies for Multi-Agent Systems
摘要
有效的多智能体系统无法通过孤立地选择提示或通信图来设计。智能体的行为取决于其接收到的信息，而一条通信边的有用性取决于接收方智能体如何解读和利用该信息。我们提出TCP-MCP（面向多智能体协作问题求解的拓扑耦合提示），一个将智能体提示与通信拓扑作为统一基因组进行搜索的协同演化框架。TCP-MCP利用初始化阶段的景观探针校准早期搜索行为，随后依靠Pareto前沿诊断，在任务性能、token成本与结构复杂度三个目标下自适应调整探索。在所有方法均使用相同DeepSeek-V3.2骨干模型的条件下，TCP-MCP在MMLU-Pro、MMLU和GSM8K上分别取得82.66%、89.96%和96.61%的准确率。在这三个基准上，它持续优于自动图生成基线，并取得与辩论式系统相当的准确率，同时在所报告的工作点上token消耗最多较这些系统减少5.69倍。这些结果表明，在受控评估中，联合演化提示与通信结构为成本感知、任务自适应的多智能体系统设计提供了一条可行路径。
