在多代理系统中，基于大型语言模型（LLMs）的协调往往难以推理。协调错误如死锁或类型不匹配的消息通常很难通过测试检测到。为此，我们引入了一种基于消息序列图（MSCs）的领域特定语言，用于指定代理协调。该语言将消息传递结构与 LLM 调用、工具调用和人类控制点分离，其结果仍然不可预测。
我们定义了该语言的语法和语义，并提出了一种语法导向的投影方法，从全局协调规范生成无死锁的局部代理程序。我们通过一个诊断共识协议来说明该方法，并展示了协调属性如何独立于 LLM 的不确定性进行建立。
此外，我们还描述了一种运行时规划扩展，其中 LLM 动态生成一个协调工作流，并确保相同的结构保证适用。我们的框架的开源 Python 实现可在 ZipperGen 中获得。
博主点评： 本文提出的基于消息序列图的协调机制为 LLM 代理的可靠性提供了新的思路，通过将不确定性与可预测的结构分离，为多代理系统的开发带来了更高的可控性。这种方法在工业应用中具有很大的潜力，值得关注。