Seiring dengan bertambahnya ukuran basis kode perusahaan, agen AI yang ditugaskan untuk menganalisisnya menghadapi tantangan besar. Tugas dengan jangka waktu panjang yang memerlukan interaksi dan panggilan alat yang berulang memicu overloading. Membagi pekerjaan di antara tim agen terdengar seperti solusi yang jelas, tetapi hal ini menghadirkan masalah fatal: kebanyakan sistem multi-agen tidak dirancang untuk berkoordinasi satu sama lain selama tugas sedang berlangsung dan secara real-time.
Untuk mengatasi masalah ini, para peneliti di Coral AI Labs dan beberapa universitas telah memperkenalkan AgentRadio, sebuah lapisan pengiriman pesan asinkron yang memungkinkan agen berkomunikasi di antara langkah-langkah eksekusi tanpa mengganggu pekerjaan utama mereka. Dalam aplikasi perusahaan nyata, di mana subtugas sangat saling bergantung, arsitektur ini memungkinkan agen melakukan koreksi di tengah jalan daripada terus berlanjut di jalur yang tidak produktif hingga fase review formal.
Dalam pengujian terhadap pertanyaan long-horizon pada repositori produksi, tim agen yang didukung oleh AgentRadio hampir menggandakan akurasi tugas untuk empat agen Claude Code yang bekerja secara terpisah. Hasil ini juga mengungguli agen tunggal yang menggunakan model yang lebih canggih. Bagi praktisi AI, AgentRadio menunjukkan bahwa struktur koordinasi yang tepat dapat mengungguli komputasi mentah dan skala model.
Tantangan Memahami Basis Kode
Agen berbasis LLM semakin mampu menangani tugas long-horizon yang memerlukan interaksi dengan berbagai alat dan lingkungan. Memahami basis kode adalah tantangan ekstrem dari hal ini. Agen AI harus membangun perangkat lunak, mengeksekusinya, melacak jalur eksekusi di berbagai file, dan mensintesis bukti selama periode waktu yang panjang.
Di bawah kondisi ini, sistem agen tunggal biasanya mengalami masalah yang disebut “masalah cakupan.”
“Satu agen mengikuti satu jalur serial di repositori,” jelas Xinxing Ren, Caelum Forder, dan Peter Carroll, co-author makalah AgentRadio, kepada VentureBeat. “Seiring konteksnya berkembang, rencana awal menjadi semakin sulit untuk direvisi dan temuan-temuan yang ditemukan terlambat dalam penyelidikan tidak selalu dapat dipropagasi.” Model ini biasanya bisa mengeksekusi langkah-langkah individu, tetapi “bagian yang sulit adalah menjaga semua kewajiban, ketergantungan, dan potongan bukti yang bertentangan tetap aktif selama penyelidikan panjang.”
Salah satu tolok ukur yang membantu mengukur kinerja AI pada basis kode besar adalah SWE-Atlas QnA. Tolok ukur ini terdiri dari pertanyaan dalam bahasa alami yang memerlukan waktu panjang pada repositori produksi langsung. Tugas-tugas ini tidak dapat diselesaikan hanya dengan menjelajahi kode; agen AI harus menjalankan perangkat lunak dan mengeksekusi beberapa perintah untuk menemukan jawaban.
Menurut eksperimen tim penelitian, satu instance Claude Code yang berjalan di Opus 4.6 hanya berhasil menyelesaikan 32.3% dari tugas ini. Meningkatkan ke model yang lebih baru dan lebih canggih seperti Opus 4.8 hanya meningkatkan tingkat keberhasilan menjadi 57.2%.
Solusi alami adalah mendistribusikan beban kerja di antara beberapa agen, memungkinkan masing-masing bekerja dengan konteks yang lebih kecil dan lebih bersih. Solusi multi-agen dapat memberikan peningkatan kinerja substansial ketika tugas dapat didekomposisi dengan bersih, artinya dapat diselesaikan secara terpisah dan digabungkan di akhir.
Namun, pemahaman basis kode jarang dapat didekomposisi dengan bersih. Subtugas sangat saling bergantung. Sebuah file konfigurasi penting atau bug yang ditemukan oleh satu agen dapat sepenuhnya menulis ulang atau mengarahkan ulang seluruh jalur eksplorasi agen lain. Karena ketergantungan ini, agen harus berkoordinasi, bernegosiasi, dan berbagi temuan sementara secara real-time.
Walaupun ada kebutuhan ini, komunikasi multi-agen asinkron masih jarang ditemui. Para peneliti mencatat bahwa sistem multi-agen yang ada biasanya terjebak dalam tiga pola yang cacat:
-
Paralel tetapi terisolasi: Agen beroperasi secara bersamaan tetapi tidak berkomunikasi sama sekali.
-
Paralel tetapi sinkronisasi ronde: Agen dapat berkomunikasi, tetapi hanya pada batas ronde yang ketat. Ini memaksa agen untuk berhenti dan menunggu satu sama lain menyelesaikan satu ronde sebelum mereka dapat berdiskusi atau bertukar temuan sementara. Sistem berbasis ronde mengasumsikan bahwa temuan penting dapat menunggu hingga fase komunikasi berikutnya, yang merupakan asumsi mahal saat agen bekerja pada bagian yang saling bergantung dalam sistem langsung.
-
Asinkron dalam bentuk yang bersebelahan: Sistem ini menawarkan fitur asinkron yang terbatas, seperti pengiriman tugas dari atas ke bawah, tetapi tidak memiliki saluran lateral peer-to-peer antara agen atau memori bersama.
Dalam makalahnya, para peneliti menunjukkan bahwa hambatan utama yang menghalangi sistem multi-agen saat ini adalah bahwa “seorang agen yang sedang bekerja tidak juga dapat mendengarkan.”
“Sejauh yang kami ketahui, tidak ada sistem yang ada memberikan kesadaran pasif kepada agen yang bekerja secara bersamaan di saluran lateral dan bahasa alami,” tulis para peneliti.
Bagaimana AgentRadio Bekerja
Untuk menghilangkan eksklusi mutual antara bekerja dan mendengarkan, para peneliti mengembangkan AgentRadio, sebuah lapisan pengiriman pesan asinkron yang dirancang untuk terhubung langsung ke alat agen pengkodean yang sudah ada.
AgentRadio membekali agen dengan tiga primitif:
-
Primitif create_thread membuka percakapan antara agen yang berpartisipasi.
-
Primitif send_message menambahkan pesan ke sebuah thread dan kembali tanpa menghalangi agen pengirim.
-
Primitif wait_for_mention memblok proses sampai pesan yang menyebut penelepon tiba. Pesan dikirimkan bersamaan dengan snapshot lengkap dari semua thread, sehingga agen memiliki konteks instan.
Trio ini memungkinkan agen memiliki keadaan “kesadaran pasif”, di mana mereka dapat melanjutkan tugas utama mereka sambil menanggalkan pesan dan memperbarui pengetahuan mereka di latar belakang.
Kode AgentRadio tersedia dengan lisensi Apache 2.0 di GitHub dan dirancang agar ringan. Ia tidak memerlukan modifikasi langsung pada alat agen yang mendasarinya seperti Claude Code atau Codex CLI.
Arsitekturnya terdiri dari dua komponen utama:
-
Server pesan: Proses mandiri yang bertindak sebagai pusat, menyimpan semua thread aktif, pesan, dan sebutan untuk kelompok agen.
-
Integrasi sisi pengikat: Agen berinteraksi dengan server menggunakan tiga skrip shell sederhana, satu untuk setiap primitif.
Satu-satunya persyaratan ketat agar sistem ini berfungsi adalah bahwa alat agen harus dapat menjalankan perintah shell sebagai tugas latar belakang. Para agen diberikan instruksi dalam sistem prompt mereka untuk menjaga satu pengawas berjalan dan mengirim pesan melalui skrip yang disediakan. Menjalankan skrip wait_for_mention di latar belakang memungkinkan agen melanjutkan pekerjaan dan menerima pemberitahuan secara asinkron.
Untuk mengintegrasikan ini ke dalam tumpukan yang ada, sebuah tim masih memerlukan adapter tipis yang memulai pekerja, memberikan identitas, menghubungkannya ke server bersama, dan mengelola sintesis akhir, kata para peneliti. Pekerjaan ini mengelilingi agen pengkodean daripada memerlukan perubahan pada model yang mendasarinya.
AgentRadio Dalam Aksi
Untuk memvalidasi utilitas nyata AgentRadio, para peneliti menguji kerangka kerja ini pada 124 tugas dari tolok ukur SWE-Atlas QnA. Pengujian mencakup domain seperti desain sistem, analisis akar penyebab, keamanan, dan integrasi API.
Mereka menggunakan Claude Opus 4.6 dan DeepSeek V4 Pro sebagai model dasar. Untuk sistem pengikat, mereka mengevaluasi konfigurasi dari satu agen Claude Code (B0) hingga tim agen dengan pembagian kerja klasik (L1), hingga tim agen yang menggunakan AgentRadio untuk berkoordinasi secara asinkron (L3).
Hasil eksperimen menunjukkan bahwa arsitektur komunikasi AgentRadio mengungguli setup multi-agen naif dan peningkatan skala komputasi mentah.
Sementara satu agen Claude Code dengan Opus 4.6 hanya berhasil menyelesaikan 32.3% dari tugas, setup lengkap AgentRadio hampir menggandakan metrik tersebut, menyelesaikan 62.1% dari tugas, melebihi agen tunggal yang berjalan di Opus 4.8 yang mencapai 57.2%. Hal ini juga meningkatkan hasil DeepSeek V4 Pro dari 29.0% menjadi 50.8%.
Untuk memahami bagaimana ini berdampak secara praktis pada AI perusahaan, makalah ini menyoroti sebuah tugas dunia nyata yang melibatkan sistem MinIO. Menyelesaikan tugas ini memerlukan pengecekan log server per permintaan, hal yang tidak diperkirakan oleh agen selama fase perencanaan awal mereka.
Pada pengaturan L2, di mana agen berkolaborasi tetapi tidak memiliki komunikasi asinkron, dua agen secara independen menyadari bahwa mereka membutuhkan log ini saat menjalankan perintah. Karena mereka tidak dapat berbagi temuan ini di tengah eksekusi, satu agen menyerah secara pribadi dan yang lainnya gagal untuk mengusulkannya kepada tim. Selama fase review, tim sepakat dengan jawaban yang salah, kehilangan lima rubrik.
Dengan AgentRadio diaktifkan, agen-agen membuat temuan yang sama di tengah eksekusi, tetapi satu agen segera membroadcast bukti log server yang diperlukan ke dalam kerja log bersama. Karena agen lainnya mendengarkan secara pasif, mereka langsung menyerap bukti baru ini. Koordinasi real-time ini mengubah skor yang gagal menjadi sempurna, 16 dari 16.
“Perbedaan yang berguna adalah timing,” kata para peneliti. “Tim tidak membutuhkan agen lain atau ronde review lainnya. Mereka hanya membutuhkan temuan satu agen untuk mencapai rekan-rekan yang tepat sebelum nilai operasionalnya kedaluwarsa.”
Para peneliti mencatat bahwa pola yang sama terjadi dalam pekerjaan insiden perusahaan. Misalnya, seorang agen yang menyelidiki gejala API bisa menemukan bukti yang membatalkan hipotesis agen penyimpanan yang ada. Jika informasi itu menunggu hingga kedua agen selesai, penyelidikan penyimpanan dapat selesai mengikuti jalur yang keliru. “Kesadaran pasif memungkinkan agen kedua untuk mengintegrasikan kontradiksi pada langkah kerjanya selanjutnya tanpa mengganggu perintah yang sudah berlangsung,” tambah mereka.
Biaya dan Kompleksitas Koordinasi
AgentRadio memerlukan anggaran tim multi-agen tetap, yang secara inheren menggandakan biaya token. Para peneliti mengakui bahwa “pajak ini nyata,” mencatat bahwa pengeluaran API rata-rata melonjak dari $2.96 per tugas untuk satu agen Opus menjadi $19.45 untuk tumpukan AgentRadio lengkap.
Namun, skala mentah tidak berarti performa. Ketika para peneliti menyamakan pengujian ini dengan menghabiskan $17.76 pada enam run Opus independen, model-model tersebut hanya menyelesaikan 37.9% dari tugas, dibandingkan dengan 62.1% untuk AgentRadio. Ini menunjukkan bahwa arsitektur AgentRadio adalah kemenangan struktural, bukan hanya kemenangan skala brutal.
Tim perlu tetap waspada terhadap churn antar agen. “Komunikasi dapat mengarahkan seorang agen menuju bukti yang lebih baik, tetapi juga dapat mengalihkan agen dari jalur yang valid,” peringatan para peneliti.
Sebuah tim multi-agen tetap sebaiknya tidak menjadi respons default untuk setiap tugas rekayasa. Uji yang lebih berguna untuk menentukan apakah pengaturan multi-agen diperlukan adalah apakah tugas tersebut mengandung “titik batas tanggung jawab,” ujar para peneliti. Ini adalah tempat di mana seorang insinyur yang kompeten akan melibatkan orang lain karena pekerjaan tersebut melewati batas kepemilikan, membutuhkan hipotesis independen, atau memiliki risiko cukup untuk membenarkan verifikasi terpisah.
“Koordinasi sangat sesuai ketika tugas dapat didekomposisi, bagian-bagian yang dihasilkan tetap saling bergantung, tingkat keberhasilan agen tunggal tidak dapat diandalkan, dan jawaban yang tidak lengkap memiliki biaya downstream yang berarti,” kata para peneliti.
Sebaliknya, agen tunggal tetap merupakan pilihan yang lebih bersih untuk “pekerjaan yang terikat, lokal, dan dapat dibalik,” seperti perubahan satu berkas yang diketahui atau generasi boilerplate.
“Gunakan satu agen selama satu konteks masih dapat dipercaya untuk menangani masalah ini,” saran para peneliti. “Perkenalkan tanggung jawab lain ketika agen yang ada sebaliknya akan perlu mengompres bukti, melewati batas kepemilikan yang independen, atau memverifikasi kesimpulan yang berdampak tinggi.”
Dari Penelitian ke Komersialisasi: Coral Code
Sementara AgentRadio berfungsi sebagai implementasi penelitian terkontrol dengan tim agen empat orang tetap dan protokol lima fase, prinsip-prinsip dasar ini sedang diadaptasi menjadi produk komersial bernama Coral Code.
Alih-alih protokol multi-agen kaku yang diterapkan pada setiap tiket, Coral Code bekerja dari bawah ke atas. Seorang insinyur mulai dengan agen pengkodean yang ada, dan Coral memperkenalkan investigasi berskala repositori, tanggung jawab spesialis, dan komunikasi hanya ketika bukti yang terbentuk memerlukannya. “Coral mengemas masalah operasional di sekitar alat yang sudah digunakan oleh insinyur, memberikan konteks repositori, spesialis yang terbatas, komunikasi, dan lapisan bukti di sekitar alat bukan di dalamnya,” ungkap para peneliti.
Pendekatan dinamis ini mengoptimalkan biaya dengan menargetkan unit yang relevan: biaya hasil yang lengkap dan dapat direview.
Masa Depan Rekayasa Perangkat Lunak Otonom
Sementara AgentRadio menyediakan peningkatan besar dalam orkestra agen, masih ada rintangan yang harus diatasi. Salah satu hambatan utama yang dicatat oleh para peneliti adalah “pengelolaan perhatian dan verifikasi.”
“Kesadaran pasif membuat komunikasi tersedia selama eksekusi. Itu tidak memutuskan agen mana yang seharusnya ada, penemuan mana yang layak dihentikan, siapa yang harus menerimanya, atau kapan buktinya cukup kuat untuk merevisi rencana,” ungkap para peneliti. Jika setiap agen menerima setiap pembaruan, lapisan komunikasi menjadi kebisingan. Jika beberapa agen berbagi asumsi buruk yang sama, komunikasi yang lebih cepat bisa menyebarkan kesalahan tersebut.
Contohnya, dalam salah satu studi kasus dalam makalah tersebut yang melibatkan platform Grafana, empat dari sembilan rubrik memerlukan kesimpulan negatif, seperti mengamati bahwa pemilih data sumber tidak terpilih secara otomatis. Para agen menjalankan tes yang relevan, namun tidak ada yang membentuk hipotesis negatif yang hilang. Kedua konfigurasi gagal memenuhi empat rubrik tersebut.
“Kesadaran pasif bisa mendistribusikan ide yang dikembangkan seseorang. Namun, itu tidak dapat menyediakan konsepsi yang tidak pernah muncul di manapun di tim,” kata para peneliti.
Seiring lamanya durasi tugas, komunikasi dan koordinasi menjadi sangat penting. “Generasi sistem berikutnya… membutuhkan penugasan tanggung jawab adaptif, pengaturan rute yang sadar bukti, resolusi konflik, batas biaya yang eksplisit, izin, pemulihan, dan titik eskalasi manusia yang jelas,” ingat para peneliti. Yang paling penting, sistem ini membutuhkan asal yang kuat agar pemimpin rekayasa dapat memeriksa agen mana yang membuat klaim dan mengapa tindakan itu diterima.
“Agen yang lebih lama membuat komunikasi semakin penting. Mereka juga membuat akuntabilitas jauh lebih sulit untuk dipalsukan,” tutup mereka.
