English | 简体中文 | Español | 日本語 | 한국어 | العربية
4 体のコーディングエージェントに共有の無線チャンネルを与える。彼らは作業を分担し、計画を 交渉し、働きながら発見を発信し続ける——「聞くこと」がバックグラウンドタスクとして走り、 行動の 1 ターンを奪わないからだ。
本リポジトリは、論文 *AgentRadio: Passive Awareness for Long-Horizon Multi-Agent Collaboration* （[arXiv:2607.28430](https://arxiv.org/abs/2607.28430)）の実験を再現するためのコードとデータを 収録しています。 > ### ☁️ 製品版はこちら → **[Coral Code](https://coralcode.dev/)** > > **[Coral Code](https://coralcode.dev/)** は AgentRadio の製品版です。 > **新規ユーザーには 30 ドル分の無料クレジットが付きます。** ### 🏆 1 つのプロトコル、4 体のエージェント——単一エージェント比 +29.8 ポイント | 構成 | 追加される要素 | タスク正解率（Opus 4.6） | タスク正解率（DeepSeek V4 Pro） | |---|---|:---:|:---:| | **B0** 単一エージェント | — | 32.3 % | 29.0 % | | **B1** 単独実行 6 回のベスト | 6 倍の予算、協調なし | 37.9 % | 31.4 % | | **L1** 4 エージェント + 分担 | 作業分担 | 39.5 % | 31.4 % | | **L2** + 交渉 | 共同計画 + 相互レビュー（ブロッキング受信） | 51.6 % | 39.5 % | | **L3** + 受動的アウェアネス（**AgentRadio**） | バックグラウンドの `wait_for_mention` | **62.1 %** | **50.8 %** | L2 から L3 への一歩で変わるのは通信モード**だけ**です。Opus 4.6 では 15 タスクで勝ち 2 タスクで 負け（正確 McNemar 検定、p = 0.0023）、DeepSeek では 17 勝 3 敗（p = 0.0026）。AgentRadio 下の Opus 4.6 エージェント 4 体（62.1 %）は、単一エージェントのリーダーボード最高記録である 新しい Opus 4.8 の Claude Code（57.2 %）を上回ります。 → [詳細な結果を見る](#-結果) · [論文](https://arxiv.org/abs/2607.28430) · [自分で再現する](#-4-つの構成を実行する) ## 📣 ニュース - **2026-08** — AgentRadio が [VentureBeat](https://venturebeat.com/) に取り上げられました：[「リアルタイムに連携する 4 体の AI エージェントが、企業向けコーディングタスクで Claude Opus 4.8 を上回った」](https://venturebeat.com/orchestration/four-ai-agents-coordinating-in-real-time-outperformed-claude-opus-4-8-on-enterprise-coding-tasks)。📰 - **2026-07** — AgentRadio 論文を [arXiv](https://arxiv.org/abs/2607.28430) で公開しました。🎉 - **2026-07** — コード、アダプタ、および 124 タスク分の SWE-Atlas QnA 設定一式をオープンソース化しました。🚀 ## 💡 AgentRadio を使う理由 * **通信が作業ステップを消費しない** — `wait_for_mention` はハーネスの*バックグラウンドタスク* として走るため、仲間のメッセージはターンを消費せず次のステップ境界で自然に現れます。 エージェントはもはや「働く」か「聞く」かを選ぶ必要がありません。 * **実行の途中で軌道修正できる** — ブロッキング方式では、ある発見は次のフェーズ境界まで仲間に 届きません。受動的アウェアネスなら即座に届き、仲間は進行中のタスクにそれを織り込めます。 * **ハーネスの改造が不要** — ハーネスに求められるのはシェルコマンドをバックグラウンドで実行 できることだけで、主要なコーディングハーネスはすでにこれを備えています。AgentRadio は独立した メッセージサーバと 3 つの薄いシェルスクリプトとして提供されます。 * **追加の LLM 呼び出しなし** — ウォッチャーはエージェントのステップではなく通常の OS プロセス です。エージェントが新たに支払うトークンは、実際に浮上したメッセージ分だけです。 * **モデル非依存** — 同一のプロトコル、プロンプト、起動スクリプトが Claude Opus 4.6 でも、 LiteLLM 変換プロキシ経由の DeepSeek-V4-Pro でも動作します。 * **きれいなアブレーションの階段** — B0 → L1 → L2 → L3 が、同一のハーネス設定のもとで分担・交渉・ 受動的アウェアネスの寄与を一層ずつ切り分けます。 ## 🧩 仕組み ### 3 つのプリミティブ AgentRadio は各エージェントに 3 つの操作を提供します。 | プリミティブ | 挙動 | |---|---| | `create_thread(name, participants)` | メッセージサーバ上に名前付きの会話スレッドを開き、その識別子を返します。 | | `send_message(thread, content, mentions)` | スレッドにメッセージを追加し、誰かが聞いているかどうかに関わらず即座に戻ります。特定のエージェントを @ メンションできます。 | | `wait_for_mention(timeout)` | 呼び出し元をメンションするメッセージが届くまでブロックし、全スレッドの完全なスナップショットとともに返します。そのため文脈の再構築に 2 度目の読み取りは不要です。 | このレイヤはエージェントが*いつ*聞くかについては何も規定しません。`wait_for_mention` が どこで走るかが、2 つの通信モードを分ける唯一の自由度です。 - **フォアグラウンド** → *ブロッキング受信*。エージェントは聞くために作業を止めます。 メッセージを 1 通聞くたびに作業ステップ 1 つ分のコストがかかります。これが L2 のベースラインです。 - **バックグラウンドタスク** → *受動的アウェアネス*。エージェントは働き続け、メンションは次の ステップ境界で浮上します。聞くためのステップは一切消費しません。これが L3、完全な AgentRadio です。 それ以外——プリミティブ、スレッド、プロトコル——はすべて固定です。実験が切り分けるのは、この 「1 ビット」の差だけです。 ### 5 フェーズのプロトコル 4 体のエージェントが、作業分担と交渉からなる固定のプロトコルを実行します。agent-1 は加えて **アセンブラ**を務め、計画スレッド・作業ログスレッド・最終回答スレッドを開き、すべての遷移を 管理します。フェーズは、全エージェントから明示的な承認を集めて初めて終了します。 1. **P1・探索** — 各エージェントがバックグラウンドウォッチャーを起動し、独立してリポジトリを 探索し、見えたサブ質問を書き出します。この段階では何も送信しません。 2. **P2・分担** — アセンブラが計画スレッドを開きます。各エージェントは発見を持ち寄り、サブ質問の 分割案を交渉し、全員が承認するまで修正を重ねます。 3. **P3・実行** — 各エージェントが自分のサブ質問に取り組みます。発見があった瞬間に作業ログへ 投稿します——仲間に影響する発見、合意した計画との矛盾、障害、放棄した袋小路など。 4. **P4・レビュー** — 各エージェントが自分の結果スレッドで、発見を証拠とともに共有します。 レビュアーは事実の矛盾、証拠の薄さ、言及されていない観察を指摘し、サブ質問を P3 に差し戻せます。 5. **P5・提出** — アセンブラが承認済みの結果から最終回答を構成し、最後の承認ラウンドのために 草案を共有してから提出します。 ブロッキング受信では同じ 5 フェーズがそのまま走りますが、P3 のリアルタイム共有が消えます。 メッセージを聞くにはフォアグラウンドでの待機が必要になるため、エージェントは作業中は沈黙し、 発見は P4 より前に仲間へ届きません。 ## 🗂️ リポジトリ構成 ``` data/qa/ 124 SWE-Atlas QnA tasks (harbor dataset scale-ai/swe-atlas-qna) multi_agent/ coral_multi_agent.py L2 adapter: division + negotiation (blocking receive) coral_multi_agent_ablation.py L1 adapter: division only coral_multi_agent_passive.py L3 adapter: full AgentRadio (passive awareness) startup.sh / startup_ablation.sh / startup_passive.sh per-agent bootstrap + protocol prompts (CLAUDE.md) coral-agent*.toml message-server agent definitions passive_scripts/ MCP-over-HTTP shell primitives (create_thread / send_message / wait_for_mention / read_resource) coral-server.jar message server (download from Releases, see below) monitor_coral_log.sh live thread/message monitor for running containers run_config/qa/ claude-token OAuth token helper full_run.sh B0 baseline batch runner (all 124 tasks) run_passive_multi_agent.sh L3 batch runner verify_local.py rubric verifier (LLM judge), run locally on a trial dir ``` `data/qa/` 配下の各タスクディレクトリには、指示文、固定された実行環境、および検証器が使用する ルーブリック一式が含まれています。 --- ## 📦 セットアップ 実行は [Modal](https://modal.com) 上の Docker コンテナで行われ、 [Harbor](https://github.com/laude-institute/harbor) がオーケストレーションします。 1 タスク = メッセージサーバと 4 体の Claude Code エージェントが動く 1 コンテナです。 ### 1. Docker Desktop https://www.docker.com/products/docker-desktop/ からインストールし、`docker run hello-world` で確認します。 ### 2. uv ```bash curl -LsSf https://astral.sh/uv/install.sh | sh ``` ### 3. Harbor（0.6.4 に固定） 新しい Harbor（0.7 以降）には破壊的な API 変更があり、これらのアダプタが動作しません。 バージョンを固定してください。 | コンポーネント | 動作するバージョン | |-----------|-----------------| | harbor | **0.6.4** | | modal | **1.4.2** | ```bash uv tool uninstall harbor 2>/dev/null || true uv tool install 'harbor[modal]==0.6.4' harbor --version # must show 0.6.4 ``` ### 4. Modal ```bash pip install 'modal==1.4.2' modal --version # must show 1.4.2 modal setup # opens browser to log in ``` ### 5. Claude Code ```bash curl -fsSL https://claude.ai/install.sh | sh claude --version ``` エージェントには **Claude Max サブスクリプション**が必要です。検証器にはさらに **Anthropic API キー**が必要です。 ### 6. メッセージサーバの JAR 106 MB のサーバ JAR は匿名化されたアーティファクトとしてホストされています（git blob には 大きすぎるため）。`confirm=t` パラメータは大容量ファイルのスキャン中間ページを回避し、 `curl` がバイナリを直接取得できるようにします。 ```bash curl -L -o multi_agent/coral-server.jar \ "https://drive.usercontent.google.com/download?id=17b40_1kXFrAC0pnN8w_7PPY13O7pYVke&export=download&confirm=t" ``` アダプタがこの JAR を各タスクコンテナへアップロードします。ローカルで何かを動かす必要はなく、 ローカルの JDK も不要です。 ### 7. トークンヘルパーと .env ```bash cp run_config/qa/claude-token ~/.local/bin/claude-token chmod +x ~/.local/bin/claude-token cp .env.example .env # then fill in your Anthropic API key ``` ### 各実行の前に：OAuth トークンを更新する Claude Code の OAuth トークンはローテーションします。各コンテナは起動時に静的なスナップショットを 受け取るだけなので、期限切れのトークンは実行中に 4 体すべてのエージェントを 401 で停止させます。 セッションごとに更新してください。 ```bash claude /login # opens browser security find-generic-password -s "Claude Code-credentials" -w | python3 -c " import json, sys, os data = json.loads(sys.stdin.read()) oauth = data.get('claudeAiOauth', {}) with open(os.path.expanduser('~/.claude/.credentials.json'), 'w') as f: json.dump({'claudeAiOauth': oauth}, f, indent=2) print(f'Token refreshed. Expires at: {oauth.get(\"expiresAt\")}') " ~/.local/bin/claude-token --check source .env ``` --- ## ⚡ 4 つの構成を実行する すべてのコマンドはリポジトリのルートで、`source .env` の後に実行します。タスク ID は `data/qa/` 配下のディレクトリ名です（`-i` を繰り返せばバッチ指定、`-i` を完全に省けば 124 件 すべてを実行）。`-n` は同時実行タスク数です（L1–L3 では 1 タスク = 4 エージェント）。 ### B0 — 単一エージェント（ベースライン） ```bash source .env harbor run \ -p ./data/qa \ -a claude-code \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "baseline-ba998" \ -y ``` ### L1 — 4 エージェント + 作業分担 agent-1 が簡単に探索して質問を分割し、各エージェントが自分の担当分を独立に解きます。 回答はレビューなしでマージされます。 ```bash source .env export PYTHONPATH="$(pwd):${PYTHONPATH:-}" harbor run \ -p ./data/qa \ --agent-import-path='multi_agent.coral_multi_agent_ablation:CoralMultiAgentAblation' \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "division-ba998" \ -y ``` ### L2 — + 交渉（ブロッキング受信） 完全な 5 フェーズプロトコル——共同探索、全員一致までの分割交渉、実行、相互レビュー、統合提出—— ですが、`wait_for_mention` は**フォアグラウンド**で走るため、エージェントは聞くために作業を 止めます。 ```bash source .env export PYTHONPATH="$(pwd):${PYTHONPATH:-}" harbor run \ -p ./data/qa \ --agent-import-path='multi_agent.coral_multi_agent:CoralMultiAgent' \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "divneg-ba998" \ -y ``` ### L3 — + 受動的アウェアネス（完全な AgentRadio） プロトコルは同一ですが、`wait_for_mention` が**バックグラウンドタスク**として走ります。 エージェントは働き続け、メッセージはステップの合間に浮上します。Claude Code に MCP 設定は 与えられず、通信はすべて `passive_scripts/` の薄いシェルラッパー経由で行われます。 ```bash source .env export PYTHONPATH="$(pwd):${PYTHONPATH:-}" harbor run \ -p ./data/qa \ --agent-import-path='multi_agent.coral_multi_agent_passive:CoralMultiAgentPassive' \ -m "anthropic/claude-opus-4-6" \ -e modal -k 1 -n 1 \ -i "task-6905333b74f22949d97ba998" \ --ak reasoning_effort=high \ -o results/qa/ \ --job-name "passive-ba998" \ -y ``` `run_config/qa/run_passive_multi_agent.sh` は同じコマンドをバッチランナーとしてラップし、 タスク ID ごとに 1 つの harbor ジョブを起動します。 --- ## 🔀 DeepSeek-V4-Pro で実行する マルチエージェント構成（L1–L3）は Opus 4.6 の代わりに **DeepSeek-V4-Pro** エージェントで実行でき、 結果表の DeepSeek 列を再現できます。プロトコル、プロンプト、起動スクリプト、レジューム ガードはすべて同一で、変わるのは LLM のバックエンドだけです。 Claude Code は Anthropic Messages API しか話しませんが、DeepSeek は OpenRouter（OpenAI 互換のみ） 経由で提供されます。両者を **Modal 上に一度だけホストした LiteLLM 変換プロキシ**で橋渡しします。 タスクコンテナには何もインストールせず、`ANTHROPIC_BASE_URL` をプロキシの公開 URL に向けるだけです。 ルーブリック検証器は変更ありません。引き続きあなたの Anthropic ジャッジ（`OPENAI_API_KEY` / `EVAL_MODEL`）を使います。DeepSeek は*エージェント*側のバックエンドにすぎません。 ### 一度だけのプロキシ構築 ```bash # 1. An OpenRouter API key with deepseek-v4-pro access (https://openrouter.ai/keys) # is stored as a Modal secret — it never leaves your Modal account. modal secret create openrouter-deepseek OPENROUTER_API_KEY=sk-or-... # 2. Deploy the proxy. This prints your personal URL. modal deploy multi_agent/deepseek_litellm_modal.py # -> https://