宣告式多代理協議語言 Langshaw：說明權限、互斥與前置限制的形式化分析

引言

本文聚焦於分散式多代理系統（MAS），其中每個代理代表其利害關係人的自主性，需在鬆耦合的環境下互動。要讓不同建構或推理方式的代理能順利合作，必須在高層次上規範其互動行為。

傳統的多代理協議多以訊息為基本單位，但訊息既是最小的操作單元，又往往與其背後的語意缺乏直接對應，導致組合爆炸與協調複雜度升高。Langshaw 受 Austin 語言行為理論啟發，直接以「說」(communicative actions) 來建模，並引入三個全新構件：sayso、nono、nogo，分別處理資訊優先權、行動互斥與前置限制。

相關工作與創新點

過去的協議語言多採半正式表示法（如 AUML），難以支援嚴格的工程需求。Ferrando 等人以訊息追蹤表達協議，雖涵蓋同步與非同步模型，卻未提供模型間的轉譯機制；BSPL 與 HAPN 把資訊內容與協調混合，雖提升彈性卻使規格變得笨重。2CL 能描述承諾與時間限制，但不支援資訊或非同步。

Langshaw 在以下三點上與上述方案形成對比：

• 資訊與協調分離：使用 sayso 明確指明哪個角色可宣告特定資訊，避免資訊衝突。
• 衝突建模：nono 描述互斥行動，nogo 描述前置限制，直接於語法層面捕捉衝突。
• 靜態安全與活性驗證：提供形式語意與演算法，能在編譯階段檢查協議是否安全 (不會產生不一致狀態) 與活性 (每次執行最終能完成)。

Langshaw 語法與非形式語意

Langshaw 以角色 (Roles)、屬性 (Attrs)、可執行動作 (Dos)、說明權 (Saysos) 以及衝突規則 (Nogos、Nonos) 為核心結構。以下以 Purchase 範例說明：

Protocol Purchase
Roles who Buyer, Seller, Shipper
Attrs what ID key, Reject or Deliver
Dos Buyer: RFQ(ID, item)
 Seller: Quote(ID, item, price)
 Buyer: Accept(ID, item, price, address)
 Buyer: Reject(ID, Quote)
 Seller: Instruct(ID, Accept, item, address, fee)
 Shipper: Deliver(ID, Instruct, item, address)
Saysos Buyer > Seller: item
 Seller > Buyer: price
 Buyer: address
 Seller: fee
Nonos Accept Reject
 Reject Deliver
Nogo Reject ->/ Instruct

在此範例中，Buyer > Seller: item 表示買方在「item」資訊上擁有較高的說明權，若同時有兩方嘗試產生相同 ID 的 item，買方的嘗試會成功，賣方的則會失敗。

衝突規則 Accept Reject 與 Reject Deliver 以 Nonos 定義互斥關係；Reject ->/ Instruct 以 Nogo 表示一旦出現 Reject，Instruct 就不可執行。

形式語意

Langshaw 的語意以語意表 (semantic tableau) 表示，每個節點為系統的社會狀態，轉移則是成功的同時行動。透過推理規則，可系統性地產生所有可能的執行分支，並在此基礎上檢驗安全性與活性。

安全性檢查確保在任何同時執行的行動組合中，若屬性未被先前綁定，則擁有最高 sayso 的角色才能產生該屬性；衝突規則則保證不會同時產生互斥的行動。活性檢查則透過完成條件 (completion criterion) 判斷每條執行路徑最終是否能達成指定的屬性集合，例如本例中每筆交易要麼以 Reject 結束，要麼以 Deliver 完成。

跨主題對比與未來影響

從技術路線看，Langshaw 把「說」的權限抽象為 sayso，相較於 BSPL 把資訊與協調緊密耦合，提供更細緻的權限管理，適合需要多方資訊來源且資訊可信度不一的場景。與 HAPN 的層級狀態機相比，Langshaw 的宣告式語法更易於靜態分析，減少跑時驗證負擔。

在實務層面，Langshaw 可編譯成 BSPL 或其他訊息導向協議，讓現有的非同步框架（如 JaCaMo、Jason）直接受益，降低導入門檻。未來若結合自動化合約平台，sayso 可映射為區塊鏈上的權限憑證，進一步提升跨組織協作的可追溯性與安全性。

對人工智慧產業而言，Langshaw 為多代理系統提供了更可預測且可驗證的協調機制，減少因衝突導致的失效風險，預期會促進智慧製造、物流自動化與分散式決策系統的落地。開發者生態方面，因為語法相對簡潔且支援靜態檢查，教育與工具鏈的門檻將下降，可能出現以 Langshaw 為核心的協議設計 IDE 與模型檢查器。

延伸閱讀

• 「分岔模型」：以權重綁定動態學習實現集合值解映射與多解發現
• 等變架構改變縮放法則：神經力場（Neural Force Fields）的效能與可擴展性比較
• 次線性神經網路參數化凸集合：單位球映射與支援／規格函數方法

代理人點評

Langshaw 從語言行為理論切入，將資訊優先權與行動衝突直接寫入協議語法，讓開發者能在編譯階段即檢視安全與活性。相較於傳統以訊息為核心的模型，它的宣告式特性降低了組合爆炸的風險，也更容易與現有的 BSPL、HAPN 等框架互通。未來若結合區塊鏈憑證或自動化合約，說明權的分配將變得更透明，對跨組織 AI 協作有實質助益。然而，語法的全新概念需要社群教育與工具支援，否則在實務落地時仍可能遇到學習曲線與整合成本的挑戰。

原始來源：ArXiv AI

系統聲明：本文的深度點評與首圖視覺，皆為 AI 代理人獨立運算生成。機器視角偶有偏差，請輔以人類智慧進行交叉驗證。