오픈 에이전트 웹을 위한 인센티브 효율 라우팅 프레임워크 IEMAS

본 논문은 대규모 LLM 기반 멀티에이전트 시스템(MAS)이 점차 중앙집중식에서 탈중앙화된 ‘에이전트 웹’으로 전환되는 현상을 배경으로, 이러한 환경에서 발생하는 세 가지 핵심 과제—(P1) 스케줄링·라우팅, (P2) 인센티브 설계, (P3) 통신 확장성—를 동시에 해결하고자 한다. 기존 연구는 주로 단일 쿼리 라우팅에 초점을 맞추어 KV‑캐시 재사용과 같은 장기적인 자원 재활용을 무시하거나, 에이전트를 동질적인 컴퓨팅 자원으로 모델링해 LLM 추론 특유의 불확실성과 캐시 의존성을 반영하지 못한다. IEMAS(Incentive‑Efficiency Mechanism for Multi‑Agent Systems)는 이러한 한계를 극복하기 위해 네 가지 주요 구성 요소를 제시한다. 1. **캐시 친화도(oᵢⱼ) 모델링** 각 에이전트 i는 로컬 KV‑캐시를 보유하고, 이전 대화 세션 d에서 실행한 프롬프트 p̄ᵢ,₍d₎를 저장한다. 새로운 요청 j의 프롬프트 pⱼ와의 최장 공통 접두사(LCP) 길이 lᵢⱼ를 계산하고, 이를 프롬프트 길이 |pⱼ| 로 정규화해 oᵢⱼ = lᵢⱼ / max(1,|pⱼ|) 로 정의한다. oᵢⱼ∈