设想一个由多个AI agents组成的医疗系统：一个负责症状评估，另一个负责日程安排，第三个负责保险，第四个负责药房。每个agent都是其领域的专家。但它们都有各自不同的知识和目标。

今天它们可以交换数据，但如果没有人类做出决策，它们还无法真正协调患者护理。“智能已经存在。缺失的是将四个陌生人变成一个团队的结缔组织，”Cisco旗下的Outshift高级副总裁兼总经理Vijoy Pandey解释说。

这种“结缔组织”来自于添加一个语义层——Outshift将其称为“认知互联网”——它使跨领域的agents能够协同工作，更关键的是，通过共享意图、上下文和推理来共同“思考”。

该语义层依赖于其下方的称为“Agents互联网”的连接层，该层允许自主agents跨领域互相发现、证明身份并交换消息。Pandey表示，当它们结合使用时，将实现“通往分布式人工超级智能之路上的一大步”。

多年来，AI行业一直专注于增长。垂直规模化带来了更大的模型，使用更多的数据和算力进行训练。这产生了可以作为AI agents“大脑”的推理能力，使其能够在数字环境中感知、推理和行动。

Pandey表示，虽然垂直规模化可以持续产生能力更强的agents，但为了在不同系统、公司和平台之间实现agent式的问题解决，下一个规模化轴心必须是水平的。多agent系统已经在软件工程、药物发现和科学模拟等领域得到探索，但到目前为止，它们的表现一直令人失望。

一项研究发现，在评估七个开源多agent系统时，失败率在41%到87%之间。“连接好的agents能够很好地处理协调行动；处理那些它们见过其形状、被分割并传递的任务，”Pandey解释说。

“它们做不到的是保持一个共同的目标，并朝着它们中没有一个被训练去解决的问题进行推理。”“差距在于架构，而不是提示词问题，”Pandey补充道。

“如果没有正确的协调层，简单的多agent设置的表现可能会比单个agent还要糟糕。跨越式的发展是这个agents团队能够围绕一个新问题自行收敛，而不需要人类去缝合缝隙。”

为了实现这一目标，Pandey表示Outshift构建了一个名为AGNTCY的连接层，这是一个目前隶属于Linux基金会的开源项目。AGNTCY允许跨不同系统、公司和平台的agents通过开放的标准化协议相互查找、证明身份和交换消息。

正如Pandey所解释的那样，这使得“认知互联网”的论点更进一步。它创建了一个语义层，允许agents对齐目标（共享意图）、汇聚机构知识和复合记忆（共享上下文）以及做出集体权衡（共享推理）。

Pandey将这种演进与人类进行类比：“几十万年来，人类个体变得越来越聪明，但这些成果随着每一个创造它们的个人的离去而消失，”他解释说。

“大约7万年前，情况发生了变化，当时人类学会了共享意图、积累知识并进行集体推理。就在那时，分散的个人变成了文明。”

“Agents正处于同样的门槛上。我们已经制造了硅谷天才并赋予了它们自主性。它们缺少的是让人类走向集体的层，”他说。

使agents能够协同工作依赖于技术栈中的三大支柱：通过认知状态协议实现共享意图。认知状态协议是语义握手，允许agents在行动前就目标达成一致，然后朝着该目标进行协商。

Outshift创建了一个名为Mycelium的开源协调层，组织可以克隆该层并将其用于自己的agents。“我们发现，在14个场景中，非结构化群组大约在三分之一的时间内达成决策，”Pandey在谈到内部测试时说。

“一个让agents在行动前声明目标、浮现缺失信息并解决冲突的协调协议，将这一比例提高到了93%。”通过认知织物实现共享上下文。

认知织物是一种共享的机构记忆和通信网格，它允许agent的洞察力随着时间推移而复合，而不是在每次会话时重置。Pandey表示，这种由策略治理的上下文层解决了“组织失忆症”的问题，确保系统的基准智能只会不断上升。

通过认知放大器和护栏技术实现共享推理。可以一起使用两种认知引擎来实现共享推理。认知 amplifiers加速共享推理和建模，而护栏技术（GATs）创建了安全、成本和合规框架。

人类是这一层的积极贡献者，做出系统路由给他们的判断调用（而不是事后审查输出）。多agent系统中的认知共享可能会带来新的风险，包括无意委派、恶意提示注入或内存污染，或者拥有超出其任务所需权限和数据的过度特权agents。

因此，需要针对特定环境的controls来防止意想不到的行动或后果。“Agents具有类似人类的属性，但以机器的速度和规模运行，”Pandey说。

“我们二十年来构建的一切——访问控制、身份、合规性——都是为人类或机器构建的，而不是两者兼而有之。”

持续Agent语义授权（CASA）是Outshift开发的一个开源参考实现，是一种GAT，它致力于通过持续授权的过程确保agent的行动与用户的最初目标保持安全对齐。

它是通过读取agent试图完成的任务，然后针对该任务检查每个工具请求来实现这一点的。例如，在医疗系统中，被告知总结患者病历的agent可能会从查询整个数据库开始。

这可能导致CASA拒绝该调用，因为该请求不再与授权给它的任务相匹配。“今天的controls受限于某个角色或会话，而不是任务，因此被授予工具的agent可以用它做任何事情，”Pandey解释说。

“大约90%的情况下，agent无法确认它是否被授权执行交办给它的工作。”在企业中水平扩展智能时，企业应该从试验一个跨功能工作流开始，该工作流跨越三到四个团队，目前需要人类授权交接，Pandey建议道。

“把它作为一个小型多agent系统建立在开放、可互操作的基础设施上，并具有可衡量的基准，”他说。

“继续构建更大的模型，在其之上添加水平轴，并改变你度量的指标。跟踪一个agent的洞察力使另一个agent变得更好的地方——这就是水平轴正在工作的信号。”

通过现在开始试验意图、Context和推理层，组织可以走在前列。“问题是开放的，基础设施仍在编写中，”Pandey说。“现在是构建它的时候了。”有关认知互联网的更多信息，请访问Outshift.com。