摘要： 基于大型语言模型构建的多智能体系统（MAS）通常围绕角色、流水线和轮次调度来组织，而智能体之间传递的内容往往被保留为无约束的自然语言。然而，这种自由形式的通信会迅速膨胀令牌使用量，消耗共享的上下文窗口，并最终影响系统性能和推理成本。我们分析了两种MAS拓扑结构下的五种常见智能体间通信策略，发现没有一种固定策略是普遍最优的。相反，有效的智能体间消息始终能保留下游智能体所需的以行动为中心的信息。基于此，我们提出了PACT（协议化行动-状态通信与传输），它将智能体间通信视为一个公共状态更新问题，并在每个原始智能体输出进入共享历史之前，将其压缩为紧凑的行动-状态记录。在不同的MAS拓扑结构中，PACT持续改善了性能-成本权衡，以显著更少的令牌实现了相当或更强的任务性能。这些优势延伸到了生产级编码工具：PACT使OpenHands的解决率提升，同时每个已解决问题的令牌数减少10%；在SWE-agent上，PACT在保持解决率不变的同时将输入令牌减半。我们的代码在此 https URL 公开提供。