Google DeepMind 揭曉「代理網路」（Agentic Web）協定

在自主系統演進的關鍵時刻，Google DeepMind 的研究人員發布了一套完整的**智慧 AI 委派（Intelligent AI Delegation）**框架，這是一項旨在改變人工智慧代理分配、執行與驗證任務方式的協定。該研究於 2026 年 2 月 12 日發布，解決了新興「代理網路」（Agentic Web）中的一個關鍵瓶頸：目前的多代理系統無法在不陷入脆弱且硬編碼啟發式演算法的情況下，處理複雜且開放式的協作。

這份由 Nenad Tomašev、Matija Franklin 與 Simon Osindero 撰寫的提議認為，若要讓 AI 從簡單的聊天機器人擴展到一個運作中的經濟層，代理必須採納反映人類階層制度的組織原則——特別是權限、責任與問責制的轉移。

超越簡單的任務拆分

DeepMind 研究的核心論點是，目前的委派方法已不足以應對需求。在傳統的軟體架構中，委派通常等同於「外包」一個子程式——這是一個僵化且可預測的過程。然而，在一個由自主代理組成的開放網路（即 代理網路）中，當環境條件改變或子代理遇到意外變數時，這種方法就會失效。

DeepMind 的框架將委派重新定義為不僅僅是分配工作，而是「一系列涉及任務分配並包含權限轉移的決策」。這一區別至關重要。它意味著委派代理必須動態評估任務風險、受託代理的能力，以及建立信任的機制。

研究人員強調，現有系統缺乏傳遞性問責（Transitive Accountability）。在代理 A 委派給代理 B，而代理 B 隨後委派給代理 C 的情境中，目前的框架往往會丟失關於誰該為錯誤負責的「保管鏈」。新框架強制執行一種協定，即代理 B 必須就代理 C 的工作對代理 A 負全責，這需要加密證明與嚴格的驗證鏈。

智慧委派的五大支柱

為了將這些概念付諸實踐，DeepMind 團隊圍繞五個核心需求構建了其框架。這些支柱將高層級的組織目標映射到具體的技術實現，確保代理即使在對抗性或資源受限的環境中也能穩健運行。

下表概述了框架需求與其技術執行之間的架構對應關係：

表 1：智慧委派框架架構

工程信任：「合約優先」分解

該論文在技術上最重要的貢獻，或許是引入了**合約優先分解（Contract-First Decomposition）**。這種工程策略徹底翻轉了傳統的委派模型。

在許多目前的多代理工作流中（例如在 AutoGen 或 CrewAI 等早期框架中），主代理會分配一個寬泛的任務——例如「撰寫一份研究報告」——並希望子代理能正確理解。DeepMind 的提議拒絕了這種模糊性。在「合約優先」原則下，除非結果可以被精確驗證，否則禁止委派代理分配任務。

如果一項任務過於主觀或複雜而無法立即驗證，系統必須遞歸地對其進行分解。這個「分解循環」會持續進行，直到子任務與特定的自動化驗證能力相匹配，例如通過單元測試、滿足正式的數學證明，或符合嚴格的數據架構。這確保了「代理網路」不會變成充斥著未經檢查之幻覺的混亂噪音，而是一個由可驗證工作單元組成的結構化網路。

自適應重新分配與自我修正

2024 年代代理框架的一個主要失效模式是「停滯狀態」，即一個代理任務失敗會導致整個工作流掛起。智慧 AI 委派框架引入了自適應任務重新分配（Adaptive Task Reassignment）。

由於委派代理會持續監控受託代理的「狀態與容量」（如動態評估支柱所述），它可以即時偵測性能下降。如果子代理運作過慢或開始產生不符合規範的幻覺輸出，父代理可以在執行過程中撤銷權限，並將任務重新分配給網路中的另一個節點。這種能力對於「系統韌性」至關重要，可防止單個故障代理拖垮整個企業工作流。

對未來經濟的影響

該框架的發布恰逢實踐這些理論的工具推出，例如 DelegateOS，這是一個使用加密令牌強制執行這些委派限制的 TypeScript 函式庫。這表明該研究不僅僅是理論性的，而且已經在影響網路的「基礎設施」。

透過解決信任與問責層，Google DeepMind 實際上正在為機器對機器（M2M）經濟制定基本規則。當代理可以無須信任地委派工作、透過智慧合約驗證完成情況，並透過加密鏈相互問責時，AI 所能自主實現的範疇將從簡單的輔助擴展到複雜的多方專案管理。

隨著生態系統採用這些標準，開發者可以預見，開發重點將從「提示工程」（Prompt Engineering）編排器轉向「合約工程」（Contract Engineering）系統，在這些系統中，對成功的定義將比任務本身的指令編寫得更加嚴謹。