تُظهر الأنظمة المُتَعَمَّدة التعاونية، التي تتعاون فيها عدة وكالات من خلال إدراك مُدمَج، وبرمجة مُتَوَازِنة، وتنفيذ إجرائي، وتفكير متقدِّم مُدعَّم بنماذج لغة كبيرة (LLMs)، إمكانات كبيرة في مواجهة المهام المعقدة ذات المدى الطويل والمتعددة الأهداف في البيئات الواقعية. وعلى الرغم من التقدُّم الخوارزمي المُحرَز، تظل عملية نشر الوكالات المُتَعَمَّدة على الأنظمة الحالية مُتَعَسِّرة بسبب تأخُّر التخطيط والاتصال الطويل، وقيود التوسع، وزيادة الحساسية في التنفيذ على المستوى المنخفض، ما يؤدي إلى كفاءة منخفضة جدًا في الأنظمة. ويُقدِّم هذا العمل إطارًا مُسمَّى ReCA، وهو إطار لتمييز وتصميم مُتَزامِن مُخصَّص لتسريع أنظمة الوكالات المُتَعَمَّدة التعاونية، بهدف تحسين كفاءة المهام وقابلية التوسع في النظام. على المستوى الخوارزمي، يمكِّن ReCA من معالجة نماذج محلية بكفاءة، مما يخفف من التكاليف الكبيرة المرتبطة بالنموذج. وعلى المستوى النظامي، يقدِّم ReCA هيكل ذا ذاكرة مزدوجة مدمجة (ذاكرة طويلة الأجل وذاكرة قصيرة الأجل)، ونظامًا هرميًا للتخطيط التعاوني يدمج بين التعاون المركزي واللامركزي، وتنفيذ متعدد الخطوات مُوجَّه بالتخطيط، مما يُتيح حسابات تعاونية فعالة وقابلة للتوسع للوكالات المُتَعَمَّدة. وعلى المستوى المادي، يستخدم ReCA نظامًا مُتَشَوِّشًا من الأجهزة، يتضمَّن وحدة معالجة رسومات (GPU) للخطَّة عالية المستوى، ووحدة مُسرِّع للخطَّة منخفضة المستوى، لضمان تنفيذ مهام فعّال وموثوق. وقد أُختِرِب ReCA في مهام متعددة الأهداف ذات مدى طويل، وبيَّنَ التعميم عبر سيناريوهات تطبيقية ومجالات مختلفة من حيث الحجم النظامي، حيث حقق زيادة بنسبة 4.3% في نسبة المهام الناجحة، مع تسريع بنسبة 10.2 مرة مقارنة بأفضل الأنظمة الحالية للوكالات الذاتية المُتَعَمَّدة التعاونية.