Agent-Native Telemetry: Verifiable State-Delta Evidence for Autonomous Operations
Dieses Paper führt Agent-Native Telemetry ein, eine verifizierbare Evidenzarchitektur unter Verwendung des Agent Telemetry Protocol (ATP) und des State-Delta Evidence Ledger, um ausufernde, menschenorientierte Logs durch kompakte, kryptografisch signierte Zustandsänderungen zu ersetzen und dadurch die Kontextkosten sowie den Abfrageaufwand drastisch zu reduzieren, während gleichzeitig Provenienz und Sicherheit für autonome KI-Agenten gewährleistet werden.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
In der riesigen, summenden Infrastruktur des modernen Internets, in der unzählige digitale Dienste auf unsichtbaren Netzwerken aus Code laufen, hat sich eine stille Krise aufgebaut. Über Jahrzehnte hinweg wurde die Art und Weise, wie diese Systeme ihren Gesundheitszustand meldeten, für das menschliche Auge konzipiert. Wenn ein Server auf ein Problem stieß, schrieb er eine Textzeile, wobei oft dieselben Wörter und Bezeichnungen immer und immer wieder wiederholt wurden, was ein massives, scrollendes Tagebuch von Ereignissen erzeugte. Dieser Ansatz funktionierte gut, als Ingenieure diejenigen waren, die die Protokolle lasen und nach Schlüsselwörtern suchten, um einen defekten Link oder ein abgestürztes Programm zu finden. Doch die Landschaft verändert sich. Heute sind die primären Konsumenten dieser Daten nicht mehr nur Menschen; es sind autonome künstliche Intelligenz-Agenten, Softwareprogramme, die in der Lage sind, Probleme ohne menschliche Hilfe zu analysieren, zu diagnostizieren und zu beheben. Diesen intelligenten Maschinen dieselben alten, wortreichen Textprotokolle zu füttern, ist so, als würde man einen Supercomputer bitten, einen Roman zu lesen, um eine einzige Zahl zu finden; es verschwendet die begrenzte Aufmerksamkeitsspanne der Maschine an unnötige Wörter und macht sie anfällig für Verwirrung.
Ein Team von Forschern hat eine grundlegende Änderung der Art und Weise vorgeschlagen, wie Maschinen mit Maschinen kommunizieren, indem es eine neue Methode zur Aufzeichnung von Systemereignissen vorstellt, die die menschliche Prosa abstreift und nur die wesentlichen Fakten hinterlässt. Sie nennen dies „agenten-native Telemetrie“, ein System, das nicht auf Sätzen, sondern auf verifizierten Zustandsänderungen basiert. Anstatt einen Absatz darüber zu schreiben, dass ein Server langsamer wird, zeichnet das System eine präzise, kryptografisch versiegelte Notiz auf, die besagt: „Die Geschwindigkeit änderte sich von X nach Y zu genau diesem Zeitpunkt.“ Diese neue Methode, die an komplexen Softwarenetzwerken getestet wurde, beweist, dass autonome Agenten ihre Umgebung schneller, kostengünstiger und mit weitaus größerer Genauigkeit als je zuvor verstehen können, indem man den Ballast entfernt und eine Ebene mathematischer Beweise hinzufügt.
Das Problem mit dem aktuellen Standard besteht darin, dass er aufgebläht ist. In einer typischen Cloud-Umgebung generieren Systeme täglich Terabytes an Protokolldaten, wovon ein Großteil aus statischen Labels wie „Zeitstempel“ oder „Servicename“ besteht, die sich nie ändern und Millionen Male wiederholt werden. Wenn ein KI-Agent versucht, diese Daten zu analysieren, muss er seine wertvollste Ressource aufwenden – sein Kontextfenster, die Menge an Informationen, die er gleichzeitig in seinem Geist halten kann –, um diese repetitiven Wörter zu parsen. Dies lässt weniger Raum für die eigentliche Argumentation, die zur Lösung eines Problems erforderlich ist. Darüber hinaus gibt es, da diese Protokolle lediglich Text sind, keine Möglichkeit für einen Agenten, mathematisch sicher zu sein, dass ein bestimmter Fehler nicht aufgetreten ist; es könnte lediglich sein, dass das Protokoll verloren ging oder verborgen wurde. Diese Unsicherheit zwingt den Agenten zum Raten, und in der hochriskanten Welt der Cloud-Operationen kann Raten zu katastrophalen Ausfällen führen.
Um dies zu lösen, entwarfen die Forscher ein neues Protokoll namens Agent Telemetry Protocol, oder ATP. Stellen Sie sich ein System vor, in dem eine Maschine, anstatt einen Tagebucheintrag zu schreiben, einfach einen nummerierten, versiegelten Umschlag stempelt, der nur die Fakten enthält, die sich geändert haben. Der Kern dieses Systems ist ein Ledger, ein permanentes Register, das operative Fakten in vier spezifische Arten von Beweisen organisiert: Transitionen (wenn sich etwas im Zustand ändert), Beobachtungen (eine Momentaufnahme einer Messung), Relationen (wie Dinge miteinander verbunden sind) und Checkpoints (eine Zusammenfassung der aktuellen Situation). Entscheidend ist, dass jeglicher unstrukturierter, unordentlicher Text, wie etwa eine lange Fehlermeldung oder eine Webanfrage eines Nutzers, in einem separaten, versiegelten Container weggeschlossen wird. Das Hauptprotokoll enthält nur einen winzigen, verifizierten Verweis auf diesen Container. Dies stellt sicher, dass die Argumentation des Agenten niemals durch versteckte Anweisungen manipuliert wird, die in einem langen Textstring verborgen sind.
Die Forscher bauten einen voll funktionsfähigen Prototypen dieses Systems und testeten ihn gegen zwei reale, komplexe Softwareumgebungen: ein Hotelreservierungssystem und einen Online-Astronomie-Shop. Sie stellten ihr neues System dem aktuellen Branchenstandard gegenüber, der auf ausgiebigen Textprotokollen und strukturierten JSON-Daten basiert. Die Ergebnisse waren beeindruckend. Durch den Wechsel zu diesem neuen, kompakten Format sank die Menge der Daten, die über das Netzwerk gesendet werden mussten, um 96,4 Prozent. Diese Reduktion schlug sich direkt in massiven Kosteneinsparungen nieder; die Forscher berechneten, dass für ein großes Unternehmen die täglichen Kosten für das Scannen dieser Protokolle zu Diagnosezwecken von etwa fünfzig Dollar auf weniger als einen Cent fallen würden.
Jenseits der Einsparungen war die Auswirkung auf die KI-Agenten tiefgreifend. Bei der Verwendung des neuen Systems benötigten die Agenten 88,8 Prozent weniger „Token“ – die Basiseinheiten der Information, die die KI verarbeitet –, um eine Situation zu verstehen und die Ursache eines Problems zu finden. Da die Daten so sauber waren und die Verbindungen zwischen den verschiedenen Teilen des Systems explizit abgebildet wurden, konnten die Agenten Probleme in Sekunden statt in Minuten diagnostizieren. In einem Testlauf sank die Zeit, die zur Identifizierung eines Problems benötigt wurde, von über drei Minuten auf weniger als eine Minute. Die Agenten machten auch weniger Fehler und identifizierten die Ursache von Ausfällen mit einem höheren Grad an Genauigkeit als bei der Verwendung der traditionellen, wortreichen Protokolle.
Die vielleicht bedeutendste Erkenntnis war die Fähigkeit des Systems, zu beweisen, was nicht passiert ist. In der alten Art der Protokollierung konnte ein Agent, wenn er nach einem bestimmten Fehler suchte und nichts fand, nicht sicher sein, ob das System gesund war oder ob das Protokoll einfach fehlte. Das neue System beinhaltet eine mathematische Garantie der Abdeckung. Wenn der Agent fragt: „Trat dieser Fehler zwischen 10:00 und 10:05 auf?“ und das System sagt nein, kann es mit kryptografischer Gewissheit beweisen, dass der Fehler nicht aufgetreten ist, weil das Protokoll vollständig und ununterbrochen ist. In Tests, bei denen die Forscher versuchten, das System durch das Verbergen von Daten oder das Ändern der Protokolle zu täuschen, erkannte das neue Protokoll jeden einzelnen Manipulationsversuch. Es blockierte auch erfolgreich alle Versuche, bösartige Befehle in die Agenten zu injizieren, ein häufiges Sicherheitsrisiko, wenn KI ungefilterten Text liest.
Die Forscher demonstrierten, dass dieser Ansatz nicht nur in der Theorie, sondern auch in der Praxis über eine Vielzahl von KI-Modellen funktioniert. Ob sie nun die fortschrittlichsten kommerziellen Modelle oder kleinere Open-Source-Versionen verwendeten, die Agenten schnitten mit dem neuen Datenformat besser ab. Sie fanden die richtigen Antworten schneller, verbrauchten weniger Rechenressourcen und waren immun gegen die Verwirrung, die normalerweise durch das Lesen von unstrukturiertem Text entsteht. Die Studie kommt zu dem Schluss, dass sich die Art und Weise, wie wir mit Maschinen kommunizieren müssen, ändern muss, während Maschinen die Verwaltung unserer digitalen Infrastruktur übernehmen. Wir können ihnen nicht weiterhin menschliche Stil-Tagebücher füttern; wir müssen ihnen die präzisen, verifizierten und kompakten Beweise geben, die sie benötigen, um mit Zuversicht zu operieren. Diese neue Architektur bietet dieses Fundament, indem sie einen Strom von verrauschtem Text in einen klaren, vertrauenswürdigen Strom von Fakten verwandelt, auf den autonome Systeme sich verlassen können, um die digitale Welt reibungslos am Laufen zu halten.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.