技術概要：DART – 構造化ツールエージェントのための意味的復元性

1. 問題定義

本論文は、本番環境で稼働する構造化ツールエージェント（例：LLM 駆動のワークフローアシスタント、スケジューリングシステム）の復元メカニズムにおける重大な欠陥を扱っている。そのようなエージェントが実行中に失敗した場合、ランタイムは根本的なジレンマに直面する：

• タスク全体の再実行： 安全だが、以前に完了したすべての作業を再生するため、運用上無駄である。
• ローカル復元（チェックポイント）： 効率的だが、意味的に無効になる可能性がある。

既存の復元アプローチ（例：LangGraph、分散スナップショット、トランザクションプロトコル）は、コントローラの合法性（以前の状態を機械的に復元する能力）を保証するが、意味的復元性を検証することはできない。具体的には、ローカルロールバックがコミットされたダウンストリームの作業を無効化しないかを確認していない。

核心的な対立： コミットに敏感な設定において、ダウンストリームの消費者が失敗したアップストリームインスタンスの出力に基づいて既に行動している場合がある。アップストリームインスタンスを再試行するためにロールバックする際（ダウンストリームの消費者をコミットされたままにする）、ダウンストリームのアクションが存在しなくなった履歴に基づいた状態が生まれる。本論文は、コントローラの合法性は意味的妥当性を意味しないと主張する。

2. 手法：DART

著者は、実行前にローカルロールバックが意味的に有効であることを認証するために設計されたモジュール型復元ランタイムDART（Deterministic Agent Runtime with Transition Guards）を提案する。DART は、4 つの逐次決定ステップを通じて動作する：

2.1 失敗インスタンスの特定

ランタイムは、単に失敗イベントを特定するのではなく、失敗した特定のサブタスクインスタンスを特定しなければならない。

• メカニズム： FSM 状態とツール引数から、アクティブなスケルトン、バインドされたエンティティ、および発生順序番号を解決する。
• 制約： 失敗したインスタンスを一意に特定できない場合（例：再エントリパターンの曖昧さによる）、システムはローカルロールバックを控え、タスク全体の再実行をトリガーする。

2.2 復元可能境界の認証

すべての合法的な状態遷移が有効な復元ポイントであるわけではない。DART は、4 つの条件（定義 5）に基づいて境界を認証する：

1. 決定性： 候補ポイントは、一意のライブインスタンス識別子にマッピングされなければならない。
2. 閉包性： ポイントは、意味的に完全なハンドオフ（例：コミットまたは終了述語が成立すること）を表さなければならない。
3. 分離性： このポイントからの復元は、失敗したインスタンスに再生を限定し、無関係なタスク接頭辞を再開してはならない。
4. 制御性： 効果ポリシーは、この境界を越えたロールバックを明示的に許可しなければならない（例：不可逆的な副作用がないこと）。

2.3 インスタンス整合チェックポイント

境界が認証されると、ランタイムは、その失敗したインスタンスに特化してインデックス付けされた時系列順のチェックポイントセットを構築する。

• 種類： エントリチェックポイント（保守的な再起動）、コミットチェックポイント（安定化した部分的な進捗）、およびエントリチェックポイント（ポリシー制御された完了）。
• 目的： 後続の復元検索を失敗したインスタンス自身の履歴に限定し、無関係なタスク接頭辞への崩壊を防ぐこと。

2.4 許容ロールバックの選択

最終ステップでは、依存関係と効果の制約に従って、インスタンスのセットから最新の安全なチェックポイントを選択する。

• NoCommittedConflict： システムは、コミットされたダウンストリームの消費者が失敗したインスタンスの出力を消費したかどうかを確認する。もしそうであれば、意味的不整合を防ぐためにロールバックはブロックされる。
• EffectAllowed： システムは、ロールバックが効果ポリシーで定義された不可逆的な効果境界を越えないことを検証する。
• 選択： 許容されるチェックポイントが存在する場合、システムは最新のもの（$c^\star$）を復元する。セットが空の場合、ローカルロールバックは拒否され、システムはタスク全体の再実行にフォールバックする。

3. 主要な貢献

1. 意味的復元性の形式化： 本論文は、コントローラの合法性（機械的復元）と意味的復元性（ダウンストリームコミットの存在下での復元状態の有効性）を形式的に区別する。コミットに敏感な設定において、この 2 つの概念が分岐することを証明する。
2. 4 段階の復元手順： 決定性、閉包性、分離性、制御性による復元可能境界の定義を、ランタイム手順（DART）として整理する。
3. 必要性の証明： 著者は、明示的な許容性チェックなしにすべてのコントローラ合法的なローカルロールバックを許容する任意のランタイムは、コミットに敏感な設定で必然的に意味的に無効な実行を生み出すことを証明する。
4. 実証的検証： 3 つの LLM 駆動ドメイン（ナビゲーション、スケジュールフォーム、診断）および LangGraph ベースの基盤上での外部検証による広範な評価。

4. 実験結果

評価は、DART（特に COMP-FROZEN 戦略）を、タスク全体の再実行（RETRY-ONLY）、粗状態再試行、およびエントリのみ復元（Comp-EntryOnly）というベースラインと比較する。

• コミットに敏感なケース：
  • ベースラインの失敗： エントリのみ復元は、すべてのドメインにわたる評価されたコミットに敏感なケースの**100%**で失敗した。エンドツーエンドのタスク契約に違反するか、ローカル復元経路を認識できなかった。
  • DART の成功： DART は、コミットされたダウンストリームの作業を保持する許容チェックポイントを選択することで、これらのケースの**100%**を正しく復元した。
  • 効率性： DART は、正しさを維持しながら再生アクションを大幅に削減した（例：タスク全体の再実行では約 25.5 ステップから、DART では約 1 ステップへ）。
• コミットに敏感でないケース：
  • DART は、より強力なローカルベースラインと競争力があり、支配的な優位性は示さなかったが、成功率では同等であり、タスク全体の再実行よりも大幅に低いレイテンシを維持した。
• 外部検証（LangGraph）：
  • LangGraph ベースのランタイムにおいて、組み込みのチェックポイント整合復元は、決定的なコミットに敏感なケースで失敗（成功率 0%）したが、DART は 1 ステップ再生フロンティアで成功した。これは、意味的許容性チェックなしのチェックポイント整合が一般的な限界であることを確認する。
• 安全性監査：
  • 54 の比較可能な行と 47 の復元イベントを対象とした 5 ドメインの安全性監査において、0 の unsafe な許容ロールバックと0 の誤ブロックが見つかった。許容されたすべての復元は、グラウンドトゥルースと意味的に同等であった。

5. 意義と主張

本論文は、構造化ツールエージェントにおける健全なローカル復元のためには、永続性プリミティブだけでは不十分であると主張する。DART の意義は、機械的ロールバックと意味的妥当性の間のギャップを埋める明示的な許容性基準を導入した点にある。

• 効率性より正しさ： 本論文は、コミットに敏感な設定では、意味的妥当性が優先されなければならないと主張する。ダウンストリームコミットを無効化する「高速な」ローカルロールバックは、機能ではなく失敗である。
• モジュール性： DART は、エージェントアーキテクチャやモデルの根本的な変更を必要とせず、既存の明示的制御ランタイム（FSM ベースのエージェントなど）に追加可能なレイヤーとして設計されている。
• 保守的な安全性： システムは保守的に設計されている。意味的許容性が正当化できない場合（例：曖昧さやコミットされた依存関係による）、ロールバックをブロックし、タスク全体の再実行を強制することで、unsafe な状態が許容されないことを保証する。

著者は、コントローラの合法性と意味的復元性を分離することが、展開されたエージェントランタイムにとっての正しさの要件であり、DART がこの分離を強制する実用的なメカニズムを提供すると結論づけている。