技術的サマリー：LLM ツールレジストリにおけるエージェント向け情報設計

1. 問題定義

本論文は、大規模言語モデル（LLM）のツールレジストリ（例：PulseMCP、Composio）という新興エコシステムにおける重大なギャップを特定している。これらのレジストリは、事実上の広告プラットフォームとして機能し、ツール提供者は自由テキストの説明を通じてエージェントの可視性をめぐって競合している。20 年をかけて測定インフラ（表示基準、品質スコア）を構築してきたデジタル広告業界とは異なり、エージェントツールエコシステムには責任追及メカニズムが欠如している。

核心的な問題は情報非対称性である。検証済みの品質シグナルが存在しない状況下で、エージェントは能力の代理指標として説明の豊かさに依存する。これにより、提供者がエージェントの選択を操作するために説明を戦略的に構成する「生成エンジン最適化（GEO）」という市場が生まれる。本論文は、人間向け広告において有効な標準的な規制メカニズム（開示ラベル、警告など）がエージェント向け環境に移行可能か調査し、市場効率を回復させるためのレジストリの構造的再設計を提案する。

2. 手法

本研究は、5 つの LLM（DeepSeek-V3、o4-mini、GPT-5.4-mini、GPT-5.4-nano、Claude Sonnet 4.6、および GPT-4o）と 10 の合成タスクドメイン（例：ウェブ検索、e コマース、コード実行）にわたる 17,700 回以上の試行を組み合わせた体系的な実験フレームワークを採用している。

実験設計

• タスク: 2 択強制選択タスク。エージェントは、説明の枠組みのみが異なり機能的には同一の 2 つのツールのうち、正確に 1 つを呼び出さなければならない。
• 指標: 選択バイアス係数（SBC）。$P(\text{最適化されたものの選択}) - 0.5$ と定義される。SBC が 0 の場合は確率的な選択を、+0.5 の場合は最適化されたツールの完全な選択を示す。
• 枠組みレベル（L0–L4）: 説明は、中立的な機能仕様（L0）から、社会的証明、最上級、権威枠組み、結果枠組みを組み合わせた商業的に最適化されたバージョン（L4）まで多岐にわたる。
• 開示介入: バイアスを軽減するために 4 つの条件をテストした。
  1. ベースライン（介入なし）。
  2. 説明に [SPONSORED] ラベルを付加。
  3. 星評価（例：「3/5 星 - 商業パートナー」）。
  4. システムプロンプトによる警告（一般的な透明性義務）。
• 生態学的妥当性: 実験 C では、合成データの知見を検証するために、ライブ MCP レジストリからの逐語的な説明（例：Brave Search vs. DuckDuckGo）を使用した。
• 法的境界分析: 実験 E4 では、選択バイアスの源泉を特定するために、「法的な誇大広告（FTC が許可する最上級）」と「虚偽の主張」を分離した。

3. 主要な貢献

A. レジストリ設計処方箋（主要な貢献）

本論文は、説明を 2 つの明確な層に構造的に分離することを提案している。

1. 選択向け説明: 構造化され、レジストリによって管理され、すべての評価的な言語が剥奪されたもの。この層はエージェントの選択にのみ使用される。
2. マーケティング向け説明: 提供者が作成し、すべての説得的なコピーを含み、選択の直後にのみ人間ユーザーに対して表示されるもの。
   このアーキテクチャは命題 3に基づき、特定の LLM モデルに依存することなく、「第一義的な厚生（機能に基づいてツールを選択し、コピーに基づいて選択しない）」を達成する。

B. エージェント注意品質スコア（AAQS）

著者は、真の能力と説明駆動型の選択を区別するために AAQS を導入する。
$$AAQS_i(q) = P(\text{select}_i | q) \times C_i(q)$$
ここで、$C_i(q)$ は能力一致スコアである。選択確率に対して AAQS が低い場合、そのツールは「説明最適化に頼っている」（クリックベイトに相当するエージェント版）ことを示唆する。

C. 戦略的均衡分析

ゲーム理論モデル（命題 1–3）を用いて、インセンティブ構造を囚人のジレンマとして定式化している。介入がない場合、ナッシュ均衡はすべての提供者が説明を最適化することであり、それらを無意味なものとし、「説明の軍拡競争」にリソースを浪費させる。このモデルは、開示メカニズムがこの均衡を打破できないため、正規化が必要不可欠（単に十分条件ではない）であることを証明している。

4. 実証結果

4.1. 最適化の有効性

• 総トラフィック獲得: 消費者ドメイン（ウェブ検索、e コマース）において、開示がない場合、5 つのモデルのうち 4 つが最適化されたツールを $P=1.0$ で選択した（SBC = +0.456）。
• 支配的な特徴: 最上級（例：「最速」、「最も正確」）は単一の最も強力な特徴であり（SBC = +0.35）、社会的証明（+0.12）や権威枠組み（+0.21）を上回った。
• 用量反応関係: 選択上の優位性は初期に集中している。中立的（L0）から単一の信頼シグナル（L1）への移行で、達成可能な上昇の大部分（+0.33）を捉える。追加の修辞的層は、逓減する、あるいは負の収益をもたらす。

4.2. 開示メカニズムの失敗

開示介入は、明確な理由により構造的に失敗した。

• 天井慣性: $P \approx 1.0$ に既に達しているモデルにとって、[SPONSORED] のようなラベルはほとんど効果を持たなかった（例：DeepSeek はわずか 3 パーセントポイントの低下のみを示した）。
• 構造的盲目性: システムプロンプトによる警告は、5 つのモデルのうち 4 つで測定可能な効果ゼロを生み出した。警告は関数呼び出しの選択ロジックに伝播しなかった。
• 過剰修正: Claude Sonnet は [SPONSORED] ラベルを失格条件として扱い、ラベル付きツールを確率レベル以下に罰した（SBC $\to$ -0.155）。

4.3. 法的誇大広告 vs. 虚偽

• 法的誇大広告が効果の 100% を占める: FTC が許可する誇大広告（主観的な最上級、利益枠組み）のみが、完全な最適化効果を生み出した（SBC = +0.33）。
• 虚偽の主張はゼロを追加する: 虚偽の統計や推薦を追加しても、追加的なバイアスはゼロであった。したがって、虚偽の主張に対する誤った広告規制の FTC 執行は、能動的なメカニズムが憲法上保護された誇大広告であるため、エージェントの選択にほぼゼロの影響しか与えない。

4.4. 生態学的証拠

ライブレジストリ説明（例：Brave Search vs. DuckDuckGo）を用いた予備的テストは、合成データのパターンを確認し、SBC 値は +0.30 から +0.46 の範囲であった。これは、この現象が合成データの人工物ではないことを示唆している。

5. 意義と主張

本論文は、問題はエージェントの「不合理性」ではなく、欠陥のある情報環境であると論じている。検証済みの品質シグナルがないレジストリでは、説明の豊かさが利用可能な唯一の能力の代理指標であり、エージェントが商業的な枠組みに合理的に反応するようになる。

• 規制上の含意: 現在の規制アプローチ（開示）は、エージェントによる選択に対して構造的に無効である。解決策には、より良いエージェントの整合性ではなく、メカニズム設計（レジストリの正規化）が必要である。
• 経済的インパクト: 最適化された提供者はトラフィックの約 83% を獲得し（公平なシェアの 50% に対して）、提供者にとって巨大で未収益化された裁定機会を生み出し、ユーザーにとって厚生を失わせている。
• 設計の転換: 本論文は、レジストリが選択のための「広告プラットフォーム」から「構造化データリポジトリ」へと進化し、マーケティングコピーを選択後の人間による消費用に留保する必要があると結論づけている。この転換はバイアスを排除し、社会的浪費（軍拡競争）を削減し、エージェントの構造化データへの好意（ Sanity チェックにおいてエージェントは中立的な散文よりも構造化フォーマットを好んだ）と整合する。

著者は、エージェント向け情報設計における将来の作業を支援するために、ベンチマークと分析コードを公開している。構造的な介入がなければ、ツール選択市場は非責任的で非効率的なまま残ると強調している。