技術要約：AgentBound – 自律型AIエージェントのための検証可能な行動ガバナンス

1. 問題提起

自律型AIエージェントは、継続的な人間の監視なしに、重大な影響を及ぼすアクション（例：金融取引、エンタープライズ・ワークフロー）を委託されることが増えています。現在のインフラストラクチャは、アイデンティティ・フェデレーション（エージェントが何者であるか）や委譲された認可（エージェントがどのリソースにアクセスできるか）を効果的に処理していますが、「行動ガバナンスの欠如」という致命的な問題に直面しています。

既存のシステムは、本質的に**文脈的適合性（contextual suitability）**に対して盲目です。つまり、特定の、かつ変動する実行時の状況下において、認可されたアクションを「実行すべきかどうか」を判断することができません。エージェントは完全に認証されており、OAuthのスコープ内であっても、人間の主体の意図に反する決定を実行してしまう可能性があります（例：ブラックアウト期間中の返金実行、未レビューのコンテンツの公開、あるいは低信頼度の予測に基づく行動）。これらの失敗は、アイデンティティや認可の欠陥によるものではなく、行動ガバナンスの失敗を意味します。既存のソリューションには、ニュアンスのある所有者の意図を表現し、実行時に行動の境界を強制し、ポリシー遵守の非否認可能な証拠を生成するための正式なメカニズムが欠けています。

2. メソドロジー：AgentBound フレームワーク

AgentBoundは、認可と実行の間のギャップを埋めるために設計された、実行時ガバナンス・フレームワークです。これは、モデルのアライメント（調整）メカニズムを置き換えるのではなく、それを補完する決定論的なアカウンタビリティ層として機能します。

2.1 コア・アーキテクチャ

本フレームワークは、提案されたエージェントのアクションをインターセプト（遮断）する、明示的なガバナンス層を導入します。これは、以下の3つの独立した権威による判断を通じてアクションを評価し、それらの判断は**形式的な決定代数（formal decision algebra）**を介して合成されます。

1. 委譲された認可（Delegated Authorization）: 構造的な権利（リソースの境界、支出制限、APIスコープ）を検証します。
2. 所有者署名による行動憲章（Owner-Signed Behavioral Constitutions）: 所有者が作成したルール、信頼度指標、およびエスカレーション基準を、現在の環境条件にマッピングする、主体中心の権威です。
3. サイト・アクション・コントラクト（Site Action Contracts）: リモートのリスク分類、可視性ベクトル、および対象システムの構造的な可逆性を検証する、インターフェース中心の権威です。

2.2 決定の合成

本フレームワークは、これら3つの権威からの判断を合成するために、**保守的な決定代数（conservative decision algebra）**を採用しています。決定空間は、厳格な論理的制限順序によって定義されます：
$$\text{拒否 (Deny)} < \text{レビュー (Review)} < \text{許可 (Permit)}$$

• 単調不変量（Monotonic Invariants）: 最も制限的な判定が優先されます。制約は結合的に集約され、義務は累積的に蓄積されます。
• 実行クリアランス（Execution Clearance）: 最終的に合成された決定が**許可（Permit）**であり、かつすべての蓄積された実行時義務（例：人間の承認）が満たされている場合にのみ、物理的な実行が許可されます。いずれか一つの権威による拒否は、他の権威によって覆されることはありません。

2.3 暗号学的ガバナンス・レシート

厳格なアカウンタビリティを確保するため、AgentBoundは実行されたすべてのアクションに対して**ガバナンス・レシート（governance receipts）**を生成します。これらは、以下の一時点ののスナップショットにアクションを紐付ける、暗号学的に検証可能なアーティファクトです。

• 管理対象のポリシー・アーティファクト（憲章のバージョン、サイト・コントラクト）。
• 構造的な委譲。
• 中間判定および最終的な判定。
• エージェントと執行サービスの両方からの署名。

これらのレシートにより、**独立したアウトオブバンドの再生検証（out-of-band replay verification）**が可能になります。これにより、第三者の監査人は、エージェントの内部状態や実行環境に依存することなく、ポリシー遵守を再構成し、検証することができます。

2.4 持続的エージェントのための常設委譲（Standing Delegation）

セッションベースのトークンの限界に対処するため、AgentBoundは二段階の委譲モデルを導入しています。

1. 常設委譲（Standing Delegation）: 最大のスコープと有効期限を定義する、人間の所有者による長期的な暗号署名付きの認可です。これは直接の実行を許可するものではありません。
2. タスク委譲（Task Delegation）: 各実行サイクルの開始時に生成される、短命なエフェメラル・トークンです。これらは常設委譲から厳密に派生し、最新のアクティブな憲章への参照を含みます。これにより、ポリシーの鮮度が保証され、所有者はエージェントを再認可することなく、ポリシーの取り消しや更新を行うことができます。

3. 主な貢献

本論文は、主に4つの貢献を提示しています。

1. 三権ガバナンスモデル: 文脈的な妥当性を評価するために、委譲された認可、行動憲章、およびサイト・アクション・コントラクトを統合する形式的なモデル。
2. 常設委譲アーキテクチャ: ポリシーの鮮度と粒度の高い取り消し可能性を維持する、周期的なエージェントのための安全なメカニズム。
3. 形式的な実行時強制: 独立した判断が実行前に保守的な決定代数を通じて合成される、決定論的なパイプライン。
4. 暗号学的ガバナンス・レシート: 事後の独立した監査のための、再生検証可能なプロベナンス（来歴）を生成する検証可能なアカウンタビリティ・メカニズム。

4. 評価フレームワーク (AgentBound-Bench)

本論文では、ガバナンスの強制精度、権威の合成挙動、およびポリシーのプロベナンスを定量化するために設計された、標準化された評価フレームワークである AgentBound-Bench を導入しています。

• メソドロジー: ガバナンス・インフラストラクチャの評価を、基礎となる言語モデルの認知能力から分離します。
• 構造: シナリオは、標準的なアクション、委譲コンテキスト、署名された憲章、およびサイト・コントラクトのタプルとして定義されます。
• 指標: 本フレームワークは、ガバナンス精度（正解との判定一致度）、違反逸脱率（強制を回避したポリシー違反の割合）、レシート検証成功率、およびガバナンス・レイテンシを測定します。
• 注記: 本論文は、大規模なデータセットを用いた包括的な実証結果については将来のリリースで報告することを述べており、本研究は形式的な基礎とベンチマーク設計に焦点を当てています。

5. 意義と主張

本論文は、AgentBoundがエージェントのガバナンスを、「信頼を必要とするプロセス」から「独立して検証可能なプロセス」へと変革すると主張しています。その基礎となる不変量は、**「スコープがそれを許可し、憲章がそれを阻止し、そしてレシートがそれを証明する」**ということです。

主な意義は以下の通りです。

• 構造的なギャップへの対処: 行動監視の欠如により、認可されたエージェントが所有者の意図に反して行動するという、特定のエラーモードを解決します。
• 非否認可能なアカウンタビリティ: 暗号学的なレシートを用いることで、信頼（暗黙の信頼）から決定論的な意思決定パイプラインの再構成へと移行させます。
• 補完性: アイデンティティ・システム、認可フレームワーク、およびモデルのアライメント技術と置き換えるのではなく、それらと並行して動作するように設計されています。モデルの認知能力（例：ジェイルブレイク）を修正しようとするのではなく、システムの状態変化（Mutation）の前の出力に対して制約を課します。
• スケーラビリティ: 常設委譲モデルは、エンタープライズ環境における持続的で長期間稼働する自律型エージェントの運用上の実態に特化して対応しています。

著者らは、AgentBoundを、自律型AIが運用上の自律性を獲得するにつれて、それらが構造的に統治可能であり、説明責任を負えるものであることを保証するための、不可欠な基礎的アーキテクチャ要件として位置付けています。