Agent-Native Telemetry: Verifiable State-Delta Evidence for Autonomous Operations
Dit artikel introduceert Agent-Native Telemetry, een verifieerbare bewijsarchitectuur die gebruikmaakt van het Agent Telemetry Protocol (ATP) en de State-Delta Evidence Ledger om uitgebreide mensgerichte logs te vervangen door compacte, cryptografisch ondertekende statuswijzigingen, waardoor de contextkosten en query-overhead drastisch worden verminderd terwijl de herkomst en beveiliging voor autonome AI-agenten worden gewaarborgd.
Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer
In de uitgestrekte, zoemende infrastructuur van het moderne internet, waar talloze digitale diensten draaien op onzichtbare netwerken van code, is er een stille crisis aan de hand. Decennialang was de manier waarop deze systemen hun gezondheid rapporteerden ontworpen voor menselijke ogen. Wanneer een server een probleem ondervond, schreef hij een regel tekst, waarbij vaak steeds dezelfde woorden en labels werden herhaald, wat een enorme, scrollende dagboekregistratie van gebeurtenissen creëerde. Deze aanpak werkte goed toen ingenieurs degene waren die de logs lazen en scanden op trefwoorden om een gebroken link of een gecrasht programma te vinden. Maar het landschap verandert. Tegenwoordig zijn de primaire consumenten van deze gegevens niet langer alleen mensen; het zijn autonome kunstmatige intelligentie-agenten, softwareprogramma's die in staat zijn tot redeneren, diagnosticeren en problemen oplossen zonder menselijke hulp. Het voeden van deze intelligente machines met dezelfde oude, woordenrijke tekstlogs is also$ een supercomputer vragen om een roman te lezen om één enkel getal te vinden; het verspilt de beperkte aandachtspanne van de machine aan onnodige woorden en laat haar kwetsbaar voor verwarring.
Een team onderzoekers heeft een fundamentele verandering voorgesteld in de manier waarop machines met machines communiceren, door een nieuwe manier te introduceren om systeemgebeurtenissen vast te leggen die de menselijke proza wegstript en alleen de essentiële feiten overlaat. Ze noemen dit "agent-native telemetrie", een systeem dat niet gebouwd is op zinnen, maar op geverifieerde veranderingen in staat. In plaats van een paragraaf te schrijven over een server die vertraagt, legt het systeem een nauwkeurige, cryptografisch verzegelde notitie vast die zegt: "De snelheid veranderde van X naar Y op dit exacte moment." Deze nieuwe methode, getest op complexe netwerken van software, bewijst dat door de franje te verwijderen en een laag van wiskundig bewijs toe te voegen, autonome agenten hun omgeving sneller, goedkoper en met veel grotere nauwkeurigheid kunnen begrijpen dan ooit tevoren.
Het probleem met de huidige standaard is dat deze opgeblazen is. In een typische cloudomgeving genereren systemen dagelijks terabytes aan loggegevens, waarvan een groot deel bestaat uit statische labels zoals "timestamp" of "servicenaam" die nooit veranderen en miljoenen keren worden herhaald. Wanneer een kunstmatige intelligentie-agent probeert deze gegevens te analyseren, moet zij haar meest waardevolle hulpbron verbruiken — haar contextvenster, de hoeveelheid informatie die zij tegelijkert in haar geest kan vasthouden — om deze repetitieve woorden te parsen. Dit laat minder ruimte over voor de eigenlijke redenering die nodig is om een probleem op te lossen. Bovendien, omdat deze logs slechts tekst zijn, is er geen manier voor een agent om wiskundig zeker te zijn dat een specifieke fout niet is opgetreden; het kan simpelweg zijn dat het logbestand verloren is gegaan of verborgen is. Deze onzekerheid dwingt de agent tot gokken, en in de hoogwaardige wereld van cloudoperaties kan gokken leiden tot catastrofale uitvallen.
Om dit op te lossen, ontwierpen de onderzoekers een nieuw protocol genaamd het Agent Telemetry Protocol, of ATP. Stel je een systeem voor waar een machine, in plaats van een dagboekvermelding te schrijven, simpelweg een genummerde, verzegelde envelop stempelt die alleen de feiten bevat die veranderd zijn. De kern van dit systeem is een grootboek, een permanente registratie die operationele feiten organiseert in vier specifieke soorten bewijs: transities (wanneer iets van staat verandert), observaties (een snapshot van een meting), relaties (hoe dingen met elkaar verbonden zijn) en checkpoints (een samenvatting van de huidige situatie). Cruciaal is dat elke rommelige, ongestructureerde tekst, zoals een lange foutmelding of een webverzoek van een gebruiker, wordt opgeborgen in een aparte, verzegelde container. De hoofdregistratie bevat alleen een kleine, geverifieerde referentie naar die container. Dit zorgt ervoor dat de redenering van de agent nooit wordt gekaapt door verborgen instructies die begraven liggen in een lange reeks tekst.
De onderzoekers bouwden een volledig werkend prototype van dit systeem en testten het tegen twee echte, complexe softwareomgevingen: een hotelsysteem voor reserveringen en een online astronomiewinkel. Ze zetten hun nieuwe systeem af tegen de huidige industriestandaard, die steunt op verbloemde tekstlogs en gestructureerde JSON-data. De resultaten waren opmerkelijk. Door over te schakelen naar dit compacte formaat, daalde de hoeveelheid gegevens die over het netwerk moest worden verzonden met 96,4 procent. Deze reductie vertaalde zich direct in enorme kostenbesparingen; de onderzoekers berekenden dat voor een groot bedrijf de dagelijkse kosten voor het scannen van deze logs voor diagnostische doeleinden zouden dalen van ongeveer vijftig dollar naar minder dan één cent.
Naast de besparingen was de impact op de kunstmatige intelligentie-agenten diepgaand. Bij het gebruik van het nieuwe systeem hadden de agenten 88,8 procent minder "tokens" nodig — de basiseenheden van informatie die de AI verwerkt — om een situatie te begrijpen en de bron van een probleem te vinden. Omdat de gegevens zo schoon waren en de verbindingen tussen verschillende onderdelen van het systeem expliciet in kaart waren gebracht, konden de agenten problemen diagnosticeren in seconden in plaats van minuten. In één reeks tests daalde de tijd die nodig was om een probleem te identificeren van meer dan drie minuten naar minder dan een minuut. De agenten maakten ook minder fouten en identificeerden de oorzaak van defecten met een hogere graad van nauwkeurigheid dan wanneer ze de traditionele, woordenrijke logs kregen gevoerd.
Misschien wel de meest significante bevinding was het vermogen van het systeem om te bewijzen wat niet is gebeurd. Op de oude manier van loggen, als een agent op zoek ging naar een specifieke fout en niets vond, kon zij niet zeker weten of het systeem gezond was of dat het logbestand simpelweg ontbrak. Het nieuwe systeem bevat een wiskundige garantie van dekking. Als de agent vraagt: "Is deze fout opgetreden tussen 10:00 en 10:05?" en het systeem zegt nee, dan kan het met cryptografische zekerheid bewijzen dat de fout niet is opgetreden, omdat de registratie compleet en ononderbroken is. In tests waarbij de onderzoekers probeerden het systeem te misleiden door gegevens te verbergen of de logs aan te passen, detecteerde het nieuwe protocol elke enkele poging tot manipulatie. Het blokkeerde ook alle pogingen om kwaadaardige commando's in de agenten te injecteren, een veelvoorkomend beveiligingsrisico wanneer AI ongefilterde tekst leest.
De onderzoekers hebben aangetoond dat deze aanpak niet alleen in theorie werkt, maar ook in de praktijk, over een breed scala aan kunstmatige intelligentie-modellen. Of het nu gaat om de meest geavanceerde commerciële modellen of kleinere, open-source versies, de agenten presteerden beter met het nieuwe dataformaat. Ze vonden de juiste antwoorden sneller, verbruikten minder rekenkracht en waren immuun voor de verwarring die meestal voortkomt uit het lezen van ongestructureerde tekst. De studie concludeert dat naarmate machines het beheer van onze digitale infrastructuur overnemen, de manier waarop wij met hen communiceren moet veranderen. We kunnen hen niet langer blijven voeden met menselijke stijl dagboeken; we moeten hen de precieze, geverifieerde en compacte bewijzen geven die zij nodig hebben om met vertrouwen te opereren. Deze nieuwe architectuur biedt dat fundament, door een vloedgolf van luidruchtige tekst te veranderen in een heldere, betrouwbare stroom van feiten waar autonome systemen op kunnen vertrouwen om de digitale wereld soepel te laten draaien.
Verdrinkt u in papers in uw vakgebied?
Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.