論文の概要: AgentFlow: Building Agent Dependency Graphs for Static Analysis of Agent Programs
- arxiv url: http://arxiv.org/abs/2607.01640v1
- Date: Thu, 02 Jul 2026 03:11:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-03 19:45:08.646611
- Title: AgentFlow: Building Agent Dependency Graphs for Static Analysis of Agent Programs
- Title（参考訳）: AgentFlow:エージェントプログラムの静的解析のためのエージェント依存グラフの構築
- Authors: Shenao Wang, Xinyi Hou, Yanjie Zhao, Xiao Cheng, Haoyu Wang,
- Abstract要約: 我々はエージェントプログラムからエージェント依存関係を復元および解析するための最初の静的解析フレームワークであるAgentFlowを提案する。
AgentFlowはエージェントのガバナンスとセキュリティに関するさまざまな分析をサポートし、即時リスク検出もサポートしている。
我々は,5つの代表的なエージェントフレームワークに対してAgentFlowを実装し,実世界のエージェントプログラム5,399のコーパスであるAgentZoo上で評価する。
- 参考スコア（独自算出の注目度）: 7.897669686886619
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: LLM agents are increasingly developed as source-code applications built on agent frameworks. These agent programs combine conventional host-language code with framework-defined semantics for models, prompts, tools, memory, and multi-agent orchestration logic. As a result, their behavior depends not only on traditional control and data flows, but also on a new class of agent dependencies. Such dependencies are often expressed as framework-induced semantics, such as agent constructors, tool decorators, and agent handoff declarations, making them difficult to recover with existing static analysis or dependency tracking tools. In this paper, we present AgentFlow, the first static analysis framework for recovering and analyzing agent dependencies from agent programs. AgentFlow constructs an Agent Dependency Graph (ADG), a framework-agnostic graph representation that represents agents, prompts, models, capabilities, memory states, and control policies as typed nodes, and captures their component-dependency, control-flow, and data-flow dependencies as typed edges. Built on ADGs, AgentFlow supports a range of analyses for agent governance and security, including Agent Bill of Materials (BOM) generation and prompt-to-tool risk detection. We implement AgentFlow for five representative agent frameworks and evaluate it on AgentZoo, a corpus of 5,399 real-world agent programs. Our evaluation shows that AgentFlow recovers richer agent entities and dependencies than existing AST-based agent static analysis tools, generates more dependency-aware Agent BOMs, and uncovers 238 taint-style prompt-to-tool risks in real-world agent programs. These results show that ADG provides a practical foundation for understanding, governing, and securing emerging agent software.
- Abstract（参考訳）: LLMエージェントは、エージェントフレームワーク上に構築されたソースコードアプリケーションとして、ますます発展している。
これらのエージェントプログラムは、従来のホスト言語コードとモデル、プロンプト、ツール、メモリ、マルチエージェントオーケストレーションロジックのフレームワーク定義セマンティクスを組み合わせる。
結果として、それらの振る舞いは、従来のコントロールやデータフローだけでなく、新しいエージェント依存のクラスにも依存します。
このような依存関係は,エージェントコンストラクタやツールデコレータ,エージェントハンドオフ宣言など,フレームワークによるセマンティクスとして表現されることが多いため,既存の静的解析や依存性トラッキングツールでは回復が困難になる。
本稿ではエージェントプログラムからのエージェント依存の回復と解析を行うための,最初の静的解析フレームワークであるAgentFlowを提案する。
AgentFlowは、エージェント、プロンプト、モデル、機能、メモリ状態、コントロールポリシをタイプされたノードとして表現するフレームワークに依存しないグラフ表現であるAgent Dependency Graph(ADG)を構築し、タイプされたエッジとしてコンポーネント依存性、コントロールフロー、データフロー依存関係をキャプチャする。
ADGをベースとして構築されたAgentFlowは、Agent Bill of Materials(BOM)生成やアクシデント・ツー・ツールのリスク検出など、エージェントのガバナンスとセキュリティに関するさまざまな分析をサポートする。
我々は,5つの代表的なエージェントフレームワークに対してAgentFlowを実装し,実世界のエージェントプログラム5,399のコーパスであるAgentZoo上で評価する。
評価の結果、AgentFlowは既存のASTベースのエージェント静的解析ツールよりもリッチなエージェントエンティティと依存関係を回復し、より依存性を意識したAgent BOMを生成し、現実世界のエージェントプログラムにおいて238のtaintスタイルのプロンプト・ツー・ツールリスクを明らかにする。
これらの結果は、ADGが新興エージェントソフトウェアを理解し、管理し、確保するための実践的な基盤を提供することを示している。
関連論文リスト
- Towards Security-Auditable LLM Agents: A Unified Graph Representation [22.355591892994642]
本稿ではエージェントセキュリティ監査のための統合構造表現であるエージェントBOMを提案する。
エージェントBOMは、クロスセッションメモリ中毒やツール誤用など、ステルス攻撃チェーンを再構築できることを示す。
Agent-BOMは複雑なエージェントエコシステムにおける根本原因分析とセキュリティ適応のための統一的で監査可能な基盤を提供する。
論文 参考訳（メタデータ） (2026-05-07T18:14:29Z) - Toward Trustworthy Agentic AI: A Multimodal Framework for Preventing Prompt Injection Attacks [0.0]
本稿ではエージェントAIシステムのためのクロスエージェントマルチモーダル・プロベナンク・アウェアディフェンス・フレームワークを提案する。
フレームワークには、テキストサニタイザエージェント、ビジュアルサニタイザエージェント、および出力バリデータエージェントが含まれており、いずれも前駆体台帳によって調整されている。
実験の結果,マルチモーダル噴射検出精度は著しく向上し,クロスエージェント信頼リークを最小限に抑えることができた。
論文 参考訳（メタデータ） (2025-12-29T15:54:33Z) - An Empirical Study of Agent Developer Practices in AI Agent Frameworks [59.862193600499914]
大規模言語モデル(LLM)の台頭はエージェントへの関心の高まりを引き起こし、エージェントフレームワークの急速な成長につながった。
エージェントフレームワークが広く使われているにもかかわらず、それらの実践的応用とエージェント開発プロセスにどのように影響するかは未解明のままである。
開発者の80%以上が、特定の開発要件に最も適合するフレームワークを特定するのに苦労していると報告している。
論文 参考訳（メタデータ） (2025-12-01T17:52:15Z) - Agent0: Unleashing Self-Evolving Agents from Zero Data via Tool-Integrated Reasoning [84.70211451226835]
大規模言語モデル(LLM)エージェントは、人間の計算データへの依存によって制約される。
我々は,外部データを持たない高性能エージェントを進化させる完全自律型フレームワークであるAgent0を紹介する。
Agent0は推論能力を大幅に向上させ、Qwen3-8B-Baseモデルを数学的推論で18%改善し、一般的な推論ベンチマークで24%改善した。
論文 参考訳（メタデータ） (2025-11-20T05:01:57Z) - AgentRouter: A Knowledge-Graph-Guided LLM Router for Collaborative Multi-Agent Question Answering [51.07491603393163]
tAgentは知識グラフ誘導ルーティング問題としてマルチエージェントQAを定式化するフレームワークである。
エージェントアウトプットのソフトな監督と重み付けされた集約を活用することで、エージェントは多様なエージェントの相補的な強みを捉える、原則化された協調スキームを学ぶ。
論文 参考訳（メタデータ） (2025-10-06T23:20:49Z) - Open Agent Specification (Agent Spec): A Unified Representation for AI Agents [10.685555728094338]
我々はAIエージェントとエージェントを定義する宣言型言語Open Agent Specification(Agent Spec)を紹介する。
Agent Specは、コンポーネント、コントロールとデータフローのセマンティクス、スキーマの共通セットを定義し、エージェントを一度定義し、異なるランタイム間で実行できるようにする。
論文 参考訳（メタデータ） (2025-10-05T12:26:42Z) - AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。
エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。
AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
論文 参考訳（メタデータ） (2025-08-22T10:35:56Z) - AgentArmor: Enforcing Program Analysis on Agent Runtime Trace to Defend Against Prompt Injection [14.522205401511727]
大きな言語モデル(LLM)エージェントは、自然言語推論と外部ツールの実行を組み合わせることで、さまざまな問題を解決するための強力な新しいパラダイムを提供する。
本研究では,エージェントランタイムトレースを解析可能なセマンティクスを用いた構造化プログラムとして扱う新しい知見を提案する。
本稿では,エージェントトレースをグラフ中間表現に基づく構造化プログラム依存表現に変換するプログラム解析フレームワークであるAgentArmorを提案する。
論文 参考訳（メタデータ） (2025-08-02T07:59:34Z) - Agent-as-a-Judge: Evaluate Agents with Agents [61.33974108405561]
本稿ではエージェント・アズ・ア・ジャッジ(Agent-as-a-Judge)フレームワークを紹介し,エージェント・システムを用いてエージェント・システムの評価を行う。
これはLLM-as-a-Judgeフレームワークの有機的拡張であり、タスク解決プロセス全体の中間フィードバックを可能にするエージェント的特徴を取り入れている。
55のリアルな自動化AI開発タスクのベンチマークであるDevAIを紹介します。
論文 参考訳（メタデータ） (2024-10-14T17:57:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。