論文の概要: Agentic Configuration Management (ACM): A Reference Configuration Model for Governed Agentic Systems
- arxiv url: http://arxiv.org/abs/2608.11166v1
- Date: Tue, 11 Aug 2026 17:28:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-12 19:14:46.135735
- Title: Agentic Configuration Management (ACM): A Reference Configuration Model for Governed Agentic Systems
- Title（参考訳）: Agentic Configuration Management (ACM): Governed Agentic Systemsのための参照構成モデル
- Abstract要約: Agentic Configuration Management (ACM)は、異種エージェントシステムのフレームワークに依存しないガバナンスおよび設定参照モデルである。
ACMは、型付きおよび独立にバージョン管理されたエージェント構成項目、不変リビジョンとベースライン、明示的な構成と実行時の分離、セマンティック・アシュアランス・セマンティクス、依存性を意識した影響伝達、実行時の前処理を組み合わせたものだ。
LangGraph、CrewAI、OpenAI Agents SDK用のアダプタを備えたPythonリファレンス実装を提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic systems are increasingly composed of heterogeneous agents, prompts, tools, models, skills, composite subsystems, policies, and execution workflows whose configurations evolve across frameworks and runtime environments. Existing LLMOps and AgentOps platforms support orchestration and observability but do not provide a common configuration-governance model for representing and governing these systems as coherent, versioned configurations. This paper introduces Agentic Configuration Management (ACM), a framework-independent governance and configuration reference model for heterogeneous agentic systems. ACM combines typed and independently versioned Agentic Configuration Items, immutable revisions and baselines, explicit configuration-runtime separation, lifecycle and assurance semantics, dependency-aware impact propagation, and runtime provenance. Heterogeneous native configurations are normalized through semantic projection into a canonical Configuration Graph on which common governance semantics operate. We provide a Python reference implementation with adapters for LangGraph, CrewAI, and the OpenAI Agents SDK. The evaluation combines 27 governance scenarios with nine quantitative impact-propagation cases. For the evaluated configurations, the three frameworks yield governance-equivalent ACM representations and reproducible governance outcomes after projection. The impact semantics are formalized as monotone propagation over a finite lattice, establishing convergence, termination, and uniqueness of the least fixed point above the initial impact valuation. These results provide evidence that common governance semantics can support reproducibility, auditability, dependency analysis, and interoperability across heterogeneous agentic execution abstractions within the evaluated scope.
- Abstract（参考訳）: エージェントシステムはますますヘテロジニアスなエージェント、プロンプト、ツール、モデル、スキル、複合サブシステム、ポリシー、実行ワークフローで構成されている。
既存のLLMOpsとAgentOpsプラットフォームは、オーケストレーションとオブザーバビリティをサポートしているが、これらのシステムを一貫性のあるバージョン設定として表現し、管理するための共通の設定-ガバナンスモデルを提供していない。
本稿では,異種エージェントシステムのためのフレームワークに依存しないガバナンスと設定参照モデルであるエージェント構成管理(ACM)を紹介する。
ACMは、型付きおよび独立にバージョン管理されたエージェント構成項目、不変リビジョンとベースライン、明示的なコンフィギュレーションとランタイムの分離、ライフサイクルと保証のセマンティクス、依存性を意識した影響の伝搬、実行時の前処理を組み合わせたものだ。
不均一なネイティブ設定は、セマンティックプロジェクションを通じて、共通のガバナンスセマンティクスが動作する標準的な設定グラフに正規化されます。
LangGraph、CrewAI、OpenAI Agents SDK用のアダプタを備えたPythonリファレンス実装を提供する。
評価は、27のガバナンスシナリオと9つの定量的インパクトプロパゲーションケースを組み合わせたものだ。
評価された構成について、これら3つのフレームワークは、プロジェクション後のガバナンスに等価なACM表現と再現可能なガバナンス結果を提供します。
衝撃セマンティクスは、有限格子上のモノトン伝播として定式化され、初期衝突評価値より上の最小固定点の収束、終了、一意性を確立する。
これらの結果は、共通ガバナンスセマンティクスが再現性、監査可能性、依存性分析、および評価範囲内の異種エージェント実行抽象化間の相互運用性をサポートすることができることを示す。
関連論文リスト
- EDGE: Engine for Deterministic Graph Evaluation through Conversation Simulation from Graph Structured DSL Configuration [0.518884791678612]
本稿では,ドメイン固有言語を利用したプランナであるAgentGraphを基盤とした形式的評価手法を提案する。
我々は,対話経路を包括的に列挙するグラフアルゴリズムを活用し,エージェントの完全な行動空間をキャプチャする包括的評価セットを形成する。
信頼性を定量化するために、反応と軌道決定性、構造的付着、意味的整合性を測定する新しい指標を定義する。
論文 参考訳（メタデータ） (2026-08-30T18:56:53Z) - Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。
既存のアプローチはそのようなシステムレベルの保証を提供していません。
本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
論文 参考訳（メタデータ） (2026-08-04T13:01:30Z) - Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。
提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。
この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
論文 参考訳（メタデータ） (2026-07-23T02:46:11Z) - AgentCompass: A Unified Evaluation Infrastructure for Agent Capabilities [55.23913617185508]
Agentは、LLM(Large Language Models)ベースのエージェントを評価するための、オープンソース、軽量、インフラストラクチャである。
Benchmark、Harness、Environmentという3つの独立したコンポーネントに関する評価プロセスを編成する。
フォールトトレラントなランタイムと、報酬ハックのような障害モードを透過的に診断する包括的なトラジェクトリ分析ツールを備えている。
論文 参考訳（メタデータ） (2026-07-15T11:11:17Z) - OrgAgent: Organize Your Multi-Agent System like a Company [75.47076168155817]
企業スタイルの階層型マルチエージェントフレームワークであるOrgAgentを紹介します。
企業スタイルの階層で組織されたマルチエージェントシステムは、一般的に他の組織構造よりも優れています。
論文 参考訳（メタデータ） (2026-04-01T15:21:14Z) - The Auton Agentic AI Framework [5.410458076724158]
人工知能の分野では、ジェネレーティブAIからエージェントAIへの移行が進行中である。
大規模言語モデル(LLM)は構造化されていない出力を生成するが、それらが制御しなければならないバックエンドインフラストラクチャは決定論的でスキーマに適合する入力を必要とする。
本稿では,自律エージェントの作成,作成,管理を行うための原則アーキテクチャであるAuton Agentic AI Frameworkについて述べる。
論文 参考訳（メタデータ） (2026-02-27T06:42:08Z) - From Prompt-Response to Goal-Directed Systems: The Evolution of Agentic AI Software Architecture [0.0]
Agentic AIは、ステートレスでプロンプト駆動型生成モデルからゴール指向システムへのアーキテクチャ移行を表す。
本稿では、知的エージェント理論と現代のLCM中心のアプローチを結びつけることによって、この遷移を考察する。
この研究は、標準化されたエージェントループ、登録、監査可能な制御機構への収束を特定する。
論文 参考訳（メタデータ） (2026-02-11T03:34:48Z) - Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。
我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。
この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文 参考訳（メタデータ） (2025-12-27T01:52:06Z) - Designing Domain-Specific Agents via Hierarchical Task Abstraction Mechanism [61.01709143437043]
階層型タスク抽象化機構(HTAM)を中心とした新しいエージェント設計フレームワークを提案する。
具体的には、HTAMは、社会的役割のエミュレーションを超えて、代わりに、複数のエージェントシステムを、あるドメインの固有のタスク依存グラフを反映する論理階層に構造化する。
我々は、複雑な地理空間解析に適したマルチエージェントシステムであるEarthAgentとして、このフレームワークをインスタンス化する。
論文 参考訳（メタデータ） (2025-11-21T12:25:47Z) - 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) - HEAS: Hierarchical Evolutionary Agent Simulation Framework for Cross-Scale Modeling and Multi-Objective Search [4.807104001943257]
階層シミュレーションエージェント(Hierarchical Simulation Agent, HEAS)は、階層化されたエージェントベースのモデリングを進化的最適化とトーナメント評価で統合するPythonフレームワークである。
HEASは、共有コンテキストを読み書きする決定論的レイヤにスケジュールされた軽量プロセス(ストリーム)の階層としてモデルを表現する。
compact APIとCLIは、シングルオブジェクトとマルチオブジェクトの進化をシミュレートし、最適化し、評価します。
論文 参考訳（メタデータ） (2025-08-21T13:35:46Z)
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。