論文の概要: Towards Agentic Cloud Engineering: Graph and Loop Engineering with a Zero-Trust Agent Harness
- arxiv url: http://arxiv.org/abs/2609.00050v1
- Date: Sun, 30 Aug 2026 07:20:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:35.778758
- Title: Towards Agentic Cloud Engineering: Graph and Loop Engineering with a Zero-Trust Agent Harness
- Title（参考訳）: エージェントクラウドエンジニアリングに向けて - Zero-Trust Agent Harnessによるグラフとループエンジニアリング
- Abstract要約: 我々は、自然言語のエージェントクラウドエンジニアリングタスクを検証済みのコードリポジトリと検証済みの運用クラウドデプロイメントに変換するエージェントAIフレームワークを提案する。
Google Cloud上のフレームワークをインスタンス化し、リポジトリの評価、管理された実行、エビデンス対応の進捗、運用デプロイメント、バウンドリカバリを評価します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Agentic AI is enabling cloud-based workflows in which autonomous agents reason over operational state, invoke authorized tools, modify software and infrastructure, deploy services, verify execution outcomes, and adapt across long-horizon, multistep tasks. Engineering such workflows requires explicit mechanisms for workflow progression, constrained execution, failure recovery, and verifiable completion. We present Agentic Cloud Workflow Engineering, an agentic AI framework that transforms natural-language agentic cloud-engineering tasks into validated code repositories and verified operational cloud deployments for automating cloud-based agentic workflows. The framework separates three complementary concerns: graph engineering specifies long-horizon workflow progression and verification-dependent transitions; loop engineering provides bounded diagnosis, repair or re-planning, retry, and re-verification; and agent harness engineering enforces zero-trust execution through identity, authorization, policy-scoped capabilities, isolation, and runtime safeguards. Workflow progression and completion require machine-checkable repository, deployment, and runtime evidence, with recovery constrained by explicit operational bounds and termination criteria. We instantiate the framework on Google Cloud and evaluate repository completeness, controlled execution, evidence-gated progression, operational deployment, and bounded recovery. Experimental results show that executions terminate with either a verified operational cloud deployment or an auditable terminal failure under bounded recovery. The framework provides a unified engineering architecture for cloud-based workflows spanning Agentic DevOps, Agentic CloudOps, Agentic SRE/AIOps, Agentic SecOps, Agentic DataOps, Agentic MLOps/LLMOps, AgentOps, Agentic RAG/GraphRAG, and related cloud-engineering domains.
- Abstract（参考訳）: Agentic AIはクラウドベースのワークフローを可能にし、自律的なエージェントが運用状態を判断し、認定されたツールを実行し、ソフトウェアとインフラストラクチャを変更し、サービスをデプロイし、実行結果を検証し、長期にわたるマルチステップタスクに適応する。
このようなワークフローのエンジニアリングには、ワークフローの進行、制約付き実行、障害回復、検証可能な完了のための明確なメカニズムが必要です。
我々はAgentic Cloud Workflow Engineeringを紹介します。Agentic Cloud Workflow Engineeringは、自然言語のAgentic Cloud-Engineeringタスクを検証済みのコードリポジトリに変換し、クラウドベースのAgentic Workflowを自動化するための運用中のクラウドデプロイメントを検証するエージェントAIフレームワークです。
グラフエンジニアリングは、長い水平ワークフローの進行と検証依存の遷移を規定し、ループエンジニアリングは、境界付き診断、修復または再計画、再試行、再検証を提供する。
ワークフローの進捗と完了には、マシンチェック可能なリポジトリ、デプロイメント、実行時のエビデンスが必要です。
Google Cloud上のフレームワークをインスタンス化し、リポジトリの完全性、管理された実行、エビデンス対応の進捗、運用デプロイメント、バウンドリカバリを評価します。
実験結果から,検証済みの運用クラウドデプロイメントか,境界回復時の監査可能な端末障害で実行が終了することが確認された。
Agentic DevOps, Agentic CloudOps, Agentic SRE/AIOps, Agentic SecOps, Agentic DataOps, Agentic MLOps/LLMOps, AgentOps, Agentic RAG/GraphRAGなどのクラウドエンジニアリングドメインを対象とする,クラウドベースのワークフロー用の統一エンジニアリングアーキテクチャを提供する。
関連論文リスト
- Forward-Deployed Full-Stack Engineering for Autonomous Cloud MLOps [0.0]
本稿では,自然言語MLOpsクラウドエンジニアリングタスクを検証されたリポジトリと運用クラウドデプロイメントに変換するためのエビデンス付きマルチエージェントフレームワークを提案する。
Google Cloud Platformのフレームワークを実現し、リポジトリの完全性、管理された実行、エビデンス対応の移行、クラウドプロモーション、バウンドリカバリを評価します。
論文 参考訳（メタデータ） (2026-08-30T07:13:10Z) - 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) - PhyAgentOS: A Self-Evolving Operating System for Embodied Agents with Decoupled Cognitive Planning and Physical Execution [49.776611937968]
我々は、スケジューリング、検証、メモリ、ベンチマーク、安全性をシステムレベルのサービスとして提供するPhyAgentOSを紹介します。
セッション中心のセッションは、スケジューリング、互換性、監督された実行、エビデンス収集、受け入れの最小単位として、アクションではなくセッションを扱う。
SessionVerifierは、実行終了とセマンティックタスク完了を、成功、失敗、または再計画のエビデンスに基づいて判断する。
ベンチマークはデプロイメントセッションと検証パスを再利用するので、結果は実際の実行に遡る。
論文 参考訳（メタデータ） (2026-07-18T04:46:53Z) - Verification-Gated Agentic Mission-State Governance for Intelligent Industrial Multi-Robot Systems [4.96578940939428]
本稿では,インテリジェントな産業用マルチロボットシステムのための検証ゲート型エージェント・ミッション・ステート・ガバナンス・フレームワークを提案する。
このフレームワークは2つの同期状態オブジェクトを保持しており、永続的な階層のための進化するタスクフォレスト、遅延グラウンド、修理可能なサブ構造である。
この研究はエージェントAIを、未確認の実行権限ではなく、検査可能なミッション状態検証によって管理される提案生成層として位置づけている。
論文 参考訳（メタデータ） (2026-06-30T08:41:00Z) - AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - Large Language Models for Agentic NetOps and AIOps: Architectures, Evaluation, and Safety [14.195825134031795]
大規模言語モデルは、ネットワークオペレーション(NetOps)とITオペレーションのための人工知能(AIOps)をサポートするために、ますます使用されている。
NetOpsとAIOpsでは、このシフトがタスクの管理方法を変えています。
エージェントベースのオペレーションは、エビデンス収集からアクションの実施、パーミッション、ポリシー、チェックの追跡、必要に応じてロールバックオプションの提供に至るまで、管理されている。
論文 参考訳（メタデータ） (2026-05-12T20:31:41Z) - 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) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - AIOpsLab: A Holistic Framework to Evaluate AI Agents for Enabling Autonomous Clouds [12.464941027105306]
AI for IT Operations(AIOps)は、障害のローカライゼーションや根本原因分析といった複雑な運用タスクを自動化することを目的としており、人間の作業量を削減し、顧客への影響を最小限にする。
大規模言語モデル(LLM)とAIエージェントの最近の進歩は、エンドツーエンドとマルチタスクの自動化を可能にすることで、AIOpsに革命をもたらしている。
マイクロサービスクラウド環境をデプロイし、障害を注入し、ワークロードを生成し、テレメトリデータをエクスポートするフレームワークであるAIOPSLABを紹介します。
論文 参考訳（メタデータ） (2025-01-12T04:17:39Z)
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。