論文の概要: Agent ATO: Visualizing Agent Interaction Timelines from Logs
- arxiv url: http://arxiv.org/abs/2609.08301v1
- Date: Tue, 08 Sep 2026 06:22:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 20:12:57.392528
- Title: Agent ATO: Visualizing Agent Interaction Timelines from Logs
- Title（参考訳）: Agent ATO: ログからエージェントインタラクションのタイムラインを可視化する
- Abstract要約: Agent ATOは、コンソールログからAIコーディングエージェントのインタラクションタイムラインを視覚化するツールである。
全インタラクションタイムラインに加えて、ATOはファイル発見、ファイル読み込み、ファイル編集、実行を重視したフィルタリングタイムラインを提供する。
- 参考スコア（独自算出の注目度）: 1.5639957559514246
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI coding agents are becoming part of developers' workflows, but their behavior is difficult to understand from final code changes alone. During a task, agents interact with software repositories through sequences of actions such as searching for files, reading code, editing programs, and running tests or build commands. These interactions, together with token usage, are often recorded in console logs, but raw logs are difficult for developers to inspect. In this paper, we propose Agent ATO (Agentic Trajectory Observer), a tool for visualizing AI coding agent interaction timelines from console logs. Agent ATO extracts agent interactions, classifies them by command or tool type, and visualizes them as timelines. In addition to an all-interaction timeline, Agent ATO provides filtered timelines that emphasize file discovery, file reading, file editing, and execution while preserving surrounding context. We illustrate how Agent ATO may help developers inspect and compare agent actions using selected runs from two repair tasks. Future work will apply Agent ATO to more agents, tasks, and development environments, and will evaluate whether it reduces the effort needed to compare trajectories.
- Abstract（参考訳）: AIコーディングエージェントは開発者のワークフローの一部になっているが、最終的なコード変更だけでは理解できない。
タスクの間、エージェントはファイルの検索、コード読み込み、プログラムの編集、テストの実行、ビルドコマンドなどの一連のアクションを通じてソフトウェアリポジトリと対話する。
これらのインタラクションとトークンの使用は、コンソールログに記録されることが多いが、開発者は生ログを検査することが難しい。
本稿では,AIコーディングエージェントのインタラクションタイムラインをコンソールログから可視化するエージェントATO(Agentic Trajectory Observer)を提案する。
Agent ATOはエージェントのインタラクションを抽出し、コマンドまたはツールタイプで分類し、タイムラインとして視覚化する。
インタラクションの全タイムラインに加えて、ATOはファイル発見、ファイル読み込み、ファイル編集、実行を重視しながら、周囲のコンテキストを保存するフィルタリングタイムラインを提供する。
本稿では、ATOエージェントが2つの修復タスクから選択した実行を用いてエージェントアクションを検査・比較するのに役立つ方法について説明する。
今後、エージェントATOをより多くのエージェント、タスク、開発環境に適用し、軌道の比較に要する労力を減らすかどうかを評価する。
関連論文リスト
- Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。
ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
論文 参考訳（メタデータ） (2026-09-04T23:32:11Z) - Do Context Files Help Coding Agents? A Two-Agent Ablation Study on Real Repositories [0.0]
永続コンテキストファイル(AGENTS.md, CLAUDE.md)は、AIコーディングエージェントを誘導する標準的な慣行であるが、それらの効果の証拠は矛盾している。
我々は2つのフロンティアエージェント(Claude Code と Codex)間のコンテキスト注入戦略の制御されたアブレーションを示す。
論文 参考訳（メタデータ） (2026-07-28T11:07:53Z) - Agent Team Work Zone: An Automated, Persistent Workspace for Long-Lived Claude Code Agent Teams [0.0]
我々は,Claude Codeのネイティブエージェントチームを中心に構築されたレイヤであるATWZ(Agent Team Work Zone)を提案する。
ATWZは、各エージェントとチームメイトを人間の従業員として扱い、重要な作業状態を維持する。
ATWZ内では、エージェントの"employees"が文書を互いに送信することができ、プロンプトを書くのに必要な労力を大幅に削減できる。
論文 参考訳（メタデータ） (2026-07-24T21:11:18Z) - AgentTrails: Towards Trust and Reuse for Agentic Tasks [12.615897924172812]
LLMベースのエージェントは、ツールの呼び出し、データベースのクエリ、コードの実行、中間アーティファクトの操作によって複雑なタスクに対処する。
これらのエージェントは、通常、時系列ログとして格納されるトラジェクトリに従い、基礎となるデータフローを隠蔽する。
本稿ではエージェント証明とセンスメイキングのためのプロトタイプシステムであるAgentTrailsを紹介する。
論文 参考訳（メタデータ） (2026-07-21T07:53:58Z) - Multi-Agent Computer Use [72.79887808312706]
我々はマルチエージェント・コンピュータ・ユース(MACU)システムの評価・構築に向けて進むべきであると論じる。
本稿では、マネージャモデルがコンピュータ使用タスクを有向非巡回グラフ(DAG)として分解する汎用マルチエージェント構成を提案する。
各イテレーションで、マネージャは並列CUAサブエージェントをディスパッチし、DAGの準備ができているフロンティアでノードを実行する。
論文 参考訳（メタデータ） (2026-06-01T01:29:36Z) - 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) - How to Interpret Agent Behavior [56.59836196946289]
本稿では,エージェントの動作を実行時に記述・解析するための分類法であるACT*ONOMYを紹介する。
共用語彙を提供することで、ACT*ONOMYは研究者、エージェントデザイナー、エンドユーザーがエージェントの振る舞いをより一貫して解釈するのに役立つ。
論文 参考訳（メタデータ） (2026-05-13T14:52:40Z) - AgentStepper: Interactive Debugging of Software Development Agents [14.265317773238529]
本稿では,ソフトウェアエンジニアリングエージェントのための対話型デバッガであるAgentStepperを紹介する。
AgentStepperは、LLM、エージェントプログラム、ツール間の構造化された会話としてトラジェクトリを表す。
ブレークポイント、ステップワイズ実行、プロンプトとツール呼び出しのライブ編集、中間リポジトリレベルのコード変更のキャプチャと表示をサポートする。
論文 参考訳（メタデータ） (2026-02-06T10:44:09Z) - DeepAgent: A General Reasoning Agent with Scalable Toolsets [111.6384541877723]
DeepAgentは、自律的な思考、ツール発見、アクション実行を実行するエンドツーエンドのディープ推論エージェントである。
長期にわたる相互作用の課題に対処するために,過去の相互作用を構造化エピソード,動作,ツール記憶に圧縮する自律的メモリ折り畳み機構を導入する。
LLMシミュレートされたAPIを活用し、ツール呼び出しトークンにきめ細かいクレジットを割り当てるツールコールアドバンテージ属性を適用した、エンドツーエンドの強化学習戦略であるToolPOを開発した。
論文 参考訳（メタデータ） (2025-10-24T16:24:01Z) - Instruction Agent: Enhancing Agent with Expert Demonstration [12.67489098612846]
グラフィカルユーザインタフェース(GUI)エージェントは急速に進歩しているが、新しいUI要素、長い水平動作、パーソナライズされた軌跡を含む複雑なタスクに苦戦している。
そこで本研究では,GUIエージェントであるインストラクションエージェントを導入し,このようなタスクを専門的なデモンストレーションで解決し,それ以外は困難なタスクの完了を可能にする。
1つのデモンストレーションが与えられた場合、エージェントはステップバイステップの指示を抽出し、ユーザが意図した軌道を厳密に追従することで実行します。
論文 参考訳（メタデータ） (2025-09-08T18:00:12Z) - AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation [0.0]
ソフトウェア開発タスクの自動化に複数のLCMエージェントを併用したPythonベースのフレームワークを提案する。
AgentMeshでは、Planner、Coder、Debugger、Reviewerといった特殊なエージェントが協力して、ハイレベルな要件を完全に実現されたコードに変換する。
論文 参考訳（メタデータ） (2025-07-26T10:10:02Z) - PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
本稿では,PC-Agentという階層型エージェントフレームワークを提案する。
認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。
意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-02-20T05:41:55Z)
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。