論文の概要: Bridging LLM Agents and Data Spaces: An Architectural Mediation Approach using the Model Context Protocol
- arxiv url: http://arxiv.org/abs/2609.30341v1
- Date: Thu, 24 Sep 2026 11:42:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-28 18:27:51.070673
- Title: Bridging LLM Agents and Data Spaces: An Architectural Mediation Approach using the Model Context Protocol
- Title（参考訳）: LLMエージェントとデータ空間のブリッジ:モデルコンテキストプロトコルを用いたアーキテクチャメディエーションアプローチ
- Abstract要約: 本稿では,モデルコンテキストプロトコル(MCP)に基づくアーキテクチャ仲介手法を提案する。
MCPは、大規模言語モデル(LLM)エージェントとデータ空間サービス間の制御された相互作用を可能にする。
プロトタイプ実装では、カタログ発見、メタデータ検索、データサービス呼び出し間のエンドツーエンドインタラクションを検証する。
- 参考スコア（独自算出の注目度）: 0.27185251060695437
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Data Spaces enable sovereign and governed data sharing across organizational boundaries, but their integration with AI agents remains challenging due to mismatches between probabilistic language model interactions and policy-driven data infrastructures. This article presents an architectural mediation approach based on the Model Context Protocol (MCP), implemented through the Eunomia Agent, to enable controlled interaction between large language model (LLM) agents and data space services. The proposed mediation layer translates data space capabilities into structured, schema-driven tools that AI agents can discover and invoke while preserving governance constraints. A prototype implementation validates end-to-end interaction across catalog discovery, metadata retrieval, and data service invocation without modifying existing data space components. Results demonstrate that protocol-based mediation enables interoperable and standards-aligned integration of AI agents into data space ecosystems. The approach provides practical guidance for organizations seeking to introduce AI-driven automation into governed data-sharing environments while maintaining compliance, interoperability, and architectural separation of concerns.
- Abstract（参考訳）: データ空間は、組織の境界を越えた主権と統治されたデータ共有を可能にするが、確率的言語モデル相互作用とポリシー駆動型データインフラストラクチャのミスマッチのため、AIエージェントとの統合は依然として困難である。
本稿では,大規模言語モデル(LLM)エージェントとデータ空間サービス間の制御された相互作用を可能にするために,Eunomia Agentによって実装されたモデルコンテキストプロトコル(MCP)に基づくアーキテクチャ仲介手法を提案する。
提案された仲介層は、データ空間の機能を構造化されたスキーマ駆動ツールに変換する。
プロトタイプ実装では、既存のデータ空間コンポーネントを変更することなく、カタログ発見、メタデータ検索、データサービス呼び出し間のエンドツーエンドのインタラクションを検証する。
結果として、プロトコルベースの仲介により、データ空間エコシステムへのAIエージェントの相互運用性と標準に準拠した統合が可能になることが示される。
このアプローチは、コンプライアンス、相互運用性、アーキテクチャ上の関心事の分離を維持しながら、管理されたデータ共有環境にAI駆動の自動化を導入しようとしている組織に対して、実践的なガイダンスを提供する。
関連論文リスト
- A Technical Taxonomy of LLM Agent Communication Protocols [60.76747983053368]
本研究では,大規模言語モデル(LLM)エージェント通信プロトコルの分類と解析を行う技術的分類法を開発する。
このフレームワークはプロトコルの選択をガイドし、プライバシーやポリシー執行といったオープンな研究ギャップを強調する。
論文 参考訳（メタデータ） (2026-06-17T14:45:20Z) - SynAgent: Generalizable Cooperative Humanoid Manipulation via Solo-to-Cooperative Agent Synergy [59.86199649493784]
制御可能な協調的ヒューマノイド操作は、インボディードインテリジェンスにとって根本的な問題である。
スケーラブルで物理的に妥当な協調操作を可能にするフレームワークであるSynAgentを提案する。
実験では、SynAgentは協調模倣と軌道条件制御の両方において既存のベースラインを著しく上回る。
論文 参考訳（メタデータ） (2026-04-20T17:46:20Z) - 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) - Beyond Context Sharing: A Unified Agent Communication Protocol (ACP) for Secure, Federated, and Autonomous Agent-to-Agent (A2A) Orchestration [0.0]
本稿ではエージェント通信プロトコル(ACP)を紹介する。
ACPはAgent-to-Agentインタラクションのための標準化されたフレームワークを提供する。
ACPは、ゼロトラストのセキュリティ姿勢を維持しながら、エージェント間通信のレイテンシを%削減する。
論文 参考訳（メタデータ） (2026-02-11T17:02:12Z) - Affordance Representation and Recognition for Autonomous Agents [64.39018305018904]
本稿では,構造化データを用いた世界モデリングのためのパターン言語を提案する。
DOMトランスダクションパターンは、Webページの複雑さの課題に対処する。
Hypermedia Affordances Recognition Patternは、エージェントがその世界モデルを動的に強化することを可能にする。
論文 参考訳（メタデータ） (2025-10-28T14:27:28Z) - Model Context Protocols in Adaptive Transport Systems: A Survey [0.8416506214120001]
相互接続デバイス、自律システム、AIアプリケーションの急速な拡張は、適応輸送システムにおいて深刻な断片化を生み出している。
この調査は、モデルコンテキストプロトコル(MCP)を統一パラダイムとして初めて体系的に調査した。
我々は、既存の取り組みがMSPのような分類に暗黙的に収束していることを示し、断片化ソリューションから標準化された統合フレームワークへの自然な進化を示唆している。
論文 参考訳（メタデータ） (2025-08-26T17:58:56Z) - ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction [84.90394416593624]
大規模言語モデル(LLM)によるエージェント的タスク解決には,多ターン・マルチステップインタラクションが必要である。
既存のシミュレーションベースのデータ生成手法は、複数のエージェント間のコストのかかる自己回帰的相互作用に大きく依存している。
本稿では,高品質なマルチターンエージェント対話を構築するための非自己回帰反復生成フレームワークであるToolACE-MTを提案する。
論文 参考訳（メタデータ） (2025-08-18T07:38:23Z) - AnyMAC: Cascading Flexible Multi-Agent Collaboration via Next-Agent Prediction [77.62279834617475]
本稿では,グラフ構造ではなくシーケンシャル構造を用いて,マルチエージェント協調を再考するフレームワークを提案する。
提案手法は,(1)各ステップで最も適したエージェントロールを選択するNext-Agent Predictionと,(2)各エージェントが前ステップから関連する情報にアクセスできるようにするNext-Context Selectionの2つの重要な方向に焦点を当てる。
論文 参考訳（メタデータ） (2025-06-21T18:34:43Z) - Survey of LLM Agent Communication with MCP: A Software Design Pattern Centric Review [0.9208007322096533]
調査ではMediator, Observer, Publish-Subscribe, Brokerなど,確立したパターンを再検討している。
記事は、オープンな課題、潜在的なセキュリティリスク、堅牢で相互運用可能でスケーラブルなマルチエージェントエコシステムを前進させる有望な方向性を概説することで締めくくっている。
論文 参考訳（メタデータ） (2025-05-26T09:11:17Z) - Object-Spatial Programming [2.8374498376407877]
私たちはオブジェクト指向プログラミングを拡張するプログラミングモデルであるオブジェクト指向プログラミング(OSP)を紹介します。
OSPは、データと計算の伝統的な関係を根本的に反転させ、計算が4つの特別なアーチタイプを通してデータに移行することを可能にする。
このセマンティックエンハンスメントにより、ランタイムシステムはデータの局所性、並列実行、分散戦略に関する情報的決定を行うことができる。
論文 参考訳（メタデータ） (2025-03-20T02:55:40Z)
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。