論文の概要: Localizing Post-Wire Semantic Changes in MCP Agent Frameworks

• arxiv url: http://arxiv.org/abs/2610.00182v1
• Date: Thu, 17 Sep 2026 04:06:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-05 14:48:16.390431
• Title: Localizing Post-Wire Semantic Changes in MCP Agent Frameworks
• Title（参考訳）: MCPエージェントフレームワークにおけるワイヤ後セマンティックな変化の局在化
• Abstract要約: 本稿では,各フレームワークの公開インターフェースを通じて固定されたツール結果に従い,明示的な消費者要求をチェックする差分テスト手法を提案する。 Google ADKは、観察されたパス内のすべてのプライマリコントラクトを満たす。 その実際的な意味は、配線後回帰テストは必要な情報と消費者がそれをどのように読むかの両方を特定する必要があることである。
• 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: Valid Model Context Protocol (MCP) messages do not guarantee that an agent framework preserves the distinctions downstream software needs. We present a differential testing method that follows a fixed tool result through each framework's public interfaces and checks explicit consumer requirements. Applied to 18 designed fixtures in four pinned Python integrations, the method identifies 13 unique fixture-task divergences involving structured values, declared errors, and rich content. Google ADK satisfies every primary contract in its observed path; the other integrations show interface-specific changes or an execution failure. Whether a change matters depends on the consumer: treating absent optional fields as equivalent to null explains most of OpenAI's strict rich-content failures. In an exploratory replay, parsing JSON text recovers more structured values but also returns incorrect values and values for fields absent at the source. Documented settings help in conflicting-output stress cases without restoring a separate structured slot. Fault challenges expose an oracle weakness and test its repair on fresh cases. The study provides reproducible, interface-specific evidence from controlled cases, not production failure rates or model-behavior measurements. Its practical implication is that post-wire regression tests need to specify both the information required and how the consumer reads it.
• Abstract（参考訳）: 検証モデルコンテキストプロトコル(MCP)メッセージは、エージェントフレームワークが下流のソフトウェアのニーズの区別を保存することを保証しません。 本稿では,各フレームワークの公開インターフェースを通じて固定されたツール結果に従い,明示的な消費者要求をチェックする差分テスト手法を提案する。 4つのピン付きPython統合で18の設計したフィクスチャに適用されたこの方法は、構造化された値、宣言されたエラー、リッチコンテンツを含む13のユニークなフィクスチャタスク分岐を識別する。 Google ADKは、観察されたパス内のすべてのプライマリコントラクトを満たす。 空のオプションフィールドをnullと同等に扱うことは、OpenAIの厳格なリッチコンテンツ障害の大部分を説明する。 探索的なリプレイでは、JSONテキストのパースにより、より構造化された値が復元されると同時に、ソースに存在しないフィールドの不正な値と値も返される。 文書化された設定は、別々の構造化されたスロットを復元することなく、競合するアウトプットのストレスケースに役立ちます。 障害はオラクルの弱点を露呈し、新しいケースで修復をテストする。 この研究は、生産失敗率やモデル行動測定ではなく、制御されたケースから再現可能な、インターフェース固有の証拠を提供する。 その実際的な意味は、配線後回帰テストは必要な情報と消費者がそれをどのように読むかの両方を特定する必要があることである。

関連論文リスト

• Testing and Verification of Quantum Compilers through Assurance Contracts and Evidence [0.25489046505746704]
  この調査は、検証済みの変換、等価チェック、差分および変成テスト、プロパティベースのテスト、およびリビジョン間の保証の証拠を比較します。 記録されたカバレッジ更新とソースレベルの選択決定は、レビューを宣言されたスコープ内で監査可能にする。
  論文  参考訳（メタデータ） (2026-09-24T01:24:49Z)
• Can MCP Clients Decide What to Do After Failure? A Result-Only Actionability Audit [0.0]
  本稿では,MCPの故障結果のみから決定論的ソフトウェアが何を学べるかを考察する。 10個のサンプルサーバから安全に21個の障害を誘導する小さな実験において、タイプドフィールドは18件の障害を露呈し、8件の幅広いポリシーを公表した。 語彙ソース監査は、同じテキスト中心のpat-ternを見つける。
  論文  参考訳（メタデータ） (2026-08-31T06:45:17Z)
• AuditWeave: A Tamper-Evident, Auditor-Navigable Evidence Layer for AI-Assisted and Data-Transformation Workflows [0.0]
  AuditWeaveは、AIアシストとデータ変換のステップを1つのハッシュチェーンの台帳に記録する軽量Pythonライブラリである。 本稿では,参照実装におけるオーバヘッド,拡張性,タンパー検出の正確さを設計し,評価する。
  論文  参考訳（メタデータ） (2026-06-14T21:46:04Z)
• ContraFix: Agentic Vulnerability Repair via Differential Runtime Evidence and Skill Reuse [10.503895811137095]
  大規模言語モデル(LLM)エージェントは、自動脆弱性修復にますます利用されている。 最近の実証的な結果は、これらのエージェントがいまだに現実世界の脆弱性と戦っていることを示している。 ContraFixは、再利用可能な修復スキルとランタイムエビデンスを結合するエージェントフレームワークである。
  論文  参考訳（メタデータ） (2026-05-17T13:48:25Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• Dynamic analysis enhances issue resolution [53.50448142467294]
  DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。 テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。 Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
  論文  参考訳（メタデータ） (2026-03-23T14:48:54Z)
• Probing Pre-trained Language Models on Code Changes: Insights from ReDef, a High-Confidence Just-in-Time Defect Prediction Dataset [0.0]
  本稿では,22の大規模C/C++プロジェクトから得られた関数レベル修正の信頼性の高いベンチマークであるReDefを紹介する。 欠陥ケースはコミットの反転によって固定され、クリーンケースはポストホック履歴チェックによって検証される。 このパイプラインは3,164の欠陥と10,268のクリーンな修正をもたらし、既存のリソースよりも信頼性の高いラベルを提供する。
  論文  参考訳（メタデータ） (2025-09-11T07:07:11Z)
• Are You Getting What You Pay For? Auditing Model Substitution in LLM APIs [71.7892165868749]
  LLM(Commercial Large Language Model) APIは基本的な信頼の問題を生み出します。 ユーザーは特定のモデルに課金するが、プロバイダが忠実に提供できることを保証することはない。 我々は,このモデル置換問題を定式化し,現実的な逆条件下での検出方法を評価する。 我々は,信頼された実行環境(TEE)を実用的で堅牢なソリューションとして使用し,評価する。
  論文  参考訳（メタデータ） (2025-04-07T03:57:41Z)
• Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
  AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。 AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
  論文  参考訳（メタデータ） (2021-09-25T22:53:24Z)

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。