SARC：代理人工智能系统的架构治理框架

代理人工智能系统越来越多地通过工具、子代理和外部服务来行动，但治理控制仍然通常附加到提示、仪表板或事后文档。这在监管环境中造成了结构性不匹配：必须限制执行的义务通常仅在执行发生后才进行评估。我们引入了 SARC，这是一种针对使用工具的代理的运行时治理架构，它将约束视为与状态、操作空间和奖励一起的一流规范对象。 SARC 规范声明每个约束的源、类、谓词、验证点、响应协议和操作点，并将它们编译为代理循环中的四个执行站点：动作前门、动作时监视器、动作后审核器和升级路由器。我们形式化了规范跟踪对应所需的最小不变量，展示了为什么有限奖励惩罚通常不能替代硬运行时约束，并通过约束传播、权限交叉和归因保留跟踪树将架构扩展到多代理工作流程。我们实施了一个原型审计检查器，并报告了超过 50 个种子的可重复综合评估，将 SARC 与采购任务的事后审计、输出过滤、工作流程规则和仅政策即代码基线进行比较。 SARC 在精确谓词下执行零硬约束违规；与仅策略即代码相比，其声明的 PAA 限制响应将软窗口超额减少了 89.5%。谓词噪声和执行失败扫描与 SARC 规模下的残留硬违规与执行堆栈错误而不是环境违规机会的说法一致。 SARC 提供了架构基础，通过该基础可以使义务在运行时可执行、可检查和可审计。