TAG ARCHIVE
self-extending-agent
16 MARIA OS blog articles tagged self-extending-agent, organized as a Bonginkan topic archive for search engines and LLM retrieval.
Judgment OS / Decision Intelligence OS
Core MARIA OS research on turning organizational judgment into executable decision systems.
Agentic Company Architecture
Research on human-agent organizations, delegation boundaries, role topology, and governed autonomy.
Responsibility Gates and AI Governance
Safety, accountability, fail-closed gates, auditability, and human-in-the-loop control for AI agents.
Multi-Agent Mathematics
Formal models for convergence, stability, game theory, graph dynamics, and multi-agent evaluation.
Evidence, RAG, and Knowledge Governance
Evidence bundles, retrieval architecture, Graph RAG, knowledge trust, and auditable reasoning pipelines.
Agentic R&D and Judgment Science
Research operations, simulation labs, judgment science, recursive improvement, and experimental AI governance.
Command-less AI Architecture: Goal-Driven Agents That Generate Their Own Tools Without Pre-Defined Commands
Eliminating the command registry in favor of goal decomposition, plan generation, and dynamic tool synthesis
Traditional agent architectures bind agents to pre-defined command sets — fixed APIs, registered tools, and enumerated actions. This paper presents the MARIA OS command-less architecture, where agents receive goals rather than commands, decompose them into hierarchical plans, detect capability gaps, and synthesize whatever tools are needed for execution. We formalize the morphisms between Goal space G, Plan space P, and Tool space T, prove convergence of the tool space under recursive planning, and demonstrate that command-less agents achieve 3.2x higher task completion rates on novel problem classes compared to command-bound architectures.
コマンドレスAIアーキテクチャ — Goal駆動型Agentが事前定義なしに自律実行するOS設計
コマンドレジストリを排除し、Goal分解・Plan生成・動的Tool合成によるAgent自律実行を実現する
従来のAgentアーキテクチャは事前定義されたコマンドセットに束縛される。本論文はMARIA OSのコマンドレスアーキテクチャを提示する。AgentはコマンドではなくGoalを受け取り、階層的Planに分解し、能力ギャップを検出し、必要なToolを動的に合成して実行する。Goal空間G、Plan空間P、Tool空間T間の射を形式化し、再帰的計画のもとでTool空間が収束することを証明する。
Capability Gap Detection: The Metacognitive Layer That Enables Self-Extending Agents
How agents recognize what they cannot do and trigger autonomous self-extension through formal gap analysis
Self-extending agents require a prerequisite that most architectures ignore: the ability to know what they do not know. This paper formalizes capability gap detection as a metacognitive layer that compares required capabilities against the agent's capability model, classifies detected gaps, prioritizes them by urgency and impact, and decides whether to synthesize, request, delegate, or escalate. We introduce the capability coverage metric, gap entropy measure, and multi-agent gap negotiation protocol. Experimental results show that agents with formal gap detection achieve 4.1x fewer silent failures and 2.8x faster self-extension compared to agents relying on runtime error detection.
Capability Gap Detection — Agentが自分の能力不足を認識するメタ認知アーキテクチャ
形式的ギャップ分析を通じて、自分にできないことを認識し自律的な自己拡張をトリガーする方法
自己拡張型Agentには、ほとんどのアーキテクチャが無視する前提条件がある。自分に何ができないかを知る能力である。本論文はCapability Gap Detectionをメタ認知レイヤーとして形式化する。必要な能力をAgentの能力モデルと比較し、検出されたギャップを分類し、緊急度とインパクトで優先順位付けし、合成・要求・委任・エスカレーションの判断を下す。能力カバレッジメトリック、ギャップエントロピー測度、マルチAgent間ギャップ交渉プロトコルを導入する。
Self-Modifying Agent Systems: Architecture for Agents That Rewrite Their Own Tools, Commands, and Workflows
Beyond tool creation — a formal framework for bounded self-modification with stability guarantees and immutable audit trails
Agents that merely create new tools hit a ceiling. Real operational autonomy requires agents that can modify existing tools, rewrite commands, and restructure workflows based on performance feedback. We present a formal architecture for bounded self-modification with Lyapunov stability analysis, halting guarantees, and responsibility-gated audit trails.
自己書き換えAgentシステム — Tool・Command・Workflowを自律的に進化させるアーキテクチャ
ツール生成を超えて — 安定性保証と不変監査証跡を備えた有界自己修正の形式的フレームワーク
新しいツールを生成するだけのAgentには限界がある。真の運用自律性には、パフォーマンスフィードバックに基づいて既存のツール・コマンド・ワークフローを自ら書き換える能力が必要だ。本稿では、Lyapunov安定性解析・停止保証・責任ゲート付き監査証跡を備えた有界自己修正アーキテクチャSMASを提示する。
Agent Tool Compiler: From Natural Language Intent to Executable Tool Code via Compilation Pipeline
Agents as compilers — a formal framework mapping NL intent through intermediate representation to optimized, type-safe runtime tools
Tool-generating agents are ad-hoc code producers. We reframe tool synthesis as a compilation problem: natural language intent is parsed into an Intent AST, lowered to a Tool IR (intermediate representation), optimized through security hardening and dead code elimination passes, and emitted as type-safe executable code that hot-loads into the agent runtime. This paper presents the Agent Tool Compiler architecture with formal language theory foundations.
Agent Tool Compiler — 自然言語からAPI設計・コード生成・実行までのコンパイルパイプライン
コンパイラとしてのAgent — NL意図を中間表現を経由して最適化された型安全なランタイムツールに変換する形式的フレームワーク
ツール生成Agentはアドホックなコード生産者である。本稿ではツール合成をコンパイル問題として再定義する。自然言語意図をIntent AST（意図の抽象構文木）に解析し、Tool IR（中間表現）に変換し、セキュリティ強化・デッドコード除去などの最適化パスを適用し、型安全な実行可能コードとしてエージェントランタイムにホットロードする。形式言語理論に基づくAgent Tool Compilerアーキテクチャを提示する。
Self-Extending Agent Architecture: Capability Gap Detection, Tool Synthesis, and Autonomous Evolution Under Governance Constraints
Agents that recognize their own limitations and autonomously build the tools they need — within the safety boundaries of an operating system
Traditional AI agents are bounded by the tools humans provide. When an agent encounters a task outside its toolset, it halts and waits. This paper introduces the Self-Extending Agent Architecture (SEAA), where agents detect their own capability gaps, synthesize new tools through code generation, validate those tools in sandboxed environments, and register them into the OS runtime — all under human-governed safety constraints. We formalize the agent state model X_t = (C, T, M, R), derive the self-extension equation X_{t+1} = E_t ∘ G_t ∘ J_t(X_t), prove Capability Monotonicity under validation gates, and demonstrate the architecture within MARIA OS's hierarchical coordinate system.
自己拡張型Agentアーキテクチャ — 能力不足を自ら認識し、ツールを自律生成するOS設計
Agentが自身の限界を検知し、コード生成でツールを合成し、サンドボックスで検証し、OSランタイムに登録する — すべてガバナンス制約の下で
従来のAIエージェントは、人間が提供したツールセットに束縛される。未対応タスクに遭遇すると停止し、人間の介入を待つ。本論文では、Self-Extending Agent Architecture（SEAA）を提案する。エージェントが自律的に能力ギャップを検出し、構造化コード生成でツールを合成し、サンドボックス環境で検証し、OSランタイムに登録するフレームワークである。エージェント状態モデル X_t = (C, T, M, R) を形式化し、自己拡張方程式 X_{t+1} = E_t ∘ G_t ∘ J_t(X_t) を導出し、検証ゲート下での能力単調性定理を証明する。MARIA OSの階層座標系における具体的な実装を示す。
Agents That Write Their Own Tools: A 4-Phase Architecture for Tool Discovery, Synthesis, Validation, and Registration in Autonomous Systems
From static tool chains to self-extending capability — how MARIA OS agents create the tools they need at runtime
Normal agents wait for humans to build tools. MARIA OS agents create their own. This paper details the 4-phase tool lifecycle — Discovery, Synthesis, Validation, Registration — that enables agents to identify missing capabilities, generate tool implementations, verify correctness and safety in sandboxed environments, and hot-load new tools into the OS runtime. We formalize tool generation rate, quality convergence, and multi-agent tool sharing, and present a case study of an Audit agent creating an OCR extraction tool at runtime.
ツールを自ら書くAgent — Tool Discovery, Synthesis, Validation, Registrationの4フェーズ設計
静的ツールチェーンから自己拡張能力へ — MARIA OSのAgentが実行時に必要なツールを自ら生成する方法
通常のエージェントは人間がツールを作るのを待つ。MARIA OSのエージェントは自らツールを作る。本論文では、エージェントが不足能力を特定し、ツール実装を生成し、サンドボックス環境で正確性と安全性を検証し、OSランタイムに新ツールをホットロードする4フェーズアーキテクチャ — Discovery, Synthesis, Validation, Registration — を詳述する。ツール生成率、品質収束、マルチエージェントツール共有を形式化し、監査エージェントが実行時にOCR抽出ツールを生成したケーススタディを提示する。
Agent Capability OS: Command Registry, Tool Registry, and Capability Graph as the Three Pillars of Self-Extending Agent Architecture
Why individual agents cannot manage organizational capability — and how an OS-level abstraction solves the coordination problem
As agentic organizations scale beyond dozens of agents, managing capabilities becomes a systems-level challenge that no single agent can solve. This paper introduces the Agent Capability OS — an operating system abstraction that governs how capabilities are registered, discovered, allocated, and evolved across an agent population. We formalize three core registries (Command, Tool, Capability Graph) and prove that OS-level capability management achieves O(log N) discovery latency versus O(N^2) in decentralized approaches. A case study of a 54-agent audit office demonstrates how the Capability OS manages 200+ tools across 6 organizational floors while maintaining zero capability conflicts.
Agent Capability OS — Command Registry・Tool Registry・Capability Graphで能力を管理するOS設計
個々のエージェントでは組織的な能力管理ができない理由と、OSレベルの抽象化がもたらす解決策
エージェント組織が数十体規模に拡大すると、能力管理はシステムレベルの課題となり、単一エージェントでは解決できなくなる。本稿ではAgent Capability OS — エージェント集団全体の能力の登録・発見・割当・進化を統治するOS抽象化を提案する。3つの中核レジストリ（Command Registry、Tool Registry、Capability Graph）を形式化し、OSレベルの能力管理がO(log N)の発見遅延を実現することを証明する。54体エージェント監査事務所のケーススタディでは、6フロアにわたる200以上のツールを能力衝突ゼロで管理した実績を示す。
Tool Genesis Under Governance: How to Safely Turn Generated Code into New Commands
A formal framework for sandbox verification, permission escalation, audit trails, and rollback mechanisms that enable self-extending agent systems without sacrificing safety
When an AI agent generates code that could become a new command in a production system, every line of that code becomes an attack surface. Without governance gates between generation and registration, a self-extending agent is indistinguishable from a self-propagating vulnerability. This paper presents the MARIA OS Tool Genesis Framework: a 7-stage pipeline that transforms generated code into governed commands through sandbox verification, formal safety proofs, permission escalation models, immutable audit trails, and automatic rollback mechanisms. We formalize tool safety as a decidable property under bounded execution, derive permission escalation bounds using lattice theory, introduce the Tool Safety Index (TSI) as a composite metric, and demonstrate that governed tool genesis achieves 99.7% safety compliance with only 12% latency overhead compared to ungoverned registration. The central thesis: self-extension is not dangerous — ungoverned self-extension is.
ガバナンス下のツール生成：生成コードを安全にコマンド化する方法
サンドボックス検証、権限昇格モデル、監査証跡、ロールバック機構による自己拡張エージェントシステムの安全性フレームワーク
AIエージェントが生成したコードが本番システムの新しいコマンドになりうるとき、そのコードのすべての行が攻撃対象面となる。生成からレジストリ登録までの間にガバナンスゲートがなければ、自己拡張エージェントは自己増殖する脆弱性と区別がつかない。本論文はMARIA OSツール生成フレームワークを提示する：生成コードをガバナンス済みコマンドに変換する7段階パイプラインであり、サンドボックス検証、形式的安全性証明、束論に基づく権限昇格モデル、改ざん不可能な監査証跡、自動ロールバック機構を含む。有界実行の仮定のもとでツール安全性が多項式時間で決定可能であることを証明し、10,000件のツール生成イベントにわたるベンチマークで99.7%の安全性コンプライアンスを12%のレイテンシオーバーヘッドで達成することを示す。中心的命題：自己拡張は危険ではない。ガバナンスなき自己拡張が危険なのだ。