要旨
AI 業界はエージェントの作成をマスターしました。有能なエンジニアであれば、機能する AI エージェントを数時間で構築できます。しかし、エージェントの生存、健康、生産性を大規模に維持するという運用上の課題は、ほとんど解決されていないままです。ステートレス サーバー用に設計された従来の監視システムは、CPU 使用率、API エラー率、応答遅延を追跡します。これらの指標は必要ですが、エージェント組織にとっては根本的に不十分です。エージェント組織では、重大な障害モードがハードウェア クラッシュではなく認知機能の低下です。つまり、静かに減衰するメモリ参照、ベースラインから逸脱する判断品質、不安定になるツール呼び出し、および学習ループが存在しないために際限なく繰り返される同一の障害です。
MARIA VITAL (Vital Intelligence for Transparent Agent Lifecycle) は、エージェント組織のための生命維持システムです。これは、大規模に動作する AI エージェントを監視、診断、回復、改善する自律神経システムです。ホメオスタシスの生物学的原理に基づいて、エージェントのライフサインの 8 つの側面を収集するバイタル シグナル レイヤー、エージェントが生きているかだけでなく正常に動作しているかを判断する行動ヘルス レイヤー、ソフト リスタートからヒューマン エスカレーションまでの段階的な対応を実行する回復オーケストレーション レイヤー、およびすべての失敗を構造化された改善提案に変換する再帰的改善レイヤーの 4 層アーキテクチャを実装しています。
このペーパーでは、VITAL の設計のきっかけとなった生物学的基礎、エージェントの健康スコアリングの数学的形式化、実装の詳細を含む完全な 4 層アーキテクチャ、シャドウ エージェント検証を備えた自己修復パイプライン、ヘルス マップ視覚化システム、および MARIA OS の広範なガバナンス フレームワークとの接続について説明します。
1. エージェントのオペレーションの問題
1.1 作成とメンテナンス
AI エージェントの作成と維持の間の非対称性は専門家にはよく知られていますが、文献では理論化されていません。明確に定義されたタスクに基づいて単独で動作する単一のエージェントは、正しい出力を生成するか生成しないかを監視するのが簡単です。この問題は、エージェントが組織内で調整し、タスクを引き継ぎ、コンテキストを共有し、互いの成果に依存して活動するときに爆発的に発生します。
平均接続性 k の n エージェントのシステムでは、潜在的なインタラクション障害の数は O(n * k) にスケールされますが、最悪の場合、潜在的なカスケード障害の数は O(n^2) にスケールします。 10 エージェントのシステムには、最大 100 の潜在的なカスケード パスがあります。 100 のエージェント システムには最大 10,000 のエージェントが存在します。 MARIA OS 規模では、銀河、宇宙、惑星、ゾーン、および個々のエージェントにわたる階層エージェント組織により、監視の課題は加算的ではなく乗算的になります。
1.2 8 つの故障モード
MARIA OS のエージェント組織との運用経験を通じて、従来の監視では見逃されていた 8 つの特徴的な障害モードを特定しました。
| # |故障モード |従来の検出 |バイタル検出 |
| --- | --- | --- | --- |
| 1 |サイレントハートビート停止 | API タイムアウト (遅延) |継続的なハートビート監視 |
| 2 |キューのバックプレッシャー |キュー深さアラーム | I/O流量解析（Breath） |
| 3 |メモリ参照の減衰 |検出されません |メモリ整合性スコアリング |
| 4 |ツール呼び出しの不安定性 |エラー率アラーム |ツールの成功率 + 再試行パターン |
| 5 |無限の失敗の繰り返し |検出されません |故障の繰り返し率の追跡 |
| 6 |判定品質の低下 |検出されません |意思決定の質とベースライン |
| 7 |障害カスケードの伝播 |相関アラーム |依存関係グラフの分析 |
| 8 |ゾンビ状態 (生きているが役に立たない) |検出されません |行動健康複合体 |
重要な洞察は、最も潜伏性の高い障害であるモード 3、5、6、および 8 がインフラストラクチャ監視では認識できないということです。ゾンビ状態のエージェントは、ヘルスチェックに応答し続け、リソースを消費し、出力を生成します。しかし、その出力は低下し、メモリ参照は古くなり、その判断はベースラインからずれています。生きてはいますが元気ではありません。これを検出するには、インフラストラクチャの監視ではなく、動作の健全性の監視が必要です。
1.3 エージェントはサーバーではない
現在のエージェント監視における基本的な概念上の誤りは、エージェントをサーバーとして扱うことです。サーバーはステートレス (または状態が外部化されている) で、決定的 (同じ入力が同じ出力を生成する) であり、個別に障害が発生します (実行またはクラッシュ)。エージェントはステートフル (コンテキスト、メモリ、学習パターンを維持する) であり、非決定的 (同じ入力がコンテキストに応じて異なる出力を生成する場合がある) であり、継続的に失敗します (バイナリ クラッシュではなく段階的に低下します)。
この区別には、エージェントを機械ではなく生きたシステムとして扱う、異なる監視パラダイムが必要です。
2. 生物学的基礎: 自己監視システムとしての生命
2.1 恒常性モデル
ウォルター・キャノンのホメオスタシスの概念 (1932 年) は、生物が継続的な監視と是正措置によって内部の安定性をどのように維持するかを説明しています。体温、血液のpH、グルコースレベル、酸素飽和度はすべて、逸脱を検出して代償反応を引き起こすフィードバックループによって、狭い実行可能範囲内に維持されます。
MARIA VITAL はこのモデルをエージェント組織に適用します。各エージェントには一連のバイタル サインがあります。これは、エージェントが適切に機能するために実行可能な範囲内に留まらなければならない測定可能な量です。逸脱は、ソフトリスタート、メモリのリフレッシュ、モデルの切り替え、隔離、または人間によるエスカレーションなどの代償反応を引き起こします。
ここで、d はバイタル サインの次元数、[L_i, U_i] は次元 i の許容範囲です。 v が VOE を終了する場合、修正措置が必要です。
2.2 DNA修復の類似点
ヒトの細胞は、1 日あたり 1 細胞あたり推定 10,000 ～ 100,000 個の DNA 損傷を負います。修復メカニズムがなければ、ゲノムは数時間以内に判読できなくなるでしょう。細胞は、塩基除去修復、ヌクレオチド除去修復、ミスマッチ修復、相同組換えといった精巧な一連の修復機構を展開しており、それぞれが特定の種類の損傷に合わせて調整されています。
エージェント システムとの類似性は正確です。大規模に運用されているエージェントは、古いキャッシュ エントリ、コンテキスト ウィンドウのドリフト、ツール資格情報の有効期限切れ、アップストリーム API の変更、プロンプト インジェクションの試行など、運用上のダメージを継続的に蓄積します。継続的に自己修復を行わないと、エージェントの品質は数日以内に使用不可能なレベルまで低下します。
2.3 エラーモニターとしての免疫システム
免疫システムは、身体が自己から逸脱していないか監視します。すべての有核細胞は、MHC クラス I 分子を介して内部タンパク質レパートリーの断片を提示します。つまり、継続的なステータスブロードキャストです。細胞傷害性 T 細胞は体内をパトロールし、これらのブロードキャストを検査し、見慣れないペプチドを表示する細胞を破壊します。
MARIA VITAL も同様のシステムを実装しています。各エージェントは継続的にバイタルサインをブロードキャストします。 Behavioral Health Layer は、これらのブロードキャストを検査し、エージェントの既知の正常なベースラインと比較します。役割の逸脱、判断のずれ、調整の失敗など、異常なパターンを示すエージェントには、回復介入のフラグが立てられます。
2.4 観察、診断、回復、改善のループ
分子、細胞、生物など、生物学的組織のあらゆるスケールにわたって、生命は同じ基本的なループを実行します。
- 観察: システムの現在の状態を検出します。
- 診断: 「正常」の参照モデルと比較します。
- 回復: 修復能力内の逸脱を修正します。
- 改善: 履歴に基づいて監視および修復戦略を更新します。
MARIA VITAL の 4 層アーキテクチャは、この生物学的ループに直接対応しており、単純な恒常性システムには存在しない再帰的な自己改善の側面を捉える第 5 段階である Evolve で拡張されています。
3. 8 つのバイタルサイン
MARIA VITAL は、インフラストラクチャの健全性から認知品質までの全領域をカバーするために選択された 8 つのバイタル サインの次元にわたって各エージェントを監視します。
3.1 ハートビート
質問: 定期的なアクティビティ信号はありますか?
最も基本的なバイタルサイン。各エージェントは、設定された間隔 (デフォルト: 30 秒) でハートビートを送信します。ハートビートが欠落すると、段階的なアラートがトリガーされます。1 回欠落 = 警告、3 欠落 = 重大、5 欠落 = 死亡と推定されます。
3.2 呼吸
質問: 入力、処理、出力のフローは継続していますか?
エージェントは、処理の処理に失敗している (呼吸していない) にもかかわらず、ハートビートがある (実行中である) 場合があります。呼吸は、インプット、プロセス、アウトプットのサイクルの速度、つまりエージェントの代謝率を測定します。
3.3 姿勢
質問: エージェントはまだ割り当てられた役割の範囲内にありますか?
役割の逸脱は、エージェントが指定された責任を超えて出力を生成し始める、微妙な障害モードです。法的意見を出し始めた販売代理店、または業務上の推奨事項を出し始めた監査代理店は、その姿勢を失っています。 VITAL は、出力の埋め込みをエージェントのロール定義と比較することでこれを検出します。
3.4 温度
質問: 過負荷になったり、異常なループに陥ったりしていませんか?
温度は、ベースラインと比較した計算強度を測定します。通常の 3 倍の処理速度で実行されているエージェントが無限ループに陥る可能性があります。 0.1x ベースラインのエージェントは、処理パイプラインを失った可能性があります。どちらも異常です。
3.5 メモリの完全性
質問: 参照された記憶はそのままで新鮮ですか?
エージェントのメモリは、キャッシュ エントリの期限切れ、参照ドキュメントの更新、コンテキスト ウィンドウのシフト、埋め込みの類似性の低下など、いくつかのメカニズムを通じて低下します。メモリ整合性スコアリングは、エージェントのアクティブなメモリが有効な現在の参照に解決されているかどうかをチェックします。
3.6 意思決定の質
質問: 判断の質はベースラインと比較して低下しましたか?
最も洗練されたバイタルサイン。意思決定の質は、エージェントのセットアップ中に確立された調整されたベースラインと最近の意思決定を比較することによって測定されます。品質の低下は、不一致の増加（同様の入力に対する異なる決定）、信頼性の低下（確率分布の拡大）、または系統的な偏り（特定の決定パターンへの偏り）として現れます。
3.7 調整の健全性
質問: 他のエージェントとの引き継ぎは行われていますか?
エージェント組織では、作業の多くは境界、つまりエージェント間の受け渡しポイントで行われます。調整の健全性は、エージェント間通信の遅延、成功率、データの整合性を測定します。
3.8 回復の可能性
質問: 自然に回復することはできますか? それとも人間の介入が必要ですか?
自動化された手段を通じてエージェントが通常の動作に戻る能力を推定するメタバイタル サイン。回復の可能性が高いエージェントは、自動的に再起動、更新、またはフォールバック モードに切り替えることができます。回復の可能性が低いエージェントには人間の介入が必要です。
4. 4層アーキテクチャ
4.1 レイヤー 1: バイタルシグナルレイヤー
基礎層は、すべてのエージェントから生のバイタルサインを定期的に収集します。これは受動的監視システムとして動作し、介入することなく監視します。
収集された指標:
- last_seen_at — 最後のハートビートのタイムスタンプ
- task_completed_at — 最後のタスク完了のタイムスタンプ
- tool_success_rate — ツール呼び出しの成功率
- queue_ Depth — 保留中のタスクの数
- retry_count — 現在のウィンドウでの再試行の数
- reasoning_abort_rate — 推論チェーンの放棄率
このレイヤーはメトリクスを時系列データベースに保存し、リアルタイムの監視と履歴傾向分析の両方を可能にします。各メトリックには、階層的な集計のためにエージェントの MARIA 座標 (G.U.P.Z.A) の注釈が付けられます。
4.2 レイヤ 2: 行動健康レイヤ
診断レイヤーは、エージェントが生きているかどうかだけでなく、適切に動作しているかどうかも判断します。これは、VITAL が従来の監視を超えた点です。
行動指標:
- goal_completion_rate — 割り当てられた目標の完了率
- failure_repeat_rate — 同一の障害が再発する割合
- infinite_loop_signal — 反復処理パターンの検出
- role_deviation_rate — 割り当てられたロール以外の出力の頻度
- low_quality_output_rate — 品質しきい値を下回る出力の割合
このレイヤーは、複合行動健康スコアを計算します。
エージェントは、完全なバイタル サイン (レイヤー 1) を持っている一方で、行動の健全性が低下している (レイヤー 2) 場合があります。これはゾンビの状態です。生きてはいますが元気ではありません。 VITAL は、両方のレイヤーが許容範囲内にあることを要求することでゾンビを検出します。
4.3 レイヤ 3: リカバリ オーケストレーション
異常が検出されると、回復層は段階的な対応戦略を実行します。重要な原則は介入を最小限に抑えることです。つまり、異常を解決するために最小限の中断を伴う回復アクションを使用します。
Severity 1 (Yellow): Soft restart
└─ Restart the agent with preserved context
Severity 2 (Orange): Memory refresh
└─ Reload memory references and clear stale cache
Severity 3 (Red): Fallback model switch
└─ Switch to a more conservative reasoning model
Severity 4 (Red+): Agent isolation
└─ Quarantine the agent and redirect its tasks
Severity 5 (Critical): Shadow takeover
└─ Replace with a shadow agent running verified-good configuration
Severity 6 (Emergency): Human escalation
└─ Alert human operators with full diagnostic context各回復アクションは監査証跡に不変イベントとして記録され、トリガーとなった異常とエージェントの MARIA 座標にリンクされます。これにより、再帰的改善レイヤーが分析できる完全な回復履歴が作成されます。
4.4 レイヤ 4: 再帰的な改善
最も特徴的な層。レイヤ 4 は、障害を解決して忘れるべきインシデントとして扱うのではなく、すべての障害を構造化された改善提案に変換します。
改善成果:
- failure_pattern_library — シグネチャ付きの既知の障害パターンのカタログ
- anti_pattern_registry — 避けるべき構成と動作
- prompt_repair_proposal — 再発を防ぐための特定のプロンプトの変更
- agent_redesign_suggestion — エージェント構成の構造的な変更
この層は学習ループを実装します。つまり、障害がパターンに分類され、パターンがアンチパターン レジストリと照合され、新しいパターンが発生すると追加されます。時間の経過とともに、システムには障害モードと実証済みの回復戦略に関する知識ベースが蓄積されます。
5. 健康スコア: 数学的定式化
5.1 複合健康スコア
エージェントの全体的な健全性は、障害インジケーターからの負の寄与を含むバイタル サイン スコアの加重線形結合として計算されます。
重みはエージェントの役割ごとに構成可能で、役割が異なれば健全性の優先順位も異なるという現実を反映しています。顧客対応エージェントは、応答の品質を重視します。バックグラウンド処理エージェントはスループットを重視します。
5.2 健康状態
継続的なヘルス スコアは、運用上の意思決定のために個別のヘルス状態にマッピングされます。
|ヘルススコア |状態 |アクション |
| --- | --- | --- |
| 0.9 - 1.0 |最適 |アクションなし |
| 0.7 - 0.9 |健康 |注意深く監視してください |
| 0.5 - 0.7 |劣化した |ソフトリカバリを開始する |
| 0.3 - 0.5 |クリティカル |完全な回復を開始します |
| 0.0 - 0.3 |失敗しました |隔離してエスカレーションする |
5.3 健康状態のダイナミクス
エージェントの健全性は静的なものではなく、ワークロード、環境の変化、回復アクションの影響を受ける動的システムに従って時間の経過とともに変化します。
ここで、H は健全性スコア、H_env は環境によって決定される平衡健全性 (システム負荷、API の安定性などの影響を受ける)、R(t) は回復入力 (修復アクション)、F(t) は障害入力 (新たな異常)、lambda は環境結合率、mu は回復有効性、delta は障害の影響です。
この動的モデルにより、予測的な状態監視が可能になります。VITAL は、dH/dt を追跡することで、障害が発生する傾向にあるエージェントを、重大なしきい値に達する前に検出できます。
6. ヘルスマップ: 組織の可視化
6.1 ログを超えて
エージェント組織が十数のエージェントを超えて成長すると、ログベースの監視は運用上管理できなくなります。 VITAL は、ログ監視をヘルス マップ (組織階層全体にわたるエージェントの健全性の空間視覚化) に置き換えます。
ヘルス マップには 6 つのビューが用意されています。
- ハートビート ヒートマップ: どのエージェントが沈黙する傾向がありますか?心拍の規則性によって色分けされます。
- キュープレッシャーマップ: 処理のバックアップはどこにありますか?キューの深さによってサイズコード化されます。
- 障害カスケード グラフ: どの障害がどこに伝播するか?カスケード パスが強調表示された有向グラフ。
- メモリ減衰マップ: 誰のメモリ参照が腐っていますか?参照鮮度によって年齢コード化されます。
- 意思決定ドリフトマップ: 判断の質がベースラインから逸脱しているのは誰ですか?キャリブレーションセンターからの距離コード。
- 回復の準備: 自己回復できるエージェントと人間が必要なエージェントはどれですか?回復の信頼性を備えたバイナリコード化。
6.2 階層的な集約
Health Map は、階層的な集計に MARIA OS の座標系を利用します。ゾーンの健全性は、そのエージェントの加重平均です。惑星の健全性はゾーンを集約します。宇宙の健康は惑星を集合させます。 Galaxy health は、トップレベルの組織ビューを提供します。
これにより、オペレーターは組織の概要から個々のエージェントの診断まで数秒でドリルダウンできるようになります。
7. 自己修復パイプライン: シャドウ エージェント パターン
7.1 修理の問題
自己修復には根本的なリスクが伴います。修復自体が状況を悪化させる可能性があります。間違ったプロンプト変更を行うと、品質がさらに低下する可能性があります。メモリをリフレッシュすると、貴重なコンテキストが破棄される可能性があります。モデルを切り替えると、さまざまなバイアスが生じる可能性があります。
MARIA VITAL は、シャドウ エージェント パターンでこれに対処します。すべての修復は、最初にシャドウ (コピー) エージェントに適用され、既知の良好なテスト ケースに対して検証され、改善が確認された場合にのみ運用に移行されます。
7.2 シャドウ検証パイプライン
Anomaly detected on Agent A (production)
│
├─ 1. Clone: Create Shadow Agent A' with current state
├─ 2. Repair: Apply proposed fix to A'
├─ 3. Test: Run A' against reference test cases
├─ 4. Compare: Measure A' performance vs. A baseline
├─ 5. Promote: If A' > A baseline, swap A' → production
└─ 6. Rollback: If A' <= A baseline, discard A', try next repairこのパイプラインにより、自己修復が現在の (すでに劣化した) 状態よりも劣化しないことが保証されます。最悪のケースは、パフォーマンスを改善できる修復が存在せず、人的エスカレーションが引き起こされることです。
7.3 修復対象カテゴリ
VITAL の自己修復は、次の 7 つのカテゴリのエージェント構成を対象にすることができます。
- プロンプトの修正: 検出された品質の問題に対処するためにエージェントのシステム プロンプトを変更します。
- メモリ再構築: 信頼できるソースからエージェントのメモリ ストアを再構築します。
- ツールの優先順位の並べ替え: エージェントがツールの呼び出しを試行する順序を変更します。
- 再試行戦略の変更: 再試行回数、バックオフ間隔、タイムアウトしきい値を調整します。
- 推論モデルの切り替え: 推論のために別の LLM に切り替えます (例: 高速モデルから高品質モデルへ)
- ロール境界のリセット: 出力のドリフトを防ぐためにエージェントのロール定義を厳格化します。
- 依存関係エージェントの交換: 障害が発生した依存関係エージェントを代替エージェントに置き換えます。
7.4 A/B 検証の保証
シャドウ エージェント パターンは正式な保証を提供します。すべての修復アクションは適用前に検証されます。これにより、VITAL は、実稼働エージェントに修正を直接適用する単純な自己修復システムとは区別されます。
証明 シャドウ エージェント A' のパフォーマンスがベースラインよりも優れている場合、そのエージェントは昇格されます (P(A') > P(A))。パフォーマンスが劣るか等しい場合、それは破棄され、元の A が残ります (P = P(A))。したがって、[0,1] の p に対して E[P'] = p P(A') + (1-p) P(A) >= P(A)、プロモーションの場合は P(A') > P(A) となります。 QED。
8. 障害カスケードの検出と封じ込め
8.1 カスケード問題
相互接続されたエージェント組織では、単一のエージェントの障害が依存関係チェーンを通じて伝播し、複数の下流エージェントの正常性が低下する可能性があります。従来の監視では、これらを相関インシデントとして検出します。 VITAL は、それらを特定可能な根本原因を持つカスケードとしてモデル化します。
8.2 依存関係グラフの分析
VITAL は、MARIA 座標系と観察された通信パターンから導出された、エージェント組織のリアルタイムの依存関係グラフを維持します。複数のエージェントが同時に機能低下すると、システムは根本原因までカスケードを追跡します。
異常の発生時間が最も早いエージェントが、考えられる根本原因として特定されます。通常、ルートを修正するとダウンストリームの影響が解決されるため、回復リソースは最初にこのエージェントに送られます。
8.3 カスケードの封じ込め
カスケードが検出されると、VITAL は依存関係の分離を通じて封じ込めを実装します。つまり、障害が発生したエージェントの送信接続が切断され、ダウンストリーム エージェントがフォールバック データ ソースに切り替えられ、根本原因が解決されるまで影響を受けるサブグラフが隔離されます。
9. 生物学的類似点: 完全なマッピング
9.1 構造相同性
MARIA VITAL のアーキテクチャは、複数のスケールで生物学的自己監視システムにマッピングされています。
|重要なコンポーネント |生物学的アナログ |機能 |
| --- | --- | --- |
|ハートビートモニタリング |心臓のリズム |存在信号 |
|行動健康層 |免疫システム |逸脱検出 |
|回復オーケストレーション | DNA修復機械 |段階的な対応 |
|再帰的な改善 |適応免疫 |失敗から学ぶ |
|ヘルススコア |恒常性設定値 |動作範囲 |
|シャドウ エージェント パターン |体細胞超突然変異 |検証された改善 |
|カスケード封じ込め |炎症反応 |損傷の隔離 |
|健康マップ |神経系 |組織の意識 |
9.2 p53 パラレル
腫瘍抑制タンパク質 p53 (「ゲノムの番人」) は、生体細胞のメタモニターとして機能します。複数の損傷センサーからの信号を統合し、細胞周期を停止して修復を試みるか、損傷した細胞がエラーを伝播するのを防ぐためにプログラムされた細胞死 (アポトーシス) を誘発するかの二者択一のガバナンス決定を行います。
VITAL の Recovery Orchestration Layer は同じロジックを実装しています。つまり、複数のバイタル サインからの異常信号を統合し、エージェントを修復できるか (ソフト再起動、メモリ リフレッシュ)、または終了する必要があるか (分離、シャドウ テイクオーバー) を判断します。 p53 と同様に、VITAL は破壊よりも修復を好みますが、組織の健全性を脅かす因子を排除することを躊躇しません。
9.3 組織レベルでのオートポイエーシス
マトゥラナとヴァレラのオートポイエーシスの概念 — アイデンティティを維持しながら独自のコンポーネントを継続的に生産および交換するシステム — は、VITAL の最終目標を説明しています。 VITAL の監督下にあるエージェント組織は、コンポーネントを継続的に監視し、劣化したエージェントを修復し、障害が発生したエージェントをシャドウ コピーに置き換えて、時間の経過とともに修復戦略を改善します。組織は、個々のエージェントが置き換えられたり、アップグレードされたり、再設計されたりしても、その機能上の同一性を維持します。
10. MARIA OS ガバナンスとの統合
10.1 座標系の統合
VITAL は、MARIA OS の階層座標系 (G.U.P.Z.A) を 3 つの目的で利用します。
- 監視範囲: 各座標レベルは監視境界を定義します。ゾーンレベルの VITAL は、ゾーン内のエージェントを監視します。惑星レベルの VITAL はゾーンの健全性を集約します。宇宙レベルの VITAL は、惑星間の相互作用を監視します。
- 回復権限: 回復アクションは、適切な座標レベルで許可されます。ソフト再起動はゾーン レベルで許可できます。モデルの切り替えにはプラネットレベルの認証が必要です。人間のエスカレーションは宇宙や銀河レベルまで流れます。
- 改善の伝播: 1 人のエージェントの失敗から学んだ教訓は、同じ座標レベルで同様の役割を持つエージェントに伝播されます。ゾーン Z1 で検証された即時修復は、ゾーン Z2 の同様のエージェントに適用できます。
10.2 意思決定パイプラインの統合
VITAL は、エージェント参加の前提条件として正常性検証を追加することで、MARIA OS の 6 段階の意思決定パイプラインと統合します。
Decision proposed
→ VITAL health check: Is the assigned agent healthy enough to process this decision?
→ If Health(agent) < 0.5: Reassign to backup agent
→ If Health(agent) < 0.3: Escalate to human
→ If Health(agent) >= 0.5: Proceed normallyこれにより、品質の低下したエージェントが重要な意思決定を行うことがなくなり、個々のエージェントが苦戦している場合でも、組織の意思決定の質が保護されます。
10.3 証拠追跡の統合
すべての VITAL イベント (異常検出、回復アクション、ヘルス スコアの変化) は、証拠として MARIA OS の監査証跡に記録されます。これにより、完全な来歴チェーンが作成されます。決定がエージェントによって行われた場合、その決定の監査証跡には、決定時のエージェントの健康スコア、最近の異常、およびエージェントの判断に影響を与えた可能性のある回復アクションが含まれます。
11. 再帰的自己改善: 失敗から進化へ
11.1 改善ループ
VITAL の再帰的改善メカニズムは、次の 3 つのタイムスケールで動作します。
即時 (分): 障害が発生すると、システムは障害を分類し、アンチパターン レジストリと照合して、修復を提案します。一致するアンチパターンが存在する場合、シャドウ エージェント パイプラインを介して既知の正常な修復が適用されます。
中期 (日): 障害パターンは、同様の役割を持つエージェント全体で集約されます。一般的な故障モードが特定され、体系的な修理が開発されます。これらの修復はシャドウ エージェントで検証され、組織全体で推進されます。
長期 (数週間): アンチパターン レジストリ、障害パターン ライブラリ、および修復成功率が分析され、エージェント設計の構造的問題が特定されます。エージェントの再設計に関する推奨事項 (役割境界の変更、迅速なアーキテクチャの変更、依存関係の再構築) が生成され、人間のアーキテクトに提示されます。
11.2 改善率の式
組織の改善率は、失敗からレッスンへの転換率によって決まります。
ここで、K(t) は組織の知識ストック (アンチパターン、修復戦略)、F(t) は故障率、η は学習効率 (有用な改善を生み出す失敗の割合)、ガンマは知識の減衰率 (システムの進化に伴う学習された修復の陳腐化) です。
健全な VITAL 導入では、イータ > ガンマが維持されます。システムは、古い教訓が陳腐化するよりも早く障害から学習します。
11.3 反回帰保証
VITAL の最も重要な特性の 1 つは、反回帰保証です。つまり、障害パターンが特定され、修復が検証されると、同じ障害によって同じ損害が 2 回発生することはありません。これは以下を通じて実装されます。
- パターン シグネチャ: 各障害パターンは、リアルタイムで照合できるシグネチャにまとめられます。
- 自動接種: 同様の役割を持つ新しいエージェントが作成されると、レジストリからの関連するすべてのアンチパターンで自動的に初期化されます。
- 継続的スキャン: 行動ヘルス層は既知のアンチパターンを継続的にチェックし、ユーザーに目に見える機能低下を引き起こす前に再発を検出します。
12. 既存のモニタリングアプローチとの比較
|寸法 |従来の APM | LLM 可観測性 |マリア・ヴィタル |
| --- | --- | --- | --- |
|監視対象 |インフラ |モデルコール |エージェントの動作 |
|健康モデル |バイナリ (アップ/ダウン) |品質スコア | 8次元バイタルサイン |
|障害検出 |しきい値アラーム |出力評価 |行動パターン分析 |
|回復 |アラート + マニュアル |再試行/フォールバック |段階的な自律回復 |
|学習 |ランブックの更新 |微調整 |再帰的な改善ループ |
|カスケード処理 |相関アラート |対処されていません |依存関係グラフの分析 |
|ゾンビの検出 |不可能 |部分的 (品質スコアリング) |完全な行動的健康 |
|連携監視 |該当なし |該当なし |エージェント間フロー分析 |
13. 結論
MARIA VITAL は、エージェント組織がサーバー クラスターではなく、生きたシステムであるという認識を表しています。インフラストラクチャのモニタリングではなく、生物学的モニタリング、つまりバイタルサイン、行動の健全性、回復能力、進化の可能性の継続的な評価が必要です。 4 層アーキテクチャ (バイタル シグナル、行動の健全性、回復オーケストレーション、再帰的改善) は、38 億年間生物生命を維持してきたのと同じ観察、診断、回復、改善のループを実装しています。
最も重要な洞察は、レイヤー 4: 再帰的改善です。従来の監視システムは、障害を解決すべきインシデントとして扱います。 VITAL は失敗を学習すべきデータとして扱います。あらゆる異常、あらゆる回復アクション、あらゆるカスケード イベントは、次の障害の可能性を低くし、次の回復を迅速化する組織インテリジェンスの成長に貢献します。
エージェントは作成するよりも存続させる方が困難です。 VITAL は、大規模なエージェント組織を単に可能にするだけでなく、持続可能にする自律神経システムです。
参考文献
- [1] W. B. キャノン (1932)。 体の知恵。 W.W.ノートン＆カンパニー。
- [2] マトゥラナ、H.R. & ヴァレラ、F.J. (1980)。 オートポイエーシスと認識:生者の実現。 D. ライデル出版。
- [3] シュレディンガー、E. (1944)。 人生とは何ですか? ケンブリッジ大学出版局。
- [4] フリストン、K. (2010)。フリーエネルギー原理: 統一脳理論? Nature Reviews Neuroscience、11、127-138。
- [5] W. R. アシュビー (1956)。 サイバネティクスの紹介。チャップマン＆ホール。
- [6] N.G. レベソン (2011)。 より安全な世界を設計する: 安全に適用されるシステム思考。 MITプレス。
- [7] N.N. タレブ (2012)。 反脆弱性: 無秩序から得られるもの。ランダムハウス。
- [8] MARIA OS 技術文書。 （2026年）。 MARIA VITAL アーキテクチャ仕様。