arXiv:2606.20570v1 cs.NI

에이전틱 웹을 위한 인프라: Agentverse 플랫폼 기반 격차 분석 및 아키텍처

Infrastructure for the Agentic Web: Gap Analysis and Architecture from the Agentverse Platform

Robin Dey, Panyanon Viradecha

제출 2026-04-26

한국어 초록

자율 AI 에이전트가 디지털 인프라의 일급 참여자로 등장하는 것은 웹 진화의 근본적인 전환점을 나타낸다. 에이전트 행동과 추론에 상당한 연구가 이루어졌지만, 에이전트가 대규모에서 신뢰성 있게 작동하는 데 필요한 인프라에는 비교적 적은 관심이 기울여졌다. 본 논문은 Artificial Superintelligence(ASI) Alliance 산하 Fetch.ai가 개발한 에이전트 클라우드 플랫폼 Agentverse에 대한 체계적 분석을 통해 그 격차를 다루며, 이는 현재 이용 가능한 에이전트 네이티브 인프라의 가장 성숙한 프로덕션 배포 중 하나를 대표한다. 우리는 세 가지 주요 기여를 한다. 첫째, Agentverse 플랫폼에 대한 실증 감사를 수행하여 204개의 API 엔드포인트(Q1 2026)를 목록화하고, 운영 중·부분 배포·부재 상태를 특성화한다. 이 감사를 통해 에이전트 메모리와 관측 가능성(observability)에서 보안, 경제적 프리미티브, 엔터프라이즈 스케일링에 이르는 62가지 뚜렷한 부재 역량을 포괄하는 8개 범주의 Gap Taxonomy(격차 분류체계)를 도출한다. 둘째, 식별한 구체적 격차에 근거하여 2030년까지 완전히 실현된 에이전트 네이티브 클라우드가 제공해야 할 요건에 대한 참조 아키텍처인 7층 Agent Cloud Stack(에이전트 클라우드 스택)을 제안한다. 셋째, 다섯 가지 핵심 진화 경로를 특성화한다: 일시적 저장소에서 완전한 Agent Memory Cloud(에이전트 메모리 클라우드)로, 키워드 기반 발견에서 의미론적·신뢰 가중 Agent DNS(에이전트 DNS)로, 단일 프로토콜 모델에서 다중 표준 에이전트 lingua franca(공용어)로, 단일 인스턴스 호스팅에서 Kubernetes 규모 오케스트레이션으로, 단순 토큰(token) 결제에서 풍부한 에이전트 경제적 프리미티브로. 이들 기여를 종합하면 현재 에이전트 인프라에 대한 진단과, 2030년까지 에이전틱 웹—Web4—을 지원하기 위해 에이전트 클라우드가 갖추어야 할 모습에 대한 기술적으로 근거 있는 비전을 제공한다.

원문 초록

The emergence of autonomous AI agents as first-class participants in digital infrastructure marks a fundamental inflection point in the evolution of the Web. While significant research has been directed at agent behaviour and reasoning, comparatively little attention has been paid to the infrastructure those agents require to operate reliably at scale. This paper addresses that gap with a systematic analysis of Agentverse, the agent cloud platform developed by Fetch.ai under the Artificial Superintelligence (ASI) Alliance, which represents one of the most mature production deployments of agent-native infrastructure available today. We make three principal contributions. First, we conduct an empirical audit of the Agentverse platform, cataloguing 204 API endpoints (Q1 2026) and characterising what is operational, partially deployed, or absent. From this audit we derive a Gap Taxonomy of eight categories encompassing 62 distinct missing capabilities, ranging from agent memory and observability to security, economic primitives, and enterprise scaling. Second, we propose a seven-layer Agent Cloud Stack -- a reference architecture for what a fully realised agent-native cloud should provide by 2030, grounded in the specific gaps we identify. Third, we characterise five critical evolution paths: from ephemeral storage to a full Agent Memory Cloud; from keyword discovery to a semantic, trust-weighted Agent DNS; from a single-protocol model to a multi-standard agent lingua franca; from single-instance hosting to Kubernetes-scale orchestration; and from simple token payments to rich agent economic primitives. Together these contributions provide a diagnostic of current agent infrastructure and a technically grounded vision for what the agent cloud must become to support the agentic web -- Web4 -- by 2030.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2606.20570v1제출 시각 미확인

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2609.26142v2stat.ME공통 태그 Survey, Diagnostic

하나의 해답을 향한 세 가지 경로: 응용 연구자를 위한 AIPW, TMLE 및 이중 머신러닝의 일치화

Three Routes to One Answer: Reconciling AIPW, TMLE, and Double Machine Learning for Applied Researchers

증강 역확률 가중(AIPW), 표적 최대우도 추정(TMLE), 이중/편향 제거 기계학습(DML)은 평균 처치 효과에 대한 동일한 효율적 영향 함수에 이르는 점근적으로 동등한 세 가지 경로이다. 우리는 실제 데이터에서 공유된 교란 모수를 이용한 실제 사례 조정을 제시한다. 즉, 이 경로들과 해당 소프트웨어가 일치하려면 실무자가 무엇을 고정해야 하는지, 그리고 언제 일치하지 않는지를 다룬다. 금연과 체중 변화에 대한 공개 데이터(n = 1566), 하나의 Super Learner 라이브러리, 방식 내에서 일치시킨 폴드를 사용하여, 전체 표본, 교차 적합, 이중 교차 적합 변형으로 세 가지를 모두 직접 구현한다. 고정된 설계에서 표본 평균 효과가 알려진 준합성 벤치마크로 구간 포함률을 평가한다. 여섯 개의 이중 강건 추정치는 반복 분할에 걸쳐 3.32--3.39 kg의 범위를 보인다. 우리 코드와 tmle, AIPW, DoubleML, tmle3 패키지의 단일 실행 결과는 3.32--3.49 kg의 범위를 보이며, 이는 적합 방식의 차이와 단일 분할 잡음과 부합한다. 20개의 시드에 걸쳐, 우리 라이브러리를 공유하는 세 가지 구현은 그중 하나가 TMLE임에도 중앙값 기준 0.01 kg 이내에서 일치한다. 일치는 실패할 수 있다. 이진 사망 결과에 대해 표본 내 교란 모수 적합을 사용하는 경우와, 직업 훈련 사례에서 겹침이 부족한 경우가 그러하다. 우리는 추정량을 선택하기 전에 겹침을 진단할 것을 권장하며, 보고 체크리스트와 소프트웨어 코드를 제공한다.

arXiv:2610.13455v1cs.AI공통 태그 Survey, multi-agent systems

에이전틱 대규모 언어 모델

Agentic Large Language Models

대규모 언어 모델(LLM)은 전 세계적으로 큰 반향을 일으키고 있습니다. 인간의 언어로 소통하고 세상을 추론하는 능력 덕분에 LLM은 글쓰기, 질의응답 등 다양한 작업에 널리 활용되는 도구가 되었습니다. 모델이 제공하는 답변은 이미 우리의 결정과 행동에 영향을 미치고 있습니다. 만약 LLM이 세상에서 직접 행동할 수 있다면 어떻게 될까요? LLM끼리 서로 상호작용할 수 있다면 어떤 일이 일어날까요? 에이전틱 LLM은 대규모 언어 모델의 역량과 현실 세계에서 행동하는 능력을 결합합니다. 이 책에서는 에이전틱 LLM이 어떻게 작동하고, 행동하며, 상호작용하는지, 그리고 이것이 사용자로서 우리에게 무엇을 의미하는지 논의합니다.

arXiv:2607.29405v2cs.AI공통 태그 Survey, multi-agent systems

컴포넌트 테스트를 넘어서: 에이전틱 AI 시스템 검증

Beyond Component Testing: Validating Agentic AI Systems

에이전틱 AI(Agentic AI) 시스템은 계획(planning), 도구 사용, 메모리, 상호작용 및 적응을 결합한 다단계 궤적(trajectory)을 통해 동작합니다. 이러한 동작 특성으로 인해 수용 가능한 시스템 동작이 시간에 따라, 그리고 변화하는 환경 조건 하에서 결정이 어떻게 전개되는지에 좌우되므로, 검증(validation) 실무는 기존의 컴포넌트 테스트와 단발성 입출력 평가를 넘어서는 수준으로 확장됩니다. 본 체계적 매핑 연구(systematic mapping study)는 에이전틱 시스템의 검증 문제를 규명하기 위해 에이전트 평가, 소프트웨어 보증, 사이버-물리 시스템, 런타임 모니터링 및 규제 지침에 걸친 262편의 논문을 종합합니다. 본 검토는 행동적, 안전성(safety), 시간적, 규제적, 다중 에이전트 관심사를 다루는 5차원 분류 체계를 중심으로 구성되며, 해당 분류 체계를 사용하여 현재의 접근 방식을 매핑하고 접근 방식과 차원 간의 밀집 및 희소 조합을 식별합니다. 생성된 맵에 따르면 문헌은 행동 평가(262편 중 105편)에 집중되어 있으며 시간적 타당성(14편)이 가장 미흡한 것으로 나타났습니다. 규제 관련 연구는 주로 IEEE 색인 학술 행사에서 발표된 보증 케이스(assurance cases) 및 규제 분석에 기반하고 있으며, 다중 에이전트 연구는 주로 벤치마크에 집중되어 있습니다. 세 가지 교차 도메인 사례 연구(의료 케어, 산업 운영, 스마트 모빌리티 시스템)는 검토된 문헌에 기록된 실패 패턴을 바탕으로 안전이 중요한(safety-critical) 환경에서 5가지 분류 차원이 어떻게 반복적으로 나타나는지에 대한 운영적 예시를 제공합니다. 본 논문은 경계가 지정된 자율성(bounded-autonomy) 명세, 적대적 궤적 생성, 런타임 모니터링, 감사 가능한 증거 구조를 중심으로 한 수명 주기 지향적 연구 과제를 제시하며 마무리됩니다. 본 연구의 핵심 주장은 에이전틱 AI의 신뢰할 수 있는 배포가 고립된 컴포넌트만을 평가하는 것이 아니라 맥락 내에서 궤적을 검증하는 것에 달려 있다는 점입니다.

arXiv:2610.01756v1cs.CR공통 태그 Survey, multi-agent systems

SoK: 탈중앙화 에이전트 경제 인프라

SoK: Decentralized Agent Economic Infrastructure

탈중앙화 에이전트(agent) 경제는 별도로 설계되고 보안이 적용된 프로토콜들을 조합하여 단일 작업을 구성하는 경우가 점점 늘고 있습니다. 이는 각 단계에서는 워크플로가 올바르게 보일지라도 최종적으로는 잘못된 결과를 낳을 수 있다는 단순한 문제를 야기합니다. 예를 들어, 정상적인 에스크로는 승인 인가를 바탕으로 대금을 지급할 수 있지만, 정작 전달된 작업물이 실제로 과업을 만족했는지에 대한 증거는 거의 제공하지 못할 수 있습니다. 본 연구는 에이전트 과업의 전체 생애주기에 걸쳐 이러한 문제를 체계화(systematize)합니다. 보안 및 경제적 요구사항을 6단계에 걸친 17개 속성군으로 정리하고, 영수증의 건전성(soundness)과 완전성(completeness)을 별도로 평가합니다. 또한 12개의 시스템 및 표준, 5개의 재사용 가능한 메커니즘군, 4개의 고전적 베이스라인을 검토합니다. 나아가 한 단계에서 확립된 보장이 유효하게 유지되어 이에 의존하는 후속 결정을 구속하는지 판별하기 위한 과업 상대적 기준인 '보장 폐쇄(guarantee closure)'를 도입합니다. 이 기준을 통제된 워크플로 및 네이티브 워크플로에 적용하여, 840건의 매칭된 실행과 유한한 목적 과업 도메인에 대한 11,648건의 전수 검사를 수행했습니다. 실험 결과, 검증과 정산 사이에서 규격을 준수한 작업물이 승인되지 않거나 유효한 증거가 무시되는 등 반복적으로 발생하는 결함들이 드러났습니다. 공개 기록과 모델(model) 판단을 통해 기록된 승인과 과업 준수 증거를 추가로 구분하는 한편, 경제적 분석을 통해 이러한 보장 이면에 존재하는 보고, 페널티, 오류 공유(shared-error) 가정을 식별합니다. 본 연구 결과는 종단간(end-to-end) 보장이 어디에서 실패하는지, 그리고 전체 워크플로에 걸쳐 이를 유지하기 위해 무엇을 보완해야 하는지 보여줍니다.

arXiv:2609.26445v1stat.ML공통 태그 Survey, Diagnostic

그래프 기반 모델 검증 실무 가이드

A Practical Guide on Graphical Model Validation

이 논문은 손해보험 계리 모델링에서 가장 널리 사용되는 모델 검증(validation) 도구들을 체계적으로 정리한다. 여기에는 보정 도표(calibration plot), 실제 대 기대(actual-vs-expected) 도표, 리프트 차트(lift chart), 머피 다이어그램(Murphy diagram)과 같은 그래프 도구뿐 아니라, 브레그만 손실(Bregman loss), 편차 손실(deviance loss), 기초 손실(elementary loss), 머피 분해(Murphy's decomposition), 지니 점수(Gini score)와 같은 고전적인 통계 도구가 포함된다. 특히 보정(calibration)과 판별(discrimination)을 계약 건수 가중(policy-weighted) 모집단 측도 하에서 연구하는지, 아니면 노출 가중(exposure-weighted) 모집단 측도 하에서 연구하는지에 중점을 둔다. 이 구분은 보험료 체계가 올바른 척도에서 보정되도록 하는 데 매우 중요하다.

arXiv:2609.25186v1cs.CY공통 태그 Survey, Diagnostic

패턴 인식기에서 개인화된 동반자로: 정신 건강 분야 대규모 언어 모델 서베이

From Pattern Recognizers to Personalized Companions: A Survey of Large Language Models in Mental Health

전 세계적으로 증가하는 정신 건강 질환 유병률은 제한된 자원, 높은 비용, 사회적 낙인, 개인정보 보호 우려와 같은 전통적 의료 체계의 오랜 장벽과 맞물려, 접근 가능하고 확장이 용이한 지원책에 대한 시급한 필요성을 낳았습니다. 대규모 언어 모델(LLM)은 고도화된 자연어 이해 및 생성을 통해 정신 건강 지원의 민주화를 이끌 강력한 잠재력을 지닌 혁신적 기술로 부상했습니다. 그러나 이 분야에서 급격히 확장되며 파편화된 연구들은 일관된 발전적 서사를 갖추지 못해, 현재의 진척 상황을 맥락화하고 향후 연구 방향을 파악하는 데 어려움을 초래하고 있습니다. 본 서베이 논문은 정신 건강 분야에서 LLM의 역할이 뚜렷하고 점진적으로 정교해지는 세 가지 단계를 거쳐 진화하고 있다는 중심 논제를 바탕으로 문헌을 체계화하고 분석하여 이러한 공백을 해소합니다. 저자들은 LLM이 평가를 위한 수동적인 정보 도구이자 패턴 인식기(Pattern Recognizer)로 주로 기능했던 1단계에서 시작하여, 일회성의 무상태(stateless) 상호작용을 수행하는 공감형 대화자(Empathetic Conversationalist) 역할을 하는 2단계를 거쳐, 상태를 유지하는(stateful) 인지 에이전트로 구현되어 장기적이고 개인화된 동반자(Longitudinal, Personalized Companion)를 지향하는 현재의 최전선인 3단계에 이르기까지 그 궤적을 추적합니다. 이러한 프레임워크를 뒷받침하기 위해 핵심 기술, 에이전트 아키텍처(프로필, 메모리, 추론, 계획), 그리고 데이터셋과 벤치마크라는 핵심 인프라를 체계적으로 검토하고, 이들의 진화가 이러한 발전 경로를 어떻게 뒷받침하는지 조명합니다. 본 연구는 이러한 발전적 관점을 통해 기존 연구를 종합적으로 정리하고, 궤적에 대한 통찰력 있는 서사를 제시하며, 정신 건강 관리를 위한 책임감 있고 효과적이며 인간 중심적인 AI의 미래 혁신을 위한 명확한 로드맵을 제공합니다. 본 서베이에서 검토된 큐레이션된 자료 모음은 프로젝트 저장소(https://github.com/Emo-gml/Awesome-Mental-Health-LLMs)에서 확인할 수 있습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.