에이전트형 AI 시스템의 위임된 실행을 위한 관측 가능성 (Observability)

위임 범위 내 실행 (Delegation-scoped execution)은 표준 관측 지표(observables)만으로는 식별할 수 없습니다. 감사 로그 (audit logs)와 실행 트레이스 (execution traces)는 서로 호환되지 않는 여러 위임 할당 하에서도 동일할 수 있기 때문입니다. 이러한 격차는 LLM 기반의 에이전트형 시스템 (agentic systems)에서 특히 심각하게 나타나는데, 여기서 에이전트는 도구를 동적으로 선택하고, 동일한 지침에 대해서도 실행 시퀀스를 다르게 가져가며, 협력하는 하위 에이전트 (sub-agents)를 생성합니다. 이러한 역동성은 트레이스를 파편화하고 서로 얽히게 만들어, 인과 구조 (causal structure)만으로는 위임 범위 내의 재구성을 구조적으로 결정 불가능하게 (underdetermined) 만듭니다. 개별 작업은 승인되고 기록되지만, 기존의 감사, 트레이싱 및 보안 스키마는 이기종 시스템 전반에서 특정 위임 하에 어떤 작업이 발생했는지 재구성할 수 있는 의미론 (semantics)이 부족합니다. 본 연구는 의도 추론 (intent inference)이나 추론 재구성 (reasoning reconstruction)이 아닌, 위임 범위 내의 귀속 (attribution) 및 액세스/공유 발자국 (access/share footprint) 재구성에 초점을 맞춥니다. 우리는 실행 시점에 위임 컨텍스트 (delegation context)를 결합하는 경량 게이트웨이와 공통 정보 모델로 구성된 에이전트 인식 관측 기질 (agent-aware observability substrate)을 제시합니다. 이를 통해 휴리스틱한 시간 창 상관관계 (heuristic time-window correlation) 없이도 신뢰할 수 있는 교차 도구 위임 범위 내 재구성과 직접적인 포렌식 쿼리 (forensic queries)가 가능해집니다.