언어 모델 에이전트는 추론, 도구(tools), 메모리, 위임(delegation), 외부 효과를 결합합니다. 권한은 종종 프롬프트, 호스트 코드, 구성, 로그 전반에 걸쳐 분산됩니다. 확률적 에이전틱 프로그래밍 (Probabilistic Agentic Programming, PAP)은 의무(mandate), 권한, 효과, 증거를 연결하는 명시적인 프로그래밍 추상화로서 책임 경계를 만듭니다. 우리는 PAP를 프로그래밍 패러다임, 에이전트 지향 및 BDI 시스템, 워크플로우 및 정책 언어, 그리고 LLM 도구 사용 프레임워크와 7가지 차원에 걸쳐 비교합니다.
중재 커널(mediation kernel)은 도구 실행 전 검사, 작업 단위 승인(operation-bound approval), 리소스 제한, 증거를 공식화합니다. 귀납적 증명(Inductive proofs)은 올바른 가드와 완전한 중재가 있다고 가정할 때 임의의 모델 응답에 대한 조건부 안전성을 확립합니다. 역방향 시뮬레이션(backward simulation)은 정의된 순차적인 Touba 부분집합에서 그래프 실행을 소스 실행과 일치시킵니다. 이 시스템의 인간 체크포인트는 프로그램 연속성(program continuations)을 해제하며, 작업 단위 승인은 별도의 커널 계약으로 유지됩니다. 유한 상태 탐색(Finite-state exploration)은 모델을 검사합니다. 스크립트 기반 강제 실행(Scripted enforcement) 테스트는 선택된 거부 경로와 허용된 제어 장치를 연습합니다.
탐색적 연구는 두 개의 3개 에이전트 워크플로우를 포함하여 총 7가지 비즈니스 사례, 3개 제공업체의 7개 모델, 5가지 방법론, 그리고 각 사례 및 방법에 대한 5회 반복을 결합합니다. 공유된 영어 지침과 저장된 결과에 대한 정확한 검사는 1,225개의 평가 관찰 결과를 산출했습니다. Native Touba는 6개 모델에서 모든 35개 관찰 결과를 완료하고 나머지 모델에서는 30개를 완료했습니다. 구조화된 Touba(structured Touba)는 21개에서 35개 범위입니다. Native는 프레임워크와 동률을 포함하여 각 모델에 대해 가장 높은 관찰 횟수와 일치합니다. 모든 쌍별 사례 간격에는 영이 포함됩니다. 이러한 관찰 횟수는 평가된 작업을 설명하며, 런타임 권한 경계는 고정되어 있습니다. 이 결과들은 책임 계약, 실행 규칙, 그리고 증거를 연결합니다.