LLM 에이전트들은 에피소드 중간에 루프에 빠지거나, 도구 오류가 연쇄적으로 발생하거나, 목표에서 벗어나거나, 결과를 조작하거나, 혹은 오염된 콘텐츠를 조용히 흡수하는 등 실패를 겪습니다. 그리고 두 번째 LLM으로 매 단계를 판단하는 표준적인 해결책은 에이전트 자체보다 더 많은 비용이 듭니다. 본 연구에서는 단계당 마이크로초(microseconds) 단위의 비용이 드는 모니터를 사용하고 정상적인 실행(healthy runs) 데이터로만 학습했을 때, 관찰 가능한 단계별 텔레메트리(telemetry)만으로 어느 정도의 탐지가 가능한지 질문합니다. 세 가지 프레임워크, 세 가지 로컬 모델(qwen2.5 7b/3b, llama3.1 8b) 및 상용 API(gemini-2.5-flash)에 걸친 2,823개의 확정된 에이전트 에피소드를 대상으로, CUSUM 알람을 갖춘 단일 클래스 에코 상태 네트워크(one-class echo-state-network) 앙상블은 5%의 오탐(false-alarm) 예산 내에서 실패의 0.71을 탐지합니다 (AUROC 0.872). 메모리가 없는 베이스라인(memoryless baseline) 대비 이 모델의 장점은 실패 발생 후 경과 시간(post-onset horizon)에 따른 단조 함수로 나타나며(3단계 이하에서 +0.09, 9단계 이상에서 +0.40), AFTraj-2K 데이터셋에서 미학습 데이터(out of sample)에 대해 자신의 실패 영역을 예측합니다. 재학습 없이 다른 그룹의 두 코퍼스(AFTraj-2K 0.745, ATBench 0.779)로의 순위 전이(Ranking transfers)도 확인되었습니다. 모니터는 두 가지 부담을 안고 있습니다: 배포 시마다 정상적인 영(null) 데이터가 필요하다는 점(전이되지 않음 — 재교정 전 AUROC 0.527 대 재교정 후 0.885)과 잔여 오탐률입니다. 우리는 이 두 가지 부담이 없는 계층을 추가했습니다: 바로 결정론적 검증(deterministic verification)으로, 이는 실제로 수신한 도구 결과로부터 실행의 명시된 총합을 재계산하고 필요한 모든 호출이 이루어졌는지 확인합니다. 직접 비교 결과, 모니터가 17% 오탐률에서 54%의 오탐을 기록할 때, 결정론적 검증은 63개의 오탐 중 0개를 기록하며 실패의 60%(커버리지 확인 시 96%)를 잡아냅니다. 이는 llama3.1:8b로도 변함없이 전이되며(10개 중 0개의 오탐으로 110개 중 110개 탐지), 1825개의 정상 에피소드에서는 단 한 번도 작동하지 않았습니다. 탐지는 이후 복구(repair)로 이어집니다: 플래그가 지정된 각 실행은 롤백(rolled back)되어 실시간으로 재실행되며, 16%의 재샘플링 대조군(p=0.0005) 대비 45%의 실패를 복구하고, 실행당 약 1회의 추가 모델 호출만으로 작업 성공률을 52%에서 73%로 높입니다. 이 시스템은 단계당 약 200 마이크로초로 작동하며, 이는 판사(judge) 호출보다 3자릿수(three orders of magnitude)나 낮습니다. 코드, 추적(traces) 및 결과가 공개됩니다.