우리는 운영적 중요 (operationally critical) 도메인에서 신뢰할 수 있는 에이전트 AI(Trustworthy Agentic AI)를 위한 교차 도메인 공학 프레임워크인 TRACE 를 소개합니다. TRACE 는 네 가지 레이어의 참조 아키텍처와 명시적인 고전 머신러닝 (classical-ML) vs. LLM-validator 분리 (L2a/L2b), 상태 기반 오케스트레이션 및 에스컬레이션 정책 (L3), 제한된 인간 감독 (bounded human supervision) (L4), GUM/VIM/ISO 17025 에 매핑된 계량학적 기반 신뢰 지표 세트, 그리고 계산적 간결성 비율 (Computational Parsimony Ratio, CPR) 으로 정량화되는 모델 간결성 원리 (Model-Parsimony principle) 를 결합합니다. 임상 의사결정 지원, 산업 다도메인 운영, 사법 AI 어시스턴트라는 세 가지 인스턴테이션은 원칙적으로 다른 거버넌스 컨텍스트를 통해 동일한 아키텍처와 지표를 전이합니다. L2a/L2b 분리는 대형 언어 모델 사용이 아키텍처의 기본값이 아닌 의도된 설계 결정임을, CPR 를 통해 간결성을 정량화함으로써 만듭니다. TRACE 는 신뢰할 수 있는 AI 공학에서 CPR 을 1 차원 설계 원칙으로 도입합니다.