Исследователи представили архитектуру LedgerAgent, предназначенную для создания ИИ-агентов, которые должны строго придерживаться заданных бизнес-правил и регламентов. Основная проблема существующих решений заключается в том, что текущее состояние задачи часто теряется или смешивается с историей диалога, что приводит к ошибкам при вызове внешних инструментов. Новый метод предлагает выделять структурированное состояние (ledger) как отдельный компонент системы.
В этой модели состояние задачи включает в себя все критически важные данные: факты, идентификаторы пользователей, наложенные ограничения и условия, выявленные в ходе взаимодействия. Вместо того чтобы полагаться исключительно на контекстное окно модели, агент обновляет этот «реестр» после каждого шага. Такой подход позволяет системе четко разделять наблюдения, ответы инструментов и инструкции по соблюдению политик, обеспечивая предсказуемое поведение в сложных сценариях обслуживания клиентов.
Использование LedgerAgent позволяет агентам сохранять контекст на протяжении длительных сессий, не допуская нарушения установленных доменных правил. Это решение упрощает отладку агентных систем, так как состояние задачи становится прозрачным и доступным для аудита. Разработка направлена на повышение надежности автоматизированных систем, где точность выполнения регламентов является приоритетной задачей.