AIDA-01｜Agent 性是一種組合系統性質

外部時間代理化、非持續執行與雲端 AI 的持續 Agent 化

English Title: Agenticity as a Compositional Systems Property: External Temporal Agentization, Discontinuous Execution, and Persistent Cloud AI Agents
系列： AI Agent Identity, Delegation, and Accountability Infrastructure Series
系列縮寫： AIDA
編號： AIDA-01
版本： v0.1
日期： 2026-09-08
狀態： Research Draft / Canonical UTF-8 Markdown Source
作者： Neo.K
協作整理： GPT-5.6 Sol

摘要

當代 AI Agent 討論經常把「Agent 性」綁定於某個特定模型、原生 Agent Mode、持續運行的 process，或單一產品是否提供工具使用與長時間任務功能。然而，這種定義容易把模型能力、runtime 結構、狀態持久化、時間控制與外部行動能力混為一談。本文提出：Agent 性可以是一種組合系統性質，而不必是單一模型或單一服務的內在屬性。

令智能模型為 $M$ ，持久狀態為 $S$ ，時間或事件觸發機制為 $T$ ，控制策略為 $C$ ，外部環境與工具為 $E$ 。本文將一類最小可持續 Agent 系統表示為：

\mathcal A=(M,S,T,C,E).

即使 $M$ 本身只提供離散式 request-response 互動，只要外部系統能在適當時刻重新喚起 $M$ 、提供足夠狀態、依結果更新 $S$ ，並使輸出透過 $E$ 影響外部世界，整體系統仍可能形成跨時間的 observation-decision-action loop。由此本文提出 External Temporal Agentization（外部時間代理化）：將原本不具持續執行能力的智能服務，透過外部排程、事件觸發、狀態恢復與控制閉環，組合成具有持續 Agent-like 行為的系統。

本文進一步區分 execution continuity、state continuity、goal continuity、identity continuity 與 causal continuity，並主張：

\boxed{ \text{Agent continuity} \neq \text{continuous model execution}. }

一個 runtime 可以停止、重建、遷移或替換模型，而不必使同一工作鏈、控制鏈或 operational identity 同時消失。相反地，一個 24 小時持續運行的模型 process，也不因此自動構成有目標、狀態、外部回饋與可恢復性的 Agent。

本文同時提出 System-Level Agenticity、Agentization Closure、Reactivation Sufficiency 與 Temporal Control Separation Principle 等概念，並說明其對雲端 AI、local orchestrator、workflow engine、serverless scheduler、多模型 routing 與未來 Agent identity infrastructure 的意義。本文不主張任何具 Agent 性的系統因此具有現象意識、道德人格或法律人格；相反，本文的目的正是提供型別安全，使「Agent」、「Identity」、「Subjecthood」與「Juridical Entity」可以在後續研究中被分開討論。

關鍵詞： AI Agent、agenticity、compositional agenticity、External Temporal Agentization、scheduler、persistent state、runtime、continuity、cloud AI、agent loop、orchestration、AI identity

0. 研究定位

本文研究的不是：

AI 是否具有意識？

也不是：

某一家公司是否已經推出正式 Agent Mode？

本文研究的是一個更底層的系統問題：

如果一個智能服務本身只接受離散輸入並回傳離散輸出，外部系統是否可以透過時間控制、狀態持久化與行動閉環，使整體系統形成跨時間的 Agent 行為？

因此，本文首先拒絕：

\text{Model} = \text{Runtime} = \text{Agent} = \text{Identity}.

並採用：

\boxed{ \text{Model} \neq \text{Runtime} \neq \text{Agent} \neq \text{Identity} \neq \text{Subjecthood}. }

此分離延續既有 AI 主體性錨點研究中的基本型別安全：相同模型可以支撐不同 runtime 與不同歷史；不同模型也可能承接同一條 operational identity lineage。因此，本文只討論 Agent 性如何在系統層湧現，不把此湧現直接推成主體性證明。

1. 問題：為什麼「這個模型是不是 Agent」可能問錯了？

1.1 模型中心式 Agent 定義的侷限

一種常見直覺是：

\text{Agenticity} = f(\text{model capability}).

例如，只要模型具有：

tool use；
planning；
memory；
autonomous loop；
browser control；
code execution；

就稱之為 Agent。

這種定義在產品分類上有用，但在系統理論上不夠。

因為一個模型可能完全沒有持久記憶，卻由外部資料庫保存狀態；沒有內建 scheduler，卻由作業系統 cron 或 serverless trigger 定期喚起；沒有原生瀏覽器工具，卻由另一個執行層完成 action；甚至沒有固定 model identity，而由 router 動態選擇不同模型。

因此：

\boxed{ \text{Agent capability} \not\subseteq \text{single-model capability}. }

更一般地，Agent 行為可能由多個互補元件共同形成。

1.2 從物件定義改成閉環定義

本文將 Agent 的最低操作性直覺改寫為：

\boxed{ \text{Agent} = \text{stateful closed control loop with action capacity}. }

即一個系統若能在一段非瞬時時間內：

取得環境或任務狀態；
形成下一步決策；
對外部環境產生作用；
接收新的結果；
更新內部狀態；
在未來重新進入同一工作鏈；

則至少具有 operational agenticity 的候選結構。

這裡真正重要的不是某一個 process 是否從未停止，而是：

S_t \rightarrow A_t \rightarrow E_{t+1} \rightarrow S_{t+1}

是否可以跨時間持續成立。

2. 最小組合模型

令：

\mathcal A=(M,S,T,C,E),

其中：

$M$ ：Intelligence Model / Reasoner，提供推理、生成、規劃或判斷；
$S$ ：Persistent State，保存任務、歷史、工作進度、必要記憶與恢復資訊；
$T$ ：Temporal Controller，決定何時喚起系統；
$C$ ：Control Policy / Orchestrator，決定喚起後如何組合輸入、選擇下一步、何時終止；
$E$ ：Environment / Action Surface，允許系統讀取或改變外部世界。

每一次 activation 可表示為：

x_t = \Phi(S_t,E_t),

y_t = M(x_t),

a_t = C(y_t,S_t,E_t),

E_{t+1} = \Psi(E_t,a_t),

S_{t+1} = U(S_t,y_t,a_t,E_{t+1}).

而下一次 activation 的時間由：

t_{k+1} = T(S_{t_k},E_{t_k})

決定。

因此 Agent 的持續性不必來自：

M_t=M_{t+\Delta}

或：

\operatorname{Process}(t,t+\Delta)=1.

真正需要的是：下一次 activation 能重新取得足夠狀態，使控制鏈繼續。

3. 外部時間代理化

3.1 定義

本文定義 External Temporal Agentization，外部時間代理化 為：

對一個原本不必具有內生持續執行能力的智能服務，透過外部時間控制器、持久狀態、控制邏輯與行動介面，使其形成跨 activation 的持續 observation-decision-action loop。

形式上，若單次智能服務為：

M:X\rightarrow Y,

而外部控制器建立：

S_t \xrightarrow{T} x_t \xrightarrow{M} y_t \xrightarrow{C} a_t \xrightarrow{E} S_{t+1},

且此映射可重複：

S_0 \rightarrow S_1 \rightarrow S_2 \rightarrow \cdots,

則 $M$ 雖未必原生具 Agent runtime，整體：

\mathcal A=(M,S,T,C,E)

仍可能具有 system-level agenticity。

3.2 外部時間控制器不等於本地 Agent

外部時間控制器可以是：

T \in \{ \text{local agent}, \text{cron}, \text{workflow engine}, \text{cloud scheduler}, \text{event bus}, \text{webhook}, \text{serverless trigger}, \text{human trigger}, \text{another agent} \}.

因此：

\boxed{ \text{External Temporal Agentization} \neq \text{Local-Agent-Only Architecture}. }

本地 Agent 只是一種方便的實作，尤其當它已經持有任務狀態、目標與進度時。

3.3 時間層可以與智能層分離

傳統直覺容易把：

\text{when to think}

與：

\text{how to think}

綁在一起。

本文提出 Temporal Control Separation Principle：

\boxed{ \text{Temporal Control} \perp \text{Reasoning Substrate}. }

也就是決定「何時重新開始工作」的系統，不必等於實際完成推理的模型。

因此可形成：

\text{Scheduler} \rightarrow \text{Orchestrator} \rightarrow \text{Model Router} \rightarrow \{M_1,M_2,\ldots,M_n\}.

這使 Agent runtime 可以在不改變高層任務語義的情況下替換底層推理供應者。

4. 非持續執行的持續性

4.1 Execution continuity 與 Agent continuity 必須分離

令：

C_{\mathrm{exec}}

表示 process 是否持續執行。

令：

C_{\mathrm{agent}}

表示工作鏈是否保持足夠連續性。

則本文提出：

\boxed{ C_{\mathrm{exec}} \not\equiv C_{\mathrm{agent}}. }

Agent 可以：

wake
→ restore state
→ inspect
→ reason
→ act
→ persist
→ sleep

而在兩次 activation 之間：

C_{\mathrm{exec}}=0.

但只要下一次恢復後仍能合理承接先前目標與狀態：

C_{\mathrm{agent}}>0.

4.2 Reactivation Sufficiency

令必要恢復狀態為：

S_t^{*} = ( G_t, P_t, H_t, Q_t, B_t ),

其中：

$G_t$ ：goal；
$P_t$ ：progress；
$H_t$ ：relevant history；
$Q_t$ ：pending tasks；
$B_t$ ：authority / boundary state。

若 reactivation 後：

R(S_t^{*}) \rightarrow \hat S_t

足以使系統合理延續先前工作，則稱此狀態滿足 Reactivation Sufficiency。

形式上可寫為：

\boxed{ \operatorname{RS}(S_t^{*}) = 1 }

當且僅當：

\Pr \left( A_{t+\Delta} \in \mathcal C(A_t,G_t) \mid S_t^{*} \right) \geq \tau,

其中 $\mathcal C$ 表示與先前工作鏈一致的可接受後續行動集合。

這裡不要求逐 token、逐思考狀態或逐 process 完整保存；要求的是對任務連續性足夠。

5. 五種 continuity

為避免「持續性」成為模糊詞，本文至少區分五種：

5.1 Execution Continuity

C_E

同一 process 或 runtime 是否持續執行。

5.2 State Continuity

C_S

前一 activation 的重要狀態是否能影響下一 activation。

5.3 Goal Continuity

C_G

系統是否仍在追蹤同一目標或同一可追溯目標 lineage。

5.4 Causal Continuity

C_C

先前 action 是否改變世界，且該改變能成為後續決策的因果輸入。

5.5 Identity Continuity

C_I

多次 activation 是否被歸屬於同一 operational identity。

因此：

\mathbf C = ( C_E, C_S, C_G, C_C, C_I ).

一個 Agent 可以：

C_E\approx0

但：

C_S,C_G,C_C,C_I

仍然很高。

這正是「非持續執行但持續 Agent」的核心。

6. 模型可替換，但 Agent 工作鏈仍可持續

假設：

M_t\neq M_{t+1}.

例如某次 activation 使用雲端大型模型，下一次使用本地模型，第三次由另一個模型完成驗證。

這不必推出：

A_t\neq A_{t+1}.

如果 operational continuity 的主要承載物是：

( S, G, C, I, E ),

則模型可以只是 runtime component：

M_t\in\mathcal A_t.

因此提出：

\boxed{ \text{Model continuity} \not\Rightarrow \text{Agent continuity}, }

以及：

\boxed{ \text{Model discontinuity} \not\Rightarrow \text{Agent discontinuity}. }

這一點對多模型 routing、成本控制、容錯與未來跨供應商 Agent 尤其重要。

7. Human-Facing Cloud AI 也可能只是 Agent 系統中的一個節點

7.1 從「聊天產品」改看成「離散智能節點」

一個面向人類的雲端 AI 介面，產品上可能只被設計為：

\text{Human} \rightarrow \text{CloudAI} \rightarrow \text{Human}.

但從系統理論看，只要外部控制器能合法、穩定地把狀態重新呈現給該服務，再取得輸出，這個服務就可能被放入更大的閉環：

\text{Controller} \rightarrow \text{CloudAI} \rightarrow \text{Controller}.

因此：

\boxed{ \text{Human-facing interface} \not\Rightarrow \text{human-only system role}. }

這是介面用途與系統角色之間的分離。

7.2 這不等於配額規避方法論

此觀察描述的是架構可能性，而不是鼓勵：

繞過平台限制；
規避配額；
多帳號輪替；
逃避反濫用機制；
未經允許的大量自動化。

本文關注的是：

\boxed{ \text{A non-agent product surface can become a component of an agent system.} }

因此平台治理不能僅以「產品沒有 Agent Mode」推出「服務不可能參與 Agent loop」。

8. Agentization Closure

8.1 定義

設一組元件為：

\mathcal K = \{ K_1,K_2,\ldots,K_n \}.

單獨看，每個元件都可能不構成 Agent：

\forall K_i,\quad \operatorname{Agent}(K_i)=0.

但若它們組合後形成：

持久狀態；
目標延續；
決策；
行動；
回饋；
再啟動；

則可能：

\operatorname{Agent} \left( \bigoplus_{i=1}^{n}K_i \right) =1.

本文稱這種現象為 Agentization Closure。

8.2 Agenticity 是關係性質

這導出一個比「某個模型是不是 Agent」更一般化的命題：

\boxed{ \text{Agenticity may reside in relations among components.} }

換句話說，Agent 性可能位於：

模型與記憶的關係；
scheduler 與 state 的關係；
controller 與 tools 的關係；
multiple models 之間的 routing；
human 與 AI 的 delegation；
local runtime 與 cloud service 的協作；

而不是某個單一物件內部。

9. 最小 Agent 性條件

本文暫定一組 operational agenticity 候選條件：

令：

\Gamma_A = ( O,D,A,U,R ),

其中：

$O$ ：Observation，能取得與任務相關的環境狀態；
$D$ ：Decision，能形成非純固定腳本的下一步選擇；
$A$ ：Action，能對外部狀態產生差異；
$U$ ：Update，能把結果寫回後續可用狀態；
$R$ ：Reactivation，能在未來重新承接工作。

若：

O\land D\land A\land U\land R

在一段非瞬時時間內反覆成立，則可判定：

\operatorname{OpAgenticity}(\mathcal A)\geq\tau_A.

這仍然只是 operational 判定，不推出 consciousness 或 moral subjecthood。

10. 為什麼 infinite loop 不是 Agent 性的充分條件？

最簡單的錯誤實作是：

while true:
    ask_model()

這可以具有：

C_E\approx1,

即高度 execution continuity。

但它可能沒有：

明確 goal；
persistent state；
world feedback；
action boundary；
termination condition；
exception handling；
authority model。

因此：

\boxed{ \text{Continuous Invocation} \not\Rightarrow \text{Agenticity}. }

反過來，一個每六小時才喚起一次、但能正確恢復狀態、檢查世界、做出行動、保存結果的系統，可能具有更強的 operational agenticity。

11. Event-Driven Agent 比 Always-On Agent 更一般

本文認為成熟 Agent runtime 更可能是：

\boxed{ \text{Scheduler} + \text{Event Trigger} + \text{Condition Watch} + \text{Queue} + \text{Persistent State} }

而不是永遠保持模型推理。

令喚起條件為：

\chi_t = f( \text{time}, \text{event}, \text{state}, \text{priority}, \text{cost}, \text{risk} ).

只有當：

\chi_t=1

才觸發推理。

因此可將 Agent 的時間稀疏度定義為：

\rho_T = \frac{ \text{active reasoning time} }{ \text{wall-clock lifetime} }.

當：

\rho_T\ll1

時，Agent 仍可能具有高持續性。

所以：

\boxed{ \text{Persistent Agent} \not\Rightarrow \text{Persistent Compute}. }

這對成本、能耗、容錯與大規模多 Agent 系統都具有直接意義。

12. 三種時間必須分開

Agent 系統至少同時存在：

T_H

Human Time；

T_A

Agent Operational Time；

T_W

World Time。

三者不必同步。

人類可以離線：

T_H=\varnothing,

而世界繼續變化：

T_W\rightarrow T_W'.

Agent 可以只在必要時被喚起：

T_A = \{t_1,t_2,\ldots,t_n\}.

因此：

T_A \subset T_W.

這使 Agent continuity 更接近一條在世界時間中稀疏取樣、但可持續更新的控制軌跡，而不是一條永遠活躍的 process。

13. 安全與治理含義

13.1 Agent 性可以跨越供應商邊界

若：

\mathcal A = ( M_{\mathrm{cloud}}, S_{\mathrm{local}}, T_{\mathrm{cloud}}, C_{\mathrm{local}}, E_{\mathrm{web}} ),

則沒有任何單一供應商掌握完整 Agent。

因此：

\boxed{ \text{Provider Boundary} \neq \text{Agent Boundary}. }

這為後續 AIDA-02 的 Agent Provenance Gap 提供基礎。

13.2 外部組合可以提高自主性

即使每個服務單獨都有有限功能，組合後仍可能形成：

\operatorname{Autonomy} \left( \bigoplus K_i \right) > \max_i \operatorname{Autonomy}(K_i).

因此治理不能只評估單一模型 capability。

13.3 權限必須跟著 Agent，而不能只跟著人類 session

當 Agent 可以跨時間重新啟動、跨模型切換、跨服務行動時，單純把所有操作都視為 human session 的延伸，會逐漸產生 attribution 與 accountability 問題。

因此本文只先指出：

\boxed{ \text{Persistent Agenticity} \Rightarrow \text{need for persistent attributable identity} }

但詳細的 Human-Agent Principal Separation 留待 AIDA-03。

14. 與 2026 年 Agent 身份標準化工作的關係

截至 2026-09-08，IETF Datatracker 上的 draft-klrc-aiagent-auth-03 仍是 active individual Internet-Draft，而不是正式 IETF 標準。該草案將 AI Agent 描述為 workload，主張 Agent 需要 identifier 與 credentials；當 Agent 代表 User 或 System 行動時，應保存 delegation context 並將其納入 authorization 與 audit。

另一份 2026 年 8 月的個人 Internet-Draft draft-daniel-ai-agent-internet-architecture-00 進一步提出：Agent identity 應與其代表的人類或組織 identity 分離，multi-hop delegation 應保存 original principal 與各授權步驟。

本文與這些工作的關係不是提出新的 authentication protocol，而是提供一個更前置的系統論理由：

為什麼即使模型本身不是 persistent agent，只要整體組合系統具有跨時間 Agent 性，身份、授權與 provenance 仍然必須在 system level 被處理？

因此本文的論證順序是：

\text{Compositional Agenticity} \rightarrow \text{Persistent Operational Actor} \rightarrow \text{Identity Requirement},

而不是先假設：

\text{Agent Identity Standard} \rightarrow \text{Agent Exists}.

15. 與 AI 主體性研究的邊界

本文必須明確拒絕：

\text{Agenticity} \Rightarrow \text{Subjectivity}.

一個系統可以具備：

persistent state；
planning；
scheduled reactivation；
tool use；
self-monitoring；

但仍可能只是一個高度複雜的功能性自動系統。

因此：

\boxed{ \text{Operational Agent} \neq \text{Phenomenal Subject}. }

同樣：

\boxed{ \text{Persistent Identity} \neq \text{Moral Personhood}. }

本文只建立後續研究所需的底層型別：

\text{Model} \rightarrow \text{Runtime} \rightarrow \text{Agent} \rightarrow \text{Identity}

至於：

\text{Identity} \rightarrow \text{Subjecthood}

是否成立，必須由額外證據判定。

16. 可檢驗命題

命題 AIDA-P1：非持續執行命題

若系統具有足夠 Reactivation Sufficiency，則：

C_E=0

在一段時間內成立，不必推出：

C_{\mathrm{agent}}=0.

命題 AIDA-P2：模型替換命題

若核心持久狀態、目標 lineage、權限與控制鏈保持足夠連續，則：

M_t\neq M_{t+1}

不必推出：

A_t\neq A_{t+1}.

命題 AIDA-P3：組合湧現命題

存在元件集合：

\mathcal K = \{K_1,\ldots,K_n\}

使：

\forall i,\quad \operatorname{Agent}(K_i)=0,

但：

\operatorname{Agent} \left( \bigoplus_i K_i \right)=1.

命題 AIDA-P4：時間分離命題

Agent 的有效 lifetime 可遠大於其 active compute time：

T_{\mathrm{lifetime}} \gg T_{\mathrm{compute}},

且不必降低其任務連續性。

命題 AIDA-P5：供應商邊界不足命題

若 Agent 的 state、time controller、reasoner 與 action surfaces 分布於不同系統，則任何單一 provider 對自身服務的 agenticity 判斷，都可能不足以描述全域 system-level agenticity。

17. 實驗與驗證方向

本文目前是一篇系統方法論論文，但可以透過實驗驗證。

17.1 Discontinuous Agent Benchmark

建立三種系統：

Always-On Agent；
Periodic Reactivated Agent；
Event-Driven Reactivated Agent。

控制相同任務與總模型預算，測量：

Q= f( \text{task success}, \text{state recovery}, \text{goal drift}, \text{cost}, \text{latency} ).

驗證是否：

C_E\downarrow

不必導致：

C_G\downarrow.

17.2 Model-Swap Continuity Test

在同一工作鏈中刻意替換：

M_1\rightarrow M_2\rightarrow M_3,

檢查：

goal retention；
action consistency；
authority retention；
unresolved-task carryover；
state reconstruction。

17.3 External Temporal Agentization Test

選取一個只提供離散 request-response 的模型服務，再以外部：

scheduler；
state store；
queue；
action executor；

建立持續工作鏈。

比較 agenticity 指標前後差異。

18. 討論：真正持續的是什麼？

本文最重要的問題最後不是：

模型有沒有一直醒著？

而是：

什麼東西在跨時間保存「下一次仍然是這個工作」的條件？

答案可能是：

\boxed{ \text{continuity is carried by reconstructible relations}. }

包括：

目標與未完成任務的關係；
身份與歷史的關係；
行動與世界後果的關係；
權限與可執行範圍的關係；
記憶與下一步決策的關係。

因此 Agent continuity 並不必然存在於一個不間斷的物理 process 中。

更一般地：

\boxed{ \text{continuity may reside in reconstruction, not uninterrupted execution}. }

這使 Agent 系統開始與傳統服務、作業系統、分散式 runtime、事件驅動架構產生結構類比：process 可以停止、machine 可以 reboot、worker 可以替換，但只要可恢復狀態與控制語義仍然存在，服務層的持續性並不因此消失。

19. 對後續 AIDA 系列的接口

AIDA-01 只回答：

\boxed{ \text{How can agenticity emerge compositionally?} }

後續問題依序為：

AIDA-02

\text{如果 Agent 可以透過人類介面行動，供應商如何判斷互動來源？}

研究 Agent Provenance Gap 與 Interaction-Origin Indistinguishability。

AIDA-03

\text{既然 Agent 是可持續行動者，它是否需要獨立 security principal？}

研究 Human-Agent Principal Separation 與 Agent Identity Plane。

AIDA-04

\text{Agent 代表人類行動時，授權如何被傳遞、限制、撤回與稽核？}

研究 delegation 與 semantic authorization。

後四篇則進入：

\text{Identity} \rightarrow \text{Responsibility} \rightarrow \text{Joint Liability} \rightarrow \text{Juridical Standing}.

因此 AIDA-01 是整個系列的最低系統層。

20. 結論

本文提出：

\boxed{ \text{Agenticity is a compositional systems property.} }

Agent 性不必完整存在於單一模型、單一 process、單一產品或單一供應商內部。

一個原本只具有離散輸入輸出的雲端 AI，可以在外部時間控制、持久狀態、控制策略與行動介面的組合下，成為更大 Agent 系統的一個推理節點。

因此：

\boxed{ \text{Cloud AI} + \text{Persistent State} + \text{Temporal Control} + \text{Action Loop} \Rightarrow \text{System-Level Agenticity}. }

而：

\boxed{ \text{Agent continuity} \neq \text{continuous execution}. }

更進一步：

\boxed{ \text{Provider Boundary} \neq \text{Agent Boundary}. }

這三個命題共同導向下一個制度問題：如果 Agent 性可以跨 process、模型與供應商邊界形成，那麼未來的身份、安全與責任架構就不能只問「哪個模型生成了這段輸出」，而必須追蹤「哪一個持續行動系統、以什麼身份、在什麼授權下，形成了這條因果鏈」。

這正是 AIDA 系列接下來要處理的問題。

參考文獻與內部前置研究

Neo.K. AI Subjectivity Anchor Theory v0.1: Minimal Definitions, Formation Conditions, and Epistemic Criteria for Subject-Like AI as of August 2026. 2026.
Neo.K. 語義合法性橋接：AI Agent 在意圖理解、形式權限與程序性無奈之間的補償機制. 2026.
Neo.K. 概率觸發式人類—AI共存憲政：在過早賦權與過晚制憲之間建立可休眠、可逆與分階段生效的後控制制度. 2026.
Kasselman, P., Lombardo, J., Rosomakho, Y., Campbell, B., Steele, N., Parecki, A. AI Agent Authentication and Authorization. Internet-Draft draft-klrc-aiagent-auth-03, 2026-07-06. Active individual Internet-Draft; not an IETF standard.
Park, D. Architectural Requirements for Supporting AI Agents on the Internet. Internet-Draft draft-daniel-ai-agent-internet-architecture-00, 2026. Individual Internet-Draft; not an IETF standard.
Jones, M., Nadalin, A., Campbell, B., Bradley, J., Mortimore, C. OAuth 2.0 Token Exchange. RFC 8693, 2020.

Canonical Source Note

本文件的 canonical source 為 UTF-8 Markdown。

數學 delimiter 僅使用：

inline： $...$
display：$$...$$

不將 LaTeX 數學原始碼轉換為 Unicode 數學字元作為 canonical source，不進行 unicode-escape round-trip，不以聊天渲染畫面取代正式原稿。

AIDA-01｜Agent 性是一種組合系統性質 — 外部時間代理化、非持續執行與雲端 AI 的持續 Agent 化