# 研究とエビデンス | HelmLoop

> HelmLoop は AI ワークフローの権限、証拠、昇格、成果を明確にする制御契約です。実行可能な 0.1 候補と、計画段階の 0.2 を紹介します。

Source: https://helmloop.dev/ja/research.html

0.1 は 8 種類の record schemas、決定的な 6 軸 reducer、CLI、2 つの fixture adapters を含みます。公開パッケージや実 runtime の認証ではありません。

0.2 は assurance 軸、権限イベント、成果観測、証拠の再採用を計画しています。r3 / sync-4 の提案であり、未実装です。

Workflow は既定 code path、agent は process / tool を動的選択し、autonomy は predictability、latency、cost と交換されます。

現代 runtime は graph routing、persistence、interrupt、replay、handoff、guardrail、trace を既に提供します。

Graph completion だけで重大判断を決められない時、authority、evidence freshness、promotion、observed outcome に portable contract boundary を置く提案です。

## 代替設計

- Control を graph 内に置く: 単一 runtime / team / risk model が lifecycle 全体を所有する場合の最強案。
- Durable workflow engine: Replay、queue、timer、long-running reliability が主問題の場合。
- Assurance SOP のみ: Validation / release governance は必要だが cross-cycle outcome learning は不要な場合。
- HelmLoop contracts: 複数 runtime が共通 promotion / outcome policy を持つ場合に有望だが未証明。

## 一次資料

- [Agent orchestration](https://openai.github.io/openai-agents-python/multi_agent/): Manager-owned specialist と handoff の違い。
- [Guardrails — OpenAI Agents SDK](https://openai.github.io/openai-agents-python/guardrails/): Guardrail は特定 boundary に付き coverage は一様ではない。
- [Tracing — OpenAI Agents SDK](https://openai.github.io/openai-agents-python/tracing/): Model / tool / handoff / guardrail event を trace。
- [Building Effective AI Agents](https://www.anthropic.com/engineering/building-effective-agents): Workflow / agent を区別し、結果が正当化する時だけ複雑化。
- [LangGraph overview](https://docs.langchain.com/oss/python/langgraph/overview): Durable stateful graph と human-in-the-loop。
- [LangGraph interrupts](https://docs.langchain.com/oss/python/langgraph/interrupts): Interrupt 後の node 再実行と idempotency。
- [Temporal Workflow](https://docs.temporal.io/workflows): Event history、deterministic replay、external activity。
- [Template agent workflows — ADK](https://adk.dev/agents/workflow-agents/): Sequential / loop / parallel / graph workflow。
- [MCP Architecture](https://modelcontextprotocol.io/specification/2025-06-18/architecture): Host が consent / security / authorization を管理。
- [MCP Authorization](https://modelcontextprotocol.io/specification/2025-11-25/basic/authorization): Token audience binding と least privilege。
- [AI Risk Management Framework](https://www.nist.gov/itl/ai-risk-management-framework): Govern / Map / Measure / Manage。
- [ReAct: Synergizing Reasoning and Acting in Language Models](https://arxiv.org/abs/2210.03629): Reasoning と action の交互実行。Observation は business outcome proof ではない。

## 証拠の範囲を確認

fixture は実 runtime、可搬性、本番運用、業務価値を認証しません。