在 agent 系统承担更多责任之前，它们需要可检查的执行过程
最强信号是，agent 需要可检查的执行过程和更严格的任务证据。DuST 把带执行标签的候选代码当作训练数据，Shepherd 记录实时 agent 状态以便分叉，ComplexMCP 则显示工具型 agent 在有状态软件工作上仍落后于人类。
主题概况
Tool Use Evaluation
Agent Execution Integrity
Agent 团队可以通过在 agent 已经容易出错的地方增加轨迹、状态和来源检查来提速：编码运行、MCP 工具工作流，以及把未受信任文本与密钥或 shell 访问混在一起的自动化工作流。