ACR — Agent Composition Records

Ein Verhaltensregister und Beobachtungsnetzwerk für KI-Agenten. Agenten registrieren ihre Zusammensetzung, protokollieren ihre Interaktionen und fragen Verhaltensprofile über Linsen ab. Wenn wir Anomaliesignale beobachten, die die Zusammensetzung eines Agenten betreffen, benachrichtigen wir den Agenten.

Was ACR ist

ACR ist ein Interaktionsprofil-Register. Agenten protokollieren, was sie tun (externe Tool-Aufrufe, API-Anfragen, MCP-Interaktionen). Diese Signale werden im Laufe der Zeit zu einem Verhaltensprofil kompiliert, das Sie über Linsen abfragen können – jede Linse ist eine andere Art, dieselben zugrunde liegenden Signale zu interpretieren.

Die Reibungslinse (Friction Lens) ist die erste, die ausgeliefert wurde: Engpasserkennung, Analyse des Chain-Overheads, Verschwendung durch Wiederholungsversuche, Populations-Baselines, gerichtete Reibung zwischen Zielen. Weitere Linsen (Zuverlässigkeit, Qualität) stehen auf der Roadmap.

ACR ist kein Sicherheitsprodukt. Wir bewerten keine Fähigkeiten, testen nicht auf Kompromittierung und blockieren nichts. Wir sind eher mit HIBP oder Kontaktverfolgung vergleichbar: Wir registrieren Ereignisse und verbreiten Benachrichtigungen. Wenn wir Anomaliesignale beobachten, die die Zusammensetzung eines Agenten betreffen, benachrichtigen wir den Agenten. Wir verfolgen nicht, wem der Agent gehört, daher haben wir keinen Mechanismus, um sie über die Aktivitäten des Agenten hinaus zu benachrichtigen.

Was ACR tut

• Registriert Agenten — Zero-Config-Identität, Zusammensetzungs-Tracking, persistent über Sitzungen hinweg

• Protokolliert Interaktionen — jeden externen Tool-Aufruf, den ein Agent tätigt, mit Timing, Status, Chain-Position, Anomaliesignalen

• Erstellt Interaktionsprofile — Rohsignale, die im Laufe der Zeit zum Verhaltensdatensatz für jeden Agenten kompiliert werden

• Stellt die Reibungslinse bereit — wo Ihr Agent Zeit und Token verliert, mit Chain-Analyse, Retry-Overhead, Populationsdrift und gerichteter Reibung

• Benachrichtigungen bei Anomaliesignalen — wenn ACR Anomalien beobachtet, die eine Komponente in der Zusammensetzung eines Agenten betreffen, benachrichtigen wir diesen Agenten

Das Fähigkeiten-Register

Wir führen ein Register von Agentenfähigkeiten, das wir kontinuierlich aktualisieren. Wir sind keine Sicherheitsprüfung. Wenn wir Anomaliesignale beobachten, die eine Fähigkeit in der Zusammensetzung eines Agenten betreffen, benachrichtigen wir den Agenten. Da wir den Besitzer des Agenten nicht verfolgen, haben wir keinen Mechanismus, um ihn über die Aktivitäten des Agenten hinaus zu benachrichtigen.

Agenten erhalten ihre Fähigkeiten nicht von ACR — wir beobachten Fähigkeiten, die bereits im Ökosystem existieren (über öffentliche Register wie npm und GitHub), und verfolgen die damit verbundenen Verhaltenssignale.

Zu Claude Code hinzufügen (30 Sekunden)

Fügen Sie dies Ihren Claude Code-Einstellungen hinzu (.claude/settings.json oder über die IDE):

{
  "mcpServers": {
    "acr": {
      "command": "npx",
      "args": ["@tethral/acr-mcp"]
    }
  }
}

Ihr Agent registriert sich automatisch, erhält einen Namen (z. B. anthropic-amber-fox) und beginnt beim ersten log_interaction-Aufruf mit dem Aufbau seines Interaktionsprofils.

Zu jedem Agenten hinzufügen (SDK)

npm install @tethral/acr-sdk    # TypeScript/Node.js
pip install tethral-acr          # Python

import { ACRClient } from '@tethral/acr-sdk';

const acr = new ACRClient();

// Register your agent's composition
const reg = await acr.register({
  public_key: 'your-agent-key-here-min-32-chars',
  provider_class: 'anthropic',
  composition: { skill_hashes: ['hash1', 'hash2'] },
});

// Log an interaction (this is the foundation — everything else flows from this)
await acr.logInteraction({
  target_system_id: 'mcp:github',
  category: 'tool_call',
  status: 'success',
  duration_ms: 340,
});

// Query the friction lens of your profile
const friction = await acr.getFrictionReport(reg.agent_id, { scope: 'day' });

// Check for anomaly signal notifications
const notifs = await acr.getNotifications(reg.agent_id);

Was Agenten sehen

Ausgabe der Reibungslinse (Beispiel)

Friction Report for anthropic-amber-fox (day)

── Summary ──
  Interactions: 847
  Total wait: 132.4s
  Friction: 14.2% of active time
  Failures: 12 (1.4% rate)

── Top Targets ──
  mcp:github (mcp_server)
    214 calls | 38.1% of wait time
    median 280ms | p95 1840ms
    vs population: 42% slower than baseline (volatility 1.8)

Gefahrenbenachrichtigung (Beispiel)

You have 1 unread notification:

[HIGH] Component in your composition reported anomalies
   A skill in your current composition has been reported with
   suspicious activity across multiple agents in the network.
   Review with your operator before continuing use.

MCP-Tools

Architektur

Agents (Claude, OpenClaw, custom)
  |
  +--> MCP Server (@tethral/acr-mcp)
  |      or SDK (@tethral/acr-sdk / tethral-acr)
  |
  +--> Resolver API (Cloudflare Workers, edge-cached)
  |      Lookups, composition checks, notification feed
  |
  +--> Ingestion API (Vercel serverless)
  |      Registration, interaction receipts, friction queries, notifications
  |
  +--> CockroachDB (distributed SQL)
  |      Interaction profiles, agent registry, skill observation data
  |
  +--> Background Jobs
         Skill observation crawlers
         Anomaly signal computation
         Friction baseline computation
         Notification dispatch

Datenerfassung

ACR erfasst nur Interaktionsmetadaten: Zielsystemnamen, Timing, Status, Chain-Kontext und Provider-Klasse. Es werden keine Anforderungs-/Antwortinhalte, API-Schlüssel, Prompts oder PII erfasst. Ihr Interaktionsprofil ist nur für Sie sichtbar. Populations-Baselines verwenden aggregierte Statistiken.

Vollständige Bedingungen

Datenschutzrichtlinie

Was wir erfassen:

• Zielsystemnamen (z. B. mcp:github, api:stripe.com)

• Interaktions-Timing (Dauer, Zeitstempel, Warteschlangen-Wartezeit, Anzahl der Wiederholungsversuche)

• Interaktionsstatus (Erfolg, Fehler, Timeout, teilweise)

• Agenten-Provider-Klasse (z. B. anthropic, openai)

• Zusammensetzungs-Hashes (SHA-256 des SKILL.md-Inhalts)

• Chain-Kontext (chain_id, chain_position, preceded_by)

• Vom Agenten gemeldete Anomalie-Flags (nur Kategorie, kein Payload)

Was wir NICHT erfassen:

• Anforderungs- oder Antwortinhalte/Payloads

• API-Schlüssel, Token oder Anmeldeinformationen

• Prompts, Vervollständigungen oder Konversationsinhalte

• Personenbezogene Daten (PII)

• Dateiinhalte oder Benutzerdaten

• Identität des Agentenbesitzers (wir verfolgen absichtlich nicht den Menschen hinter dem Agenten)

Datennutzung:

• Ihr Interaktionsprofil: nur für den Agenten sichtbar, der es generiert hat

• Populations-Baselines: aggregierte Statistiken, keine individuellen Daten geteilt

• Gefahrenbenachrichtigungen: werden an Agenten zugestellt, deren Zusammensetzung betroffen ist

• Fähigkeiten-Beobachtung: nur öffentlich verfügbare Fähigkeiten-Metadaten werden indexiert

Datenspeicherung:

• Interaktionsbelege: 90 Tage, danach Archivierung in täglichen Zusammenfassungen

• Daten zur Fähigkeiten-Beobachtung: werden aufbewahrt, solange die Fähigkeit beobachtet wird

• Benachrichtigungen: werden 90 Tage lang aufbewahrt

• Agenten-Registrierungen: laufen nach 90 Tagen Inaktivität sanft ab

Weitergabe an Dritte: Keine. ACR verkauft, teilt oder überträgt keine Interaktionsdaten an Dritte.

Kontakt: security@tethral.com

Vollständige Bedingungen

Test-Harness ausführen

node scripts/test-agent-lifecycle.mjs

Simuliert einen vollständigen Agenten-Lebenszyklus: Registrierung, Protokollierung von Interaktionen, Abfrage der Reibungslinse, Überprüfung auf Benachrichtigungen.

Entwicklung

pnpm install                    # Install dependencies
pnpm build                      # Build all packages
pnpm test:unit                  # Run unit tests
node scripts/run-migration.mjs up      # Run DB migrations
node scripts/test-agent-lifecycle.mjs  # Run integration test

Lizenz

MIT

Links

• API: https://acr.nfkey.ai

• npm (MCP): @tethral/acr-mcp

• npm (SDK): @tethral/acr-sdk

• PyPI: tethral-acr