Naukowcy z arXiv zaproponowali Structured Authority Injection - nowy protokół do obsługi kontroli człowieka w autonomicznych agentach opartych na modelach językowych. Problem, który rozwiązuje, jest prosty ale istotny: gdy agent LLM działa autonomicznie przez wiele iteracji, polecenia operatora naturalne tracą na znaczeniu, rozcieńczane przez rosnący kontekst i własne rozumowanie modelu. Wolnotekstowe przesłonięcia mogą być też niejasnie interpretowane, bo brakuje struktury i walidacji.

SAI definiuje trzy klasy przesłonięć - Constraint, Priority i Strategy - każda z inną semantyką trwałości. Kluczowa innowacja to routing korekt przez typowane, schematycznie walidowane narzędzia Model Context Protocol, plus utrzymywanie rankingowego kontekstu autorytetu dodawanego na początku każdego promptu. Mechanizm jest niedostępny dla procesu planowania samego agenta, co uniemożliwia mu obejście dyrektyw. Podejście wymaga nie model fine-tuning ani dostępu do wag - działa ze zwykłymi modelami instruction-tuned wspierającymi MCP tools.

Ewaluacja na 9 różnych modelach LLM i 8 scenariuszach celujących w typowe awarie agentów wykazała zmniejszenie ambiguozności interpretacji dyrektyw i złagodzenie utraty autorytetu operator między iteracjami planowania. W najsilniejszych modelach overhead promptu wyniosła zaledwie 38 procent zależnie od scenariusza, choć korzyści różniły się znacząco między modelami. SAI pozycjonuje się jako ogólny wzorzec projektowy dla systemów agentów wymagających niezawodnej kontroli człowieka.