Systemy agentów AI, które łączą duże modele językowe z zewnętrznymi narzędziami i API, z natury są niedeterministyczne - wariancja próbkowania LLM, stan zewnętrznych API, nagłówki CDN i szumy środowiska wykonania uniemożliwiają wierną ponowną egzekucję poprzedniego uruchomienia. Naukowcy przedstawili agrepl, framework CLI zorientowany na dewelopera, który rozwiązuje ten problem poprzez deterministyczne odtwarzanie wykonań agentów.
Agrepl działając jako MITM proxy przechwytuje wszystkie zewnętrzne interakcje na poziomie transportu, serializuje je jako strukturalne ślady wykonania i odtwarza je w całkowicie izolowanym środowisku bez dostępu do sieci. Framework formalnie definiuje model wykonania agenta, określa funkcję matchowania żądań K(s) i dowodzi niezmiennika determinizmu. Dodatkowo wprowadza algorytm diff świadomy szumów, który klasyfikuje rozbieżności nagłówków HTTP na kategorie sygnału i szumu.
Ewaluacja empiryczna na pięciu obciążeniach pracowniczych (n=250 instancji odtwarzania) wykazała pełną wierność odtwarzania F=1.0 i zmniejszenie opóźnienia per-step o medianę 98,3%. Narzędzie napisane w Go dostępne jest jako jeden statyczny plik binarny na licencji MIT, co czyni go łatwo dostępnym dla wszystkich deweloperów pracujących z systemami agentów AI.