Analyze Security, Budget, Payment, Memory workflow traces for autonomous agents. Part of Agent Control Primitives — the missing workflow control layer in CDP Bazaar.
A working prototype orchestration API for coordinating safety, budget, memory, and audit-related agent workflows.
This project is part of a small AI-agent infrastructure safety stack.
It focuses on one layer of the emerging problem: how to control autonomous agents before they call APIs, spend money, write memory, or execute external tools.
AI agents are probabilistic. But payments, permissions, memory writes, and external actions require deterministic control.
Related components:
- Agent Security Gateway — Prompt injection and policy evasion detection
- Agent Budget Guard — Budget and permission check before payment
- Agent Memory API — Audit-ready memory storage
- Agent Evolution Engine — Orchestration across the stack
- Spec-to-Guardrail API — Extract safety rules from API specs
All APIs are indexed in CDP Bazaar and support x402-style payments.
This is an independent experimental project. It is not officially affiliated with JPYC, Circle, Arc, Kaia, OpenAI, Anthropic, or any related foundation.
This project references JPYC, x402, Arc, Kaia, USDC, and related protocols as technical contexts. It does not imply official partnership, endorsement, or integration unless explicitly stated.
This API is designed to be understandable and callable by AI agents. It includes structured information for:
- what this API does
- when an AI agent should call this API
- when not to use this API
- best used before / after
- example request / response
- next_recommended
AI is moving from answering questions to managing real workflows. As AI agents begin to call paid APIs, use x402 payments, store long-term memory, and interact with other agents, they need structured guardrails before and after execution. This API is part of an AI Agent Payment Safety Stack designed to run as a pre/post-execution control layer on Arc and other agent economies.
Designed to run as an orchestration layer that coordinates pre and post-execution steps around ERC-8183 job funding on Arc testnet. Call this API to orchestrate the full agent workflow on Arc. Compatible with AI agents using USDC, JPYC, x402, or Arc-style payment flows.
agent-security-gateway → agent-budget-guard → agent-memory-api → record-payment → classify-invoice を正しい順序で連鎖させるL4/L5/L6オーケストレーターAPIです。
Arc上のERC-8183 jobまたはx402決済を含む複数ステップの業務を自動化する前に呼び出してください。
- 単一APIの呼び出しのみの場合
- テスト・デバッグ目的の単体確認
- ERC-8183 job funding on Arc
- multi-step x402 payment flows
- task initialization
- agent goal setting
- orchestration_result
- steps_completed
- audit_id
- next_recommended
- Agent Security Gateway
- Agent Budget Guard
- Agent Memory API
Agent Evolution Engine is a Japan-grade L4/L5 orchestrator for x402 / JPYC / USDC AI agent payments. It chains security checks, budget checks, memory storage, payment recording, invoice classification, and audit logging in the correct order. Orchestration flow: agent-security-gateway → agent-budget-guard → agent-memory-api → record-payment → classify-invoice
このAPIは「Japanese Agent Trust Layer」の一部です。 日本語対応AIエージェントが安全・確実・予算内でAPIを使うためのインフラ層を提供します。
- 記憶管理: agent-memory-api
- 安全判定: agent-security-gateway
- 予算管理: agent-budget-guard
- API選定: agent-curator-api
- 自律進化: agent-evolution-engine
- x402 / USDC決済対応
- 日本語対応
- 決定論的バリデーター（AI不使用）
- 暗号化・削除証跡付き
- Base Mainnet対応
# エコシステム包括分析 (0.20 USDC)
curl -X POST "https://agent-evolution-engine.onrender.com/api/evolution/analyze" \
-H "X-PAYMENT: your-payment-proof" \
-H "Content-Type: application/json" \
-d '{
"ecosystem_id": "my-agents",
"current_apis": ["https://api1.com", "https://api2.com"],
"goals": ["performance", "cost_efficiency"],
"constraints": {
"max_daily_budget": 1.0,
"min_trust_score": 80
}
}'
# 進化プラン実行 (0.30 USDC)
curl -X POST "https://agent-evolution-engine.onrender.com/api/evolution/execute" \
-H "X-PAYMENT: your-payment-proof" \
-H "Content-Type: application/json" \
-d '{
"evolution_plan_id": "plan_20240508_001",
"ecosystem_id": "my-agents"
}'
# エコシステムステータス監視 (無料)
curl "https://agent-evolution-engine.onrender.com/api/evolution/status"
# 進化履歴詳細分析 (0.05 USDC)
curl -X GET "https://agent-evolution-engine.onrender.com/api/evolution/history?ecosystem_id=my-agents" \
-H "X-PAYMENT: your-payment-proof"- 最新AIトレンド分析・新技術早期発見
- 進化方向性の決定・技術適応戦略
- 学習履歴管理・パターン分析
- 過去進化効果学習・最適戦略立案
- セキュリティ監視・脆弱性検出
- 安全性確保・リスク軽減
- コスト最適化・予算管理
- 経済効率最大化・リソース配分
- 最適API選定・代替案提示
- 技術スタック効率化・切り替え判断
1. 📊 総合分析 → 5つのAPI統合データ収集
2. 🎯 進化戦略 → AI自動プランニング
3. ⚡ 最適化実行 → パフォーマンス・セキュリティ・コスト
4. ✅ 結果検証 → 効果測定・品質保証
5. 📚 学習記録 → 次回進化への反映
- URL:
https://agent-curator-api.onrender.com - 機能: API選定支援・代替案提示
- 役割: 最適なAPI構成の推奨・切り替え判断
1. 📊 総合分析 (5つのAPI統合データ収集)
↓
2. 🎯 進化戦略立案 (AI自動プランニング)
↓
3. ⚡ 最適化実行 (パフォーマンス・セキュリティ・コスト)
↓
4. ✅ 結果検証 (効果測定・品質保証)
↓
5. 📚 学習記録 (次回進化への反映)
- 性能最適化: レスポンス時間・スループット向上
- セキュリティ強化: 脆弱性パッチ・脅威対策
- コスト削減: リソース効率化・予算最適化
- トレンド適応: 新技術統合・アルゴリズム更新
- 過去の進化データから学習
- 予測的最適化アクション
- 個別エージェント特性考慮
- 段階的リスク評価
- ロールバック機能完備
- 緊急対応モード
- リアルタイム監視
- 自動パフォーマンス調整
- プロアクティブ最適化
POST /api/evolve- AIエージェントオーケストレーション実行POST /api/emergency-evolve/{agent_id}- 緊急進化モード
GET /api/status- システム全体状況監視GET /api/history- 進化履歴・パフォーマンス分析GET /api/predict/{agent_id}- 次回進化予測
GET /api/analytics/ecosystem- エコシステム分析ダッシュボードGET /health- システムヘルスチェック
import httpx
evolution_request = {
"agent_id": "my_ai_agent",
"current_config": {
"primary_api": "https://api.openai.com/v1/chat/completions",
"task_type": "text_generation",
"requirements": {
"response_time": "< 2s",
"quality_score": "> 0.8",
"cost_per_request": "< 0.01"
}
},
"evolution_goals": ["performance", "security", "cost_efficiency"]
}
async with httpx.AsyncClient() as client:
response = await client.post(
"http://localhost:8000/api/evolve",
json=evolution_request
)
result = response.json()
print(f"進化成功: {result['success']}")
print(f"改善率: {result['overall_improvement']:.2%}")# セキュリティ侵害時の緊急進化
emergency_config = {
"primary_api": "https://compromised-api.example.com",
"security_status": "critical"
}
response = await client.post(
"http://localhost:8000/api/emergency-evolve/agent_001?crisis_type=security",
json=emergency_config
)pip install -r requirements.txtpython main.pypython test_evolution.py総合適応度 = (
性能スコア × 30% +
コスト効率 × 20% +
セキュリティ評価 × 25% +
トレンド適応 × 15% +
メモリ活用 × 10%
)
- 改善率 > 10%
- セキュリティスコア > 0.6
- 予算内収支
- リスクレベル < 0.7
- 定期的な性能監視
- 段階的最適化実行
- 継続的学習更新
- クリティカルシステム向け
- リアルタイム脅威対応
- 即座の性能調整
- セキュリティインシデント
- 重大な性能劣化
- システム障害復旧
- 大規模AIワークロードの自動最適化
- セキュリティコンプライアンス自動維持
- 実験環境の継続的最適化
- 新技術の自動評価・統合
- リソース効率的な研究推進
- 限られた予算での最大性能実現
- 急速な技術変化への自動適応
- スケーラブルなインフラ構築
- Backend: FastAPI, Python 3.11+
- 非同期処理: asyncio, httpx
- API統合: REST API, JSON通信
- 監視: リアルタイムメトリクス収集
- 学習: パターン認識・予測分析
MIT License
- Fork the project
- Create feature branch (
git checkout -b feature/AmazingFeature) - Commit changes (
git commit -m 'Add AmazingFeature') - Push to branch (
git push origin feature/AmazingFeature) - Open Pull Request
Works best with:
- Agent Security Gateway: https://agent-security-gateway.onrender.com（危険な命令を止める）
- Agent Budget Guard: https://agent-budget-guard.onrender.com（勝手な課金を止める）
- Agent Memory API: https://agent-memory-api-bix5.onrender.com（必要な記憶を残す）