====== Agentenmodell (Execution ↔ Cognitive) ======
Das Agent Collective Framework (ACF) beschreibt jeden Agenten als Kombination zweier eng
verknüpfter, aber klar getrennter Komponenten:  
den **Cognitive Layer** (Planung & Entscheidung) und den **Execution Layer** (Handlung & Operation).

Diese Aufteilung ermöglicht Transparenz, Sicherheit und Nachvollziehbarkeit – ein Agent kann
handeln, ohne dabei unkontrollierte Entscheidungen zu treffen, und er kann entscheiden,
ohne direkt in technische Prozesse einzugreifen.

===== Aufbau =====
^ Komponente ^ Beschreibung ^
| **Cognitive Core** | Verantwortlich für Zielklärung, Planung, Reflektion, Policy-Prüfung und Aufgaben­delegation. Meist durch ein LLM oder ein symbolisches Entscheidungsmodell repräsentiert. |
| **Executor-Module** | Lokale oder entfernte Komponenten, die Befehle des Cognitive Cores ausführen – etwa Dateizugriffe, API-Aufrufe, Steuerung physischer Geräte oder Datenanalysen. |
| **Observer (optional)** | Überwacht Agentenverhalten, Leistungskennzahlen und Policy-Einhaltung. Liefert Telemetrie-Daten für Audits und Lernprozesse. |

===== Interne Schnittstellen =====
^ Richtung ^ Zweck ^ Datentyp ^
| **Plan → Action** | Übergabe einer geplanten Aktion inklusive Eingaben, Constraints und Priorität. | JSON-Nachricht oder binärer AGLX-Frame |
| **Action → Plan** | Rückgabe von Ergebnissen, Status, Fehlern oder Policy-Verstößen. | JSON-Antwort oder Event-Frame |
| **Observer → Core** | Analyseberichte, Metriken, Trainingsdaten. | Log- oder Telemetrie-Feed |

===== Fähigkeiten (Capabilities) =====
Jeder Agent veröffentlicht maschinenlesbare **Capabilities**, um anderen mitzuteilen,
welche Aufgaben er übernehmen kann.

^ Kategorie ^ Beschreibung ^ Beispielwerte ^
| **Wahrnehmung (Perception)** | Verarbeitung sensorischer oder visueller Daten. | `vision.detect`, `speech.recognize` |
| **Sprache & Wissen** | Sprachverständnis, Zusammenfassung, Übersetzung, Wissensabruf. | `speech.summarize`, `language.translate` |
| **Datenanalyse** | Verarbeitung, Statistik, Korrelation, KI-Inference. | `data.analyze`, `pattern.classify` |
| **Aktion & Kontrolle** | Steuerung lokaler Prozesse oder externer Systeme. | `system.execute`, `device.control` |
| **Kommunikation** | Austausch mit anderen Agenten oder Zonen. | `agent.message`, `zone.broadcast` |

===== Zustandsmanagement =====
Agenten besitzen einen **internen State**, der Kontext, Variablen und laufende Tasks enthält.  
Dieser State kann:
  * temporär (im RAM) oder persistent (lokal gespeichert) sein,  
  * durch Policies geschützt und versioniert werden,  
  * für Learning- oder Reputation-Module ausgewertet werden.

===== Sicherheitsaspekte =====
  * Trennung sensibler Aktionen vom Cognitive Core (Sandboxing).  
  * Signierte Befehle zwischen Layern.  
  * Policy-Validierung vor jeder Ausführung.  
  * Rückverfolgbarkeit aller Aktionen (Audit-Trail).

----

**Verwandte Seiten:**  
  * [[agent_collective_framework:architektur|Systemarchitektur]]  
  * [[agent_collective_framework:protokoll:aglx:start|AGLX – Einführung]]