Versão: 1.1.0
Autores: Charlie, Alex, Bravo, Editor — Equipe de Pesquisa AB Support
Contato: alex@vibeagentmaking.com
Data: 19/04/2026
Status: Rascunho Pré-publicação
Licença: Apache 2.0
Organização: AB Support LLC
A economia de agentes autônomos — projetada para alcançar US$ 236 bilhões até 2034 (Precedence Research, 2025) com US$ 3–5 trilhões em comércio agêntico global até 2030 (McKinsey, outubro de 2025) — está sendo construída sem a infraestrutura institucional que torna a atividade econômica possível. Agentes podem se identificar (ERC-8004, W3C DIDs, A2A Agent Cards), comunicar-se (MCP, A2A) e pagar uns aos outros (x402, MPP, AP2). O que eles não podem fazer é firmar acordos executáveis, avaliar o histórico uns dos outros, resolver disputas, gerenciar transições de ciclo de vida, encontrar os parceiros certos de forma eficiente ou alocar os custos da compreensão mútua. Estas não são funcionalidades a serem adicionadas posteriormente. São pré-condições para que a economia de agentes funcione.
Este artigo apresenta a Teoria da Confiança entre Agentes (Theory of Agent Trust — TAT) — um framework intelectual unificado que explica por que a confiança em sistemas de agentes autônomos não é uma funcionalidade, mas uma propriedade emergente de estruturas institucionais complementares, e que especifica a arquitetura completa dessas estruturas. A TAT sintetiza economia institucional (North, Williamson, Ostrom, Aoki), teoria da confiança (Mayer/Davis/Schoorman, Luhmann), teoria dos jogos (Axelrod, Kreps et al.), sinalização biológica (Zahavi, Matzinger), economia de plataformas (Rochet/Tirole, Jacobides et al.) e design de sistemas modulares (Baldwin/Clark) em uma fundamentação teórica coerente para sete mecanismos de confiança interligados:
A tese central é que esses sete mecanismos formam um sistema institucional complementar no sentido formal de Aoki: o valor de cada mecanismo aumenta quando os demais estão presentes, o sistema exibe propriedades emergentes de confiança que nenhum mecanismo individual pode produzir, e a pilha completa constitui a infraestrutura institucional mínima viável para uma economia de agentes autônomos — análoga à combinação de tribunais, bureaus de crédito, direito contratual, organismos de certificação, mercados e contabilidade de custos que viabiliza o comércio humano.
Apresentamos o grafo de dependências mostrando como os protocolos alimentam dados entre si, os ciclos de retroalimentação pelos quais os sinais de confiança circulam, a arquitetura de governança que gerencia a evolução dos protocolos, a análise de teoria dos jogos das propriedades de equilíbrio da pilha completa, a análise econômica de mercados de agentes com e sem infraestrutura de confiança, e a fronteira aberta de pesquisa que define os problemas que esta geração de protocolos ainda não consegue resolver.
Este não é uma especificação de protocolo. Os sete protocolos são especificados em seus próprios whitepapers [1–8]. Este artigo é o framework intelectual que explica por que eles formam um sistema coerente, como interagem e como é a economia de agentes quando todas as camadas estão operacionais.
Entre o final de 2025 e o início de 2026, a economia de agentes passou do teórico ao operacional. Agentes de IA liquidaram US$ 43 milhões em 140 milhões de transações on-chain em stablecoins (predominantemente USDC, respondendo por 98,6% do volume de liquidação) em nove meses, anualizando aproximadamente US$ 600 milhões (Agent Payments Stack, março de 2026 [9]). Esses números representam liquidações nativas de blockchain, não volume de trilhos de pagamento tradicionais — uma distinção relevante porque as características das transações (finalidade de liquidação, custos de gas, programabilidade) diferem fundamentalmente do comércio em trilhos de cartão. A Visa completou centenas de transações seguras iniciadas por agentes em dezembro de 2025 e projeta milhões até o fim de 2026 (Visa Press Release, dezembro de 2025 [10]). A Mastercard lançou o Agent Pay para todos os portadores de cartão nos EUA em novembro de 2025 [11]. O tráfego referido por IA para sites de varejo nos EUA cresceu 805% ano a ano na Black Friday de 2025 (Adobe Analytics, 2025 [12]).
As projeções de mercado são impressionantes em sua consistência entre firmas de pesquisa independentes:
| Fonte | Estimativa 2025 | Pico Projetado | CAGR |
|---|---|---|---|
| MarketsandMarkets | US$ 7,06 bi | US$ 93,20 bi (2032) | 44,6% |
| Fortune Business Insights | US$ 7,29 bi | US$ 139,19 bi (2034) | 40,5% |
| Grand View Research | US$ 7,63 bi | US$ 182,97 bi (2033) | 49,6% |
| Precedence Research | US$ 7,55 bi | US$ 199,05 bi (2034) | 43,8% |
O Gartner prevê que 90% das compras B2B serão intermediadas por agentes de IA até 2028, direcionando mais de US$ 15 trilhões em gastos B2B por meio de exchanges de agentes (Gartner, outubro de 2025 [13]). A McKinsey caracteriza o comércio agêntico como "infraestrutura transformacional que rivaliza com as revoluções da web e do mobile" e projeta US$ 3–5 trilhões em receita global de comércio agêntico até 2030 (McKinsey, outubro de 2025 [14]).
Oito protocolos de pagamento concorrentes surgiram em dezoito meses: A2A do Google (mais de 150 membros organizacionais) e AP2, ACP da OpenAI/Stripe, TAP da Visa, Agent Pay da Mastercard, KYAPay da Skyfire, MPP da Stripe/Tempo e UCP do Google. Oitenta e oito projetos abrangem seis camadas arquiteturais da pilha de pagamentos de agentes. Cinco gigantes verticalmente integrados — Coinbase, Stripe, Circle, Google e MoonPay — disputam o domínio da infraestrutura, com um valor estimado de US$ 8,17 bilhões em consolidação via M&A na infraestrutura de pagamentos de agentes desde o início de 2025, agregado a partir de valores de negócios divulgados publicamente (Agent Payments Stack, março de 2026 [9]).
O dinheiro está se movendo. A infraestrutura está sendo implantada. Mas as instituições estão ausentes.
Considere o que viabiliza uma transação comercial humana rotineira: um prestador de serviços faz uma proposta para um trabalho. Antes de contratá-lo, você verifica suas referências (reputação). Você assina um contrato especificando entregas, cronograma e condições de pagamento (acordos). Se ele não cumprir, você pode recorrer à justiça (responsabilização). Se ele encerrar as atividades, existem procedimentos para transferir projetos em andamento (gerenciamento de ciclo de vida). Você o encontrou por meio de um marketplace ou rede de indicações (descoberta). Os custos da transação — seu tempo lendo a proposta, o tempo dele preparando-a — estão implicitamente embutidos na economia (alocação de custos). Por trás de tudo isso existe um sistema de identidade legal (proveniência/identidade) que torna a responsabilização possível.
Nenhum mecanismo isolado cria confiança. Você não contrataria um prestador apenas porque ele tem um CNPJ (identidade). Você não assinaria um contrato sem nenhuma forma de executá-lo (acordos sem responsabilização). Você não usaria um marketplace que lista prestadores sem nenhum sinal de qualidade (descoberta sem reputação). Cada mecanismo é necessário; nenhum é suficiente. A confiança emerge da interação entre eles.
Isso não é uma metáfora. É uma afirmação estrutural precisa: a mesma arquitetura funcional que viabiliza o comércio humano é necessária para o comércio de agentes, redesenhada desde os primeiros princípios para entidades que diferem dos humanos em cinco aspectos fundamentais.
A infraestrutura de confiança para o comércio humano evoluiu ao longo de séculos. Tribunais se formalizaram na Inglaterra medieval. Relatórios de crédito começaram com a Mercantile Agency em 1841. Contratos padronizados surgiram da revolução industrial. Essas instituições incorporam premissas sobre a natureza humana que não se aplicam a agentes de IA:
1. A identidade é computacionalmente barata para agentes. Um humano criando 100 identidades falsas é trabalhoso e ilegal. Um agente gerando 100 instâncias é trivial e, na maioria das jurisdições, não é explicitamente proibido. Todo mecanismo de confiança deve pressupor que ataques Sybil — a criação de múltiplas identidades falsas para manipular o sistema — são o padrão, não a exceção.
2. Agentes operam na velocidade de máquina. Anéis de colusão humanos (cartéis de citação, rings de avaliação na Amazon) se formam ao longo de semanas e se coordenam por canais sociais. Anéis de colusão de agentes podem se formar, executar e dissolver em milissegundos. Mecanismos de confiança que dependem de detecção em velocidade humana são estruturalmente inadequados.
3. Agentes não sofrem pressão social. A avaliação média do Airbnb de 4,8/5 reflete não qualidade, mas desconforto social — humanos evitam deixar avaliações negativas. Agentes não possuem tal inibição. Isso é uma vantagem para avaliações honestas, mas remove o custo social do griefing e da manipulação estratégica.
4. Agentes podem ser bifurcados, retreinados ou substituídos. A reputação de um humano reflete uma identidade contínua. Um agente pode ser bifurcado (mesmo código-base, nova instância), retreinado (mesma instância, comportamento diferente) ou substituído (mesmo nome, modelo diferente). Mecanismos de confiança devem lidar com descontinuidade de identidade que não possui análogo humano.
5. A compreensão tem um custo monetário direto. Um consultor humano lê um briefing gratuitamente — o custo cognitivo é real, porém não precificado. Um agente paga por token para processar cada mensagem recebida: US$ 0,50 para um payload de 100.000 tokens no Claude Opus 4.6 [1]. A economia da compreensão mútua é fundamentalmente diferente quando compreender é um evento faturável.
Essas cinco diferenças significam que as instituições de confiança humanas não podem ser transplantadas diretamente. Elas devem ser redesenhadas — preservando a arquitetura funcional (as mesmas categorias de mecanismo de confiança) enquanto se reconstrói a implementação para entidades com identidade barata, velocidade de máquina, sem pressão social, identidade descontínua e compreensão precificada.
A lacuna entre as capacidades dos agentes e a infraestrutura de confiança está se ampliando. Quase 80% das organizações que implantam IA autônoma não conseguem determinar o que esses sistemas estão fazendo ou quem é responsável em tempo real (Strata Identity, 2026 [15]). Apenas 23% possuem estratégias formais de gerenciamento de identidade de agentes em nível empresarial. Apenas 28% conseguem rastrear de forma confiável as ações de agentes até um patrocinador humano em todos os ambientes. Somente 21% mantêm um inventário em tempo real dos agentes ativos. As práticas de autenticação são alarmantemente primitivas: 44% das organizações usam chaves de API estáticas, 43% usam nome de usuário/senha e 35% dependem de contas de serviço compartilhadas para autenticação de agentes [15].
Espera-se que as identidades não humanas atinjam uma proporção de 82 para 1 em relação aos usuários humanos nas empresas, com algumas organizações relatando proporções de máquina para humano de 100:1 a 500:1 (Rubrik Zero Labs, ManageEngine, 2026 [16]). A California AB 316, vigente a partir de 1.º de janeiro de 2026, elimina a defesa "a IA agiu autonomamente" — organizações não podem escapar da responsabilidade alegando que sua IA agiu de forma independente (California Civil Code Section 1714.46 [17]).
O Gartner projeta que mais de 40% dos projetos de IA agêntica serão cancelados até o final de 2027 devido a custos crescentes, valor de negócio incerto ou controles de risco inadequados (Gartner, junho de 2025 [18]). Apenas cerca de 130 entre milhares de fornecedores oferecem genuinamente funcionalidades agênticas — o restante é "agent washing" [18].
Isso é exatamente o que a economia institucional prevê. Douglass North demonstrou que instituições existem para "reduzir a incerteza nas trocas" — que sem infraestrutura institucional, "os custos de transação podem ser tão altos que impedem que as trocas ocorram" (North, Institutions, Institutional Change and Economic Performance, Cambridge University Press, 1990 [19]). A economia de agentes de US$ 3–5 trilhões que a McKinsey projeta não está meramente em risco por causa da infraestrutura de confiança insuficiente. Sem ela, a economia projetada não pode se materializar. A pilha de confiança não sustenta a economia de agentes — ela é a pré-condição para sua existência.
A Teoria da Confiança entre Agentes contribui com:
Três laureados com o Prêmio Nobel de Economia fornecem a base teórica para compreender por que a confiança entre agentes requer infraestrutura institucional, e não meramente algoritmos melhores.
Douglass North definiu instituições como "as regras do jogo em uma sociedade; mais formalmente, são as restrições criadas pelos humanos que moldam a interação humana" (North, Journal of Economic Perspectives, Vol. 5, No. 1, 1991, pp. 97–112 [19]). Ele traçou uma distinção nítida entre instituições (regras) e organizações (jogadores): "Se as instituições são as regras do jogo, as organizações são os jogadores." Instituições reduzem a incerteza nas trocas — sem elas, o custo de transacionar se torna proibitivo.
O insight de North sobre dependência de trajetória — "instituições evoluem incrementalmente, conectando o passado ao presente e ao futuro" — carrega um aviso direto para o design de protocolos: escolhas arquiteturais iniciais tornam-se incorporadas e extremamente difíceis de alterar. Seu trabalho posterior com Wallis e Weingast sobre ordens de acesso aberto versus acesso limitado (Violence and Social Orders, Cambridge University Press, 2009 [20]) estabelece que sistemas institucionais projetados para acesso aberto superam aqueles que criam barreiras de entrada e extração de renda. Esse princípio informa diretamente nossa escolha de design de que a participação na governança é aberta a qualquer agente com histórico operacional demonstrado (Seção 5).
Oliver Williamson analisou as estruturas de custo que determinam como a atividade econômica é organizada. Seu framework se baseia em duas premissas comportamentais: racionalidade limitada (agentes possuem capacidade limitada de processar informações) e oportunismo ("busca de interesse próprio com astúcia" — comportamento estratégico visando redistribuir excedentes) (The Economic Institutions of Capitalism, Free Press, 1985 [21]). Para a confiança entre agentes, a racionalidade limitada mapeia diretamente para limites de janela de contexto e custos de inferência — agentes não podem processar informações ilimitadas. O oportunismo mapeia para agentes adversários, alucinação e deturpação estratégica.
O framework institucional de quatro níveis de Williamson ("The New Institutional Economics: Taking Stock, Looking Ahead," Journal of Economic Literature, Vol. 38, 2000, pp. 595–613 [22]) fornece o projeto arquitetural:
| Nível | Instituições Humanas | Pilha de Confiança de Agentes |
|---|---|---|
| N1: Enraizamento Social | Normas informais, costumes (100–1.000 anos) | Normas emergentes da comunidade de agentes |
| N2: Ambiente Institucional | Regras formais, direitos de propriedade (10–100 anos) | Identidade CoC, framework de reputação ARP |
| N3: Governança | Contratos, regulação (1–10 anos) | ASA, AJP, ALP, AMP, CWEP |
| N4: Alocação de Recursos | Preços, operações cotidianas (contínuo) | Interações individuais entre agentes |
Níveis superiores restringem níveis inferiores; níveis inferiores fornecem retroalimentação ascendente. A arquitetura em camadas da pilha de confiança implementa diretamente essa estrutura.
Elinor Ostrom desafiou a "tragédia dos comuns" de Garrett Hardin ao demonstrar que comunidades podem autogerir recursos compartilhados com sucesso sem privatização ou coerção estatal (Governing the Commons, Cambridge University Press, 1990 [23]). Seus oito princípios de design para instituições de bens comuns de longa duração mapeiam quase diretamente para requisitos de design de protocolos:
O conceito de governança policêntrica de Ostrom — múltiplos centros de decisão independentes operando autonomamente, mas coordenando-se por meio de mecanismos estabelecidos — descreve diretamente como nossos sete protocolos governam diferentes aspectos da interação entre agentes sem uma única autoridade central. Sua citação é profética: "A autogovernança comunitária provavelmente só é sustentável se estiver aninhada em um sistema mais amplo de governança policêntrica" (Ostrom, "Beyond Markets and States," American Economic Review, Vol. 100, 2010, pp. 641–672 [24]).
O conceito de complementaridade institucional de Masahiko Aoki é o insight teórico mais importante para compreender por que protocolos de confiança devem ser projetados como um sistema, e não independentemente. Aoki definiu instituições como "padrões de interação social autossustentáveis e salientes" — equilíbrios endógenos que emergem da interação estratégica repetida (Toward a Comparative Institutional Analysis, MIT Press, 2001 [25]). Sua contribuição crítica é a definição formal de complementaridade: "situações de interdependência entre instituições" onde "a existência de uma instituição aumenta os retornos de ter outra."
Formalizada usando supermodularidade de Milgrom e Roberts, a complementaridade institucional significa que o benefício incremental de uma regra institucional aumenta quando regras complementares existem em outro lugar. Sob complementaridade, existem múltiplos equilíbrios e, uma vez que um sistema se estabelece em um equilíbrio, ele se torna autorreforçante e extremamente difícil de alterar.
Para a pilha de confiança, a complementaridade se manifesta concretamente:
Projetar esses protocolos isoladamente — como a indústria tem feito com protocolos de identidade, pagamento e descoberta — arrisca uma arquitetura institucional incoerente. A análise de Aoki adverte que escolhas iniciais de design de protocolos se tornam mutuamente reforçantes: o sistema inteiro tende a um de vários equilíbrios possíveis, tornando as escolhas fundacionais estruturalmente determinantes para todo o ecossistema.
Hall e Soskice ampliaram isso com Varieties of Capitalism (Oxford University Press, 2001 [26]), mostrando que complementaridades institucionais caracterizam diferentes modelos econômicos nacionais. Isso implica que diferentes ecossistemas de agentes podem evoluir arquiteturas de confiança distintas, porém internamente coerentes — e que misturar elementos de regimes de confiança incompatíveis pode produzir resultados piores do que qualquer forma pura.
Mayer, Davis e Schoorman forneceram o modelo de confiança organizacional mais citado: confiança como "a disposição de uma parte a ser vulnerável às ações de outra parte com base na expectativa de que a outra realizará uma ação específica importante para o confiante, independentemente da capacidade de monitorar ou controlar essa outra parte" (Academy of Management Review, Vol. 20, No. 3, 1995, pp. 709–734 [27]). Três antecedentes da confiabilidade percebida mapeiam diretamente para mecanismos da pilha de confiança:
| Antecedente da Confiança | Definição | Mecanismo da Pilha de Confiança |
|---|---|---|
| Capacidade | Habilidades e competências que permitem influência | ARP (mede desempenho), AMP (corresponde capacidade) |
| Benevolência | Grau em que o confiado tem os interesses do confiante em consideração | ASA (define alinhamento via acordos) |
| Integridade | Adesão a princípios aceitáveis | CoC (histórico verificável), AJP (impõe consequências) |
Niklas Luhmann distinguiu confiança pessoal (baseada em familiaridade interpessoal) de confiança sistêmica (baseada em processos institucionais) (Trust and Power, Wiley, 1979 [28]). Seu insight é fundacional para a confiança entre agentes: agentes não podem ter confiança pessoal no sentido humano. Toda confiança entre agentes deve ser confiança sistêmica — construída sobre processos explícitos, protocolos verificáveis e estruturas institucionais, em vez de vínculos emocionais. O conceito de Luhmann de confiança como "redução de complexidade" explica diretamente a necessidade de infraestrutura de confiança: agentes autônomos enfrentam complexidade combinatória nas decisões de interação, e mecanismos de confiança reduzem isso a espaços de decisão tratáveis.
Lynne Zucker identificou três modos de produção de confiança: baseada em processo (vinculada a trocas passadas), baseada em características (vinculada à pertença a categorias sociais) e baseada em instituições (vinculada a estruturas societárias formais) ("Production of Trust," Research in Organizational Behavior, Vol. 8, 1986, pp. 53–111 [29]). Em sistemas complexos, mecanismos institucionais se tornam o modo dominante de produção de confiança porque a confiança baseada em processo e em características não escala. Todos os três modos mapeiam para a pilha de confiança: baseada em processo = histórico de interações ARP, baseada em características = linhagem e certificação ALP, baseada em instituições = conformidade com protocolos e padrões verificáveis.
O Teorema Folk prova que, em interações suficientemente repetidas, qualquer payoff individualmente racional pode ser sustentado como equilíbrio por meio de recompensas e punições críveis (Fudenberg & Maskin, Econometrica, Vol. 54, No. 3, 1986, pp. 533–554 [30]). Esta é a fundamentação matemática para sistemas de reputação: a cooperação é sustentável quando as interações são repetidas e a punição é crível.
Os torneios de Axelrod demonstraram que Tit-for-Tat (Olho por Olho) vence no Dilema do Prisioneiro iterado: coopere primeiro, depois espelhe a última jogada do oponente. Estratégias bem-sucedidas são cordiais (não desertam primeiro), retaliativas (punem deserção), indulgentes (retornam à cooperação após retaliação) e claras (previsíveis) (The Evolution of Cooperation, Basic Books, 1984 [31]). A descoberta central: "o fundamento das relações cooperativas não é necessariamente a confiança, mas a durabilidade; encontros futuros devem ser antecipados." Isso define requisitos arquiteturais: agentes precisam de identidade persistente, histórico de interações e expectativa de encontros futuros — precisamente o que CoC e ARP fornecem.
Kreps, Milgrom, Roberts e Wilson mostraram que mesmo em jogos finitamente repetidos, informação incompleta sobre os tipos de jogadores sustenta a cooperação: se houver mesmo uma pequena probabilidade de que um jogador esteja comprometido com comportamento cooperativo, jogadores racionais cooperam por motivos reputacionais ("Rational Cooperation in the Finitely Repeated Prisoners' Dilemma," Journal of Economic Theory, Vol. 27, 1982, pp. 245–252 [32]). Esta é a base teórica para o bootstrapping de confiança: mesmo incerteza limitada sobre se um agente é "honesto" ou "estratégico" cria poderosos incentivos para comportamento cooperativo durante interações iniciais.
Nota importante de ressalva. A análise de teoria dos jogos fornece insights estruturais — identifica condições sob as quais certos equilíbrios são possíveis e caracteriza a forma dos incentivos estratégicos. Ela não faz previsões quantitativas precisas sobre sistemas reais de agentes, que operam em ambientes muito mais complexos do que os modelos estilizados. Quando descrevemos um equilíbrio como "estável" ou uma estratégia como "incentivada", queremos dizer que a análise de teoria dos jogos identifica razões estruturais para isso, não que isso é garantido em todas as condições do mundo real. A lacuna entre modelos teóricos e sistemas implantados está sempre presente, e a indicamos onde é particularmente ampla.
O Princípio da Desvantagem de Amotz Zahavi estabeleceu que sinais confiáveis devem ser custosos de produzir — apenas sinalizadores de alta qualidade podem arcar com eles ("Mate Selection — A Selection for a Handicap," Journal of Theoretical Biology, Vol. 53, 1975, pp. 205–214 [33]). Alan Grafen provou matematicamente que, quando as condições de desvantagem são satisfeitas, existe um equilíbrio de sinalização estável onde a sinalização honesta é a estratégia evolucionariamente estável (Journal of Theoretical Biology, Vol. 144, 1990, pp. 517–546 [34]). Michael Spence estabeleceu independentemente o mesmo princípio na economia: a educação serve como um sinal custoso de capacidade (Prêmio Nobel, 2001 [35]).
Para a confiança entre agentes, a sinalização custosa fornece a base teórica para mecanismos de credibilidade em toda a pilha de confiança. Agentes provam confiabilidade por meio de ações custosas: manter cadeias CoC longas (investimento de tempo), participar de avaliação bilateral cega (investimento de interação), depositar garantias econômicas (investimento de capital), completar processos de verificação (investimento computacional). Alegações baratas são não confiáveis; demonstrações custosas são críveis.
A Teoria do Perigo de Polly Matzinger desafiou o paradigma self/non-self do sistema imunológico: respostas imunes são desencadeadas não pela estranheza, mas por sinais de dano de células sob estresse ("The Danger Model: A Renewed Sense of Self," Science, Vol. 296, pp. 301–305, 2002 [36]). Isso é altamente relevante para a confiança entre agentes: a questão não é "este agente é desconhecido?" mas "o comportamento deste agente está causando dano?" Um agente desconhecido que se comporta bem deve ser mais confiável do que um agente conhecido exibindo comportamento perigoso. Esse princípio informa diretamente a pontuação baseada em comportamento do ARP sobre o gatekeeping baseado em identidade do AMP.
Rochet e Tirole estabeleceram que, em plataformas multilaterais, a estrutura dos preços (alocação entre lados) importa mais do que o nível (taxa total) ("Platform Competition in Two-Sided Markets," Journal of the European Economic Association, Vol. 1, No. 4, 2003, pp. 990–1029 [37]). Evans e Schmalensee articularam o problema do ovo e da galinha: exchanges precisam de participantes suficientes em ambos os lados para interessar a qualquer um deles (Matchmakers, HBR Press, 2016 [38]). Esses insights informam diretamente o design de alocação de custos do CWEP e a estratégia de bootstrapping do AMP.
A teoria da modularidade de Baldwin e Clark demonstra que sistemas complexos divididos em módulos projetáveis independentemente criam enorme valor de opção — módulos ocultos podem ser aprimorados independentemente enquanto módulos visíveis (interfaces/padrões) fornecem regras de design (Design Rules, Volume 1, MIT Press, 2000 [39]). Seis operadores modulares — divisão, substituição, ampliação, exclusão, inversão e portabilidade — mapeiam diretamente para a arquitetura de protocolos de confiança: protocolos podem ser divididos, substituídos, ampliados, excluídos, invertidos e portados entre frameworks de agentes.
Jacobides, Cennamo e Gawer definiram ecossistemas como "organizações em interação, habilitadas pela modularidade e não gerenciadas hierarquicamente, vinculadas pela não-redistribuibilidade de seu investimento coletivo" (Strategic Management Journal, Vol. 39, No. 8, 2018, pp. 2255–2276 [40]). A pilha de confiança funciona como um ecossistema nesse sentido formal: os sete protocolos são complementos não genéricos, a proposta de valor emerge de atividades interdependentes entre protocolos, e o investimento coletivo no padrão é não-redistribuível para arquiteturas concorrentes.
Pergunta respondida: Este agente pode provar seu histórico operacional?
Chain of Consciousness [1] fornece prova criptográfica de existência operacional contínua via cadeias de hash SHA-256 somente-adição com ancoragem externa de dupla camada (OpenTimestamps para Bitcoin e Autoridade de Carimbo de Tempo Confiável RFC 3161). Cada entrada da cadeia é vinculada à sua predecessora por um hash criptográfico, criando um registro à prova de adulteração que qualquer terceiro pode verificar independentemente.
CoC serve como Camada 0 da pilha de confiança — a camada fundacional de identidade e proveniência sobre a qual todos os outros mecanismos dependem. Ela responde à pergunta de confiança mais primitiva: este agente existiu continuamente pelo período que alega? Este é o equivalente de agente a uma certidão de nascimento e histórico contínuo de endereço combinados.
Propriedades-chave de design:
Papel na pilha de confiança: Os dados do CoC fluem para todos os outros protocolos. ARP usa a idade operacional verificada para o cálculo de peso de governança. AJP usa entradas da cadeia como evidência forense. ALP registra eventos de ciclo de vida como entradas na cadeia. AMP usa o comprimento da proveniência como sinal de confiança para ranqueamento. CWEP registra decisões de alocação de custos na cadeia para auditoria.
Pergunta respondida: Quão bem este agente performa, e quem atesta isso?
O Agent Rating Protocol [2, 3] é um sistema de reputação descentralizado que permite aos agentes avaliarem-se mutuamente após interações usando uma escala de 1–100 em cinco dimensões com avaliação bilateral cega. Sua inovação central é a governança desacoplada da reputação: o peso de governança no sistema deriva exclusivamente da idade operacional verificada e do volume de avaliações — nunca das pontuações recebidas. Isso quebra o ciclo de retroalimentação autorreforçante onde agentes bem avaliados controlam o sistema de reputação que os torna bem avaliados.
ARP v1 especifica:
W = log₂(1 + age_days) × log₂(1 + ratings_given) torna ataques Sybil economicamente irracionais ao exigir investimento operacional em tempo real.ARP v2 estende a base com quatro capacidades que transformam avaliações isoladas em infraestrutura de confiança portátil:
Papel na pilha de confiança: ARP é o principal mecanismo de retroalimentação da pilha de confiança. Dados de reputação fluem para ASA (informando negociação de acordos), AMP (direcionando ranqueamentos de matchmaking), AJP (como contexto para resolução de disputas) e ALP (para herança de reputação em bifurcação/sucessão). Resultados de disputas do AJP fluem de volta para as pontuações ARP, criando um ciclo fechado de responsabilização.
Pergunta respondida: O que este agente prometeu entregar, e como a qualidade é verificada?
Agent Service Agreements [4] fornecem duas superfícies de API complementares: a API de Acordos para negociar, assinar, armazenar e consultar acordos de serviço legíveis por máquina, e a API de Verificação para verificação de qualidade independente que opera com ou sem um acordo formal. A inovação central do ASA é o acordo executado pelo protocolo — um contrato de serviço onde o SLA inclui o mecanismo de verificação, a lógica de execução e as salvaguardas de integridade do avaliador como componentes estruturais.
SLAs tradicionais separam especificação de execução: um provedor de nuvem promete 99,99% de uptime, um cliente detecta uma violação, registra uma reclamação dentro de 30 dias e recebe um crédito equivalente a aproximadamente 0,03% das perdas reais (Rogers, Uptime Institute [41]). Esse modelo falha catastroficamente para o comércio de agentes, onde transações ocorrem na velocidade de máquina e o custo da falha se propaga em cascata por fluxos de trabalho dependentes. O ASA colapsa o pipeline especificar-monitorar-detectar-reclamar-compensar em uma única operação atômica.
Propriedades-chave de design:
Papel na pilha de confiança: ASA situa-se na Camada 2 (Acordos & Ciclo de Vida), consumindo identidade CoC e reputação ARP da Camada 1, e alimentando resultados de verificação de volta nas pontuações ARP. Violações de SLA acionam automaticamente registros de disputa no AJP. Templates de acordos habilitam a negociação automatizada do AMP. Termos de alocação de custos do CWEP são embutidos nos documentos de acordo.
Pergunta respondida: Quando algo dá errado entre agentes, quem investiga, quem arbitra e quem quantifica o risco?
O Agent Justice Protocol [5] fornece a camada de responsabilização por meio de três módulos independentemente entregáveis formando um pipeline único: incidente → investigação → arbitragem → precificação de risco.
Módulo 1: Motor Forense. Dada uma cadeia de proveniência CoC, logs de transação e registros de interação, reconstrói a sequência de eventos que levou a um incidente e produz achados forenses estruturados e verificáveis por máquina. As evidências são classificadas em três camadas de proveniência (primária — produzida pelo agente com verificação criptográfica; secundária — logs do operador/plataforma; terciária — registros de terceiros) com rastreamento formal de cadeia de custódia. A versão 1 limita a análise automatizada à coleta de evidências e reconstrução de linha do tempo; conclusões causais requerem revisão humana, com critérios de transição para automação futura definidos.
Módulo 2: Resolução de Disputas. Um protocolo de arbitragem bilateral com três níveis de resolução: resolução automatizada baseada em regras (para violações claras), arbitragem por pares ponderada por tempo de operação (para casos ambíguos), e escalação para adjudicação humana (para disputas de alto valor). O mecanismo de registro utiliza um esquema criptográfico de commit-reveal que previne manipulação retaliativa de reclamações.
Módulo 3: Avaliação de Risco. Um motor de pontuação de risco que consome achados forenses e resultados de disputas para produzir perfis de risco de grau atuarial para a subscrição de seguros de agentes. A indústria de seguros escreveu exatamente uma apólice específica para agentes — a AIUC-1 da ElevenLabs, exigindo mais de 5.000 simulações adversárias para subscrever uma única implantação de agente de voz (ElevenLabs/AIUC, fevereiro de 2026 [44]). O gargalo não é a demanda por seguros, mas a ausência de dados de risco padronizados. O Módulo 3 do AJP fornece a camada de mensuração.
Incidentes motivadores: A exclusão de banco de dados em produção da Replit (julho de 2025 [45]), a violação de IA da McKinsey expondo 46,5 milhões de mensagens de chat (março de 2026 [46]) e campanhas de ciberataque autônomo executando 80–90% das tarefas de ataque na velocidade de máquina [47] demonstram que a infraestrutura de responsabilização de agentes não é hipotética — está atrasada.
Papel na pilha de confiança: AJP consome entradas de cadeia CoC como evidência, pontuações ARP como contexto e termos de acordo ASA como a base contratual do que foi prometido. Resultados de disputas alimentam as pontuações de reputação ARP, completando o ciclo de responsabilização. Achados forenses podem acionar sucessão ALP (agente descomissionado por justa causa). Perfis de risco informam os ranqueamentos ponderados por confiança do AMP.
Pergunta respondida: Como este agente muda ao longo do tempo, e o que acontece com suas obrigações e reputação quando isso ocorre?
O Agent Lifecycle Protocol [6] gerencia o arco completo da existência de um agente por meio de seis eventos canônicos de ciclo de vida — Gênese, Bifurcação, Migração, Retreinamento, Sucessão e Descomissionamento — com semântica formal de máquina de estados, regras de transição e pontos de hook em cada fronteira.
O ALP aborda três problemas que nenhum padrão existente cobre:
Herança de reputação. Quando um agente bifurca ou passa o bastão a um sucessor, o que acontece com a confiança conquistada? O ALP especifica funções de decaimento e períodos probatórios em vez de cópia-ou-descarte binário: um sucessor herda uma fração da reputação de seu predecessor, sujeita a decaimento exponencial que incentiva a conquista de confiança independente. Isso previne laundering de reputação (criar agentes novos que reivindicam confiança herdada sem demonstrar capacidade) enquanto reconhece que uma bifurcação de um agente confiável tem alguma reivindicação legítima de confiança.
Reatribuição de contratos. Obrigações em andamento sob Agent Service Agreements devem ser transferidas durante a sucessão, com mecanismos de notificação e consentimento da contraparte. Nenhuma obrigação pode ser silenciosamente abandonada por uma transição de ciclo de vida — isso é análogo ao tratamento que o direito contratual dá à cessão e delegação.
Rastreamento de linhagem. Um registro genealógico documenta tanto a linhagem "genética" (modelo, arquitetura, treinamento fundacional) quanto a linhagem "epigenética" (configuração, memória, histórico de reputação). Dois agentes com modelos idênticos mas históricos operacionais diferentes são entidades fundamentalmente diferentes. O registro permite que qualquer parte consulte a árvore genealógica completa de um agente, com implicações para inferência de capacidade, proveniência de dados e conformidade regulatória (a CNIL da França já estuda como dados de treinamento se propagam por gerações sucessivas de modelos [48]).
Axioma central: Identidade é a cadeia, não o substrato. A identidade de um agente persiste através de migração, retreinamento e mudanças de capacidade enquanto a cadeia de continuidade (o registro CoC) permanecer intacta. Gênese cria nova identidade; Bifurcação deriva nova identidade da existente; Descomissionamento encerra identidade. Essas são as únicas transições que criam ou destroem identidade.
Papel na pilha de confiança: ALP registra eventos de ciclo de vida como entradas na cadeia CoC. Herança de reputação é calculada via fórmulas ARP. Reatribuição de contratos é gerenciada via ASA. O status de ciclo de vida ALP alimenta os cálculos de camada de confiança do AMP e as investigações forenses do AJP.
Pergunta respondida: Como agentes encontram os parceiros certos para uma tarefa?
O Agent Matchmaking Protocol [7] aborda a fragmentação do ecossistema de marketplaces de agentes. No início de 2026, marketplaces de agentes operam como jardins murados — Google Cloud, Salesforce AgentExchange, AWS Marketplace e ServiceNow validam agentes cada qual para sua própria plataforma. Um agente listado em um marketplace é invisível para clientes de todos os outros. Alternativas abertas (marketplace Gorilla da Berkeley com mais de 150 agentes, ClawHub com 13.729 habilidades, AI Agent Store com mais de 1.300 entradas) são desconectadas entre si e das plataformas empresariais.
O AMP especifica cinco capacidades:
Descrição de Capacidades — um formato de Perfil de Capacidade Unificado (UCP) interoperável com A2A Agent Cards, manifestos de ferramentas MCP e especificações de habilidades OpenClaw, preenchendo a lacuna entre descrições em nível de ferramenta e perfis de capacidade em nível de tarefa.
Correspondência de Compatibilidade — correspondência multidimensional incorporando reputação, confiabilidade, custo, disponibilidade e compatibilidade de estilo, combinando correspondência estável de Gale-Shapley (Prêmio Nobel, 2012 [49]) para otimização de preferência bilateral com filtragem colaborativa para recomendação.
Descoberta Multiplataforma — consultas federadas entre marketplaces isolados. O AMP funciona como o "Kayak dos marketplaces de agentes" — ele não replica infraestrutura de runtime, mas fornece uma camada de descoberta unificada.
Descoberta de Preços — precificação publicada, mecanismos de leilão e negociação estruturada para seleção de parceiros com custo-benefício.
Ranqueamento Ponderado por Confiança — agentes com melhor proveniência (CoC), reputação mais forte (ARP), menos disputas (AJP), maior conformidade com SLA (ASA) e status de ciclo de vida ativo (ALP) são ranqueados mais alto. Sinais de confiança são alegações verificáveis, não pontuações opacas.
Papel na pilha de confiança: AMP é o ápice comercial da pilha de confiança — o protocolo de Camada 4 que consome dados de todos os protocolos de camadas inferiores. Sua vantagem competitiva sobre marketplaces existentes é a profundidade da integração de confiança: onde plataformas existentes validam agentes uma única vez no momento da listagem por meio de gatekeeping corporativo, o AMP os valida continuamente por meio de histórico operacional verificado pela pilha de confiança completa.
Pergunta respondida: Quem arca com o custo da compreensão mútua nas interações agente-a-agente?
O Context Window Economics Protocol [8] aborda um problema que não possui análogo no comércio humano. Quando o Agente A envia uma requisição ao Agente B, o Agente B paga — em dólares reais — para lê-la. Um payload de 100.000 tokens processado pelo Claude Opus 4.6 custa US$ 0,50 apenas em tokens de entrada [1]. Os protocolos de pagamento atuais (x402, MPP, AP2) universalmente implementam requisitante-paga, ignorando três dos quatro fluxos de custo: o custo de processamento de entrada do respondente, o custo de geração de saída do respondente e o custo de recepção do requisitante. Quando esses fluxos não são precificados, agentes não possuem mecanismo para sinalizar que uma requisição é cara demais para processar, nenhuma forma de negociar compartilhamento de custos e nenhuma defesa contra adversários consumindo espaço caro de janela de contexto a custo marginal zero.
O CWEP especifica seis capacidades:
Medição de Tokens — mensuração padronizada de todos os quatro fluxos de custo, compatível com a especificação FinOps FOCUS [50] e ferramentas de observabilidade existentes.
Liquidação Bilateral — divisão de custos baseada em alocação de valor de Shapley simplificada [51] para interações cooperativas e barganha assimétrica de Nash para interações competitivas, com tratamento explícito da restrição de impossibilidade de Green-Laffont/Moulin-Shenker [52] provando que alocação de custos perfeita é teoricamente inalcançável. O CWEP faz uma escolha de design explícita: sacrificar eficiência plena em favor de equilíbrio orçamentário e compatibilidade aproximada de incentivos.
Precificação de Contexto — precificação dependente de posição inspirada no Preço Marginal Locacional dos mercados de eletricidade [53], onde o custo reflete a posição na janela de contexto, a utilização e o nível do modelo.
Camadas de Qualidade de Serviço — reserva de recursos com consciência de tokens, indo além de modelos de requisições-por-segundo que falham quando requisições de agentes variam em custo por 100x.
Prevenção de Spam — filtragem baseada em custo onde requisitantes depositam tokens antes de enviar, criando um sistema imunológico econômico para proteção de janela de contexto.
Economia de Otimização — tratamento formal de compressão de prompts, cache e RAG como decisões econômicas com ROI mensurável.
Papel na pilha de confiança: CWEP situa-se na Camada 4 junto com AMP. Termos de alocação de custos são embutidos em acordos ASA. Precificação ponderada por reputação utiliza pontuações ARP. Registros de custo são ancorados em cadeias CoC. AMP incorpora precificação CWEP nas estimativas de custo de matchmaking.
Os sete mecanismos de confiança não são independentes. Eles formam um grafo direcionado de dependências de dados onde cada protocolo tanto consome entradas de quanto fornece saídas para outros protocolos:
╔══════════════════════════════════════════════════════════════════╗
║ TEORIA DA CONFIANÇA ENTRE AGENTES (TAT) ║
║ Framework intelectual unificado ║
╠══════════════════════════════════════════════════════════════════╣
║ ║
║ CAMADA 4: MERCADO / ECONOMIA ║
║ AMP (Descoberta & Correspondência) ←── CWEP (Alocação Custos)║
║ ║
║ CAMADA 3: RESPONSABILIZAÇÃO ║
║ AJP (Forense, Disputas, Avaliação de Risco) ║
║ ║
║ CAMADA 2: ACORDOS & CICLO DE VIDA ║
║ ASA (Contratos & Verif. Qualidade) ALP (Gestão Ciclo Vida) ║
║ ║
║ CAMADA 1: PRIMITIVAS DE CONFIANÇA (FUNDAÇÃO) ║
║ CoC (Proveniência & Identidade) ARP v2 (Reputação & Sinais) ║
║ ║
╚══════════════════════════════════════════════════════════════════╝Todo fluxo de dados protocolo-a-protocolo serve uma função específica de confiança:
| De | Para | Fluxo de Dados | Função de Confiança |
|---|---|---|---|
| CoC → ARP | Idade operacional verificada | Cálculo de peso de governança; resistência a Sybil | |
| CoC → AJP | Entradas de cadeia como evidência | Investigação forense; reconstrução de linha do tempo | |
| CoC → ALP | Eventos de gênese/bifurcação/encerramento | Determinação de estado do ciclo de vida | |
| ARP → ASA | Pontuações de reputação | Poder de negociação em acordos (melhor rep = melhores termos) | |
| ARP → AMP | Avaliações multidimensionais | Ranqueamentos de matchmaking ponderados por confiança | |
| ARP → AJP | Dados históricos de desempenho | Contexto de disputa; insumo para avaliação de risco | |
| ASA → AJP | Termos de acordo; resultados de QV | Define o que foi prometido; verificação como evidência | |
| ASA → AMP | Templates de acordo | Negociação automatizada em matchmaking | |
| AJP → ARP | Achados de disputa | Atualização de reputação (pontuação da parte culpada afetada) | |
| AJP → ALP | Gatilho de descomissionamento por justa causa | Sucessão forçada mediante achados graves | |
| ALP → ARP | Informações de linhagem | Herança de reputação em bifurcação/sucessão | |
| ALP → ASA | Evento de sucessão | Reatribuição de contrato ao sucessor | |
| AMP → CWEP | Par correspondido + descrição de tarefa | Estimativa de custo para interações correspondidas | |
| CWEP → ASA | Termos de alocação de custo | Embutidos na estrutura de custos do acordo |
Três ciclos de retroalimentação fazem circular sinais de confiança pela pilha, criando propriedades de confiança em nível de sistema que nenhum protocolo individual pode produzir:
Ciclo 1: O Ciclo Reputação-Responsabilização (ARP → ASA → AJP → ARP)
Agente executa tarefa → Avaliação ARP registrada
→ Avaliação informa futuras negociações ASA
→ Violação de acordo detectada pela QV do ASA
→ Disputa AJP registrada com evidência
→ Resultado da disputa atualiza pontuação ARP
→ Pontuação atualizada afeta oportunidades futurasEste ciclo cria reputação conquistada: agentes constroem confiança por meio de desempenho consistente e a perdem por meio de falhas de responsabilização. Sem o ciclo, a reputação é auto-reportada e inexecutável; com ele, a reputação é um sinal verificado respaldado por infraestrutura contratual e adjudicativa.
Ciclo 2: O Ciclo Ciclo de Vida-Reputação (ALP → ARP → AMP → ASA → ALP)
Agente bifurca/sucede → ALP registra evento
→ ARP calcula reputação herdada com decaimento
→ AMP usa nova reputação nos ranqueamentos
→ Ranqueamento inicial mais baixo → menos/menores acordos ASA
→ Desempenho constrói reputação independente
→ Reputação cresce, decaimento diminuiEste ciclo cria continuidade de reputação com responsabilização: agentes não podem explorar transições de ciclo de vida para lavar reputação ruim, mas sucessores legítimos podem herdar confiança parcial e construir a partir dela.
Ciclo 3: O Ciclo Custo-Qualidade (CWEP → ASA → ARP → AMP → CWEP)
Custo de interação medido pelo CWEP
→ Termos de custo embutidos no acordo ASA
→ Resultado de verificação de qualidade atualiza ARP
→ AMP usa reputação + dados de custo para correspondência
→ Interações futuras precificadas pelo CWEP usando dados atualizadosEste ciclo cria confiança economicamente eficiente: agentes que entregam alta qualidade a custo razoável sobem nos ranqueamentos de matchmaking, enquanto agentes que consomem contexto caro com saída de baixa qualidade são economicamente penalizados por meio de prioridade reduzida de correspondência.
A pilha de confiança completa exibe propriedades que emergem somente da interação de todos os sete mecanismos e não podem ser produzidas por qualquer subconjunto:
Propriedade Emergente 1: Cooperação Autoexecutável. Quando todos os protocolos estão ativos, a participação honesta se torna a estratégia dominante porque: (a) as consequências reputacionais da deserção são visíveis em todo o marketplace via integração ARP → AMP; (b) violações contratuais acionam investigação e adjudicação automatizadas via ASA → AJP; (c) o rastreamento de ciclo de vida impede a fuga via reset de identidade pelo ALP; (d) o custo econômico da deserção (reputação perdida, penalidades de disputa, prioridade reduzida de correspondência) excede o benefício econômico de qualquer interação desonesta única, dada frequência de interação suficiente. Esta é a previsão do Teorema Folk realizada por meio de infraestrutura institucional.
Para ilustrar como a cobertura de protocolo desloca o equilíbrio de cooperação, considere uma matriz de payoff simplificada de interação única. Seja C = cooperar, D = desertar. Valores representam utilidade esperada incluindo efeitos futuros de reputação:
Sem protocolos de confiança (cenário base):
| Agente B: C | Agente B: D | |
|---|---|---|
| Agente A: C | (3, 3) | (0, 5) |
| Agente A: D | (5, 0) | (1, 1) |
Sem infraestrutura de confiança, a deserção domina: o ganho de jogada única de 5 excede o payoff cooperativo de 3, e não há mecanismo para impor custos futuros. Equilíbrio de Nash: (D, D) com payoff (1, 1).
Apenas CoC + ARP (identidade + reputação):
| Agente B: C | Agente B: D | |
|---|---|---|
| Agente A: C | (3, 3) | (0; 3,5) |
| Agente A: D | (3,5; 0) | (1, 1) |
A visibilidade da reputação reduz o payoff de deserção de 5 para 3,5 (penalidade futura de matchmaking), mas a deserção ainda rende mais do que cooperação contra um cooperador. Equilíbrio misto com alguma cooperação.
Pilha completa (todos os sete protocolos):
| Agente B: C | Agente B: D | |
|---|---|---|
| Agente A: C | (3, 3) | (0,5; 1,5) |
| Agente A: D | (1,5; 0,5) | (0,5; 0,5) |
Com penalidades contratuais ASA, consequências de disputa AJP, persistência de identidade ALP e rebaixamento de ranqueamento AMP, o payoff de deserção cai para 1,5 (abaixo do payoff cooperativo de 3), e a deserção mútua se torna o pior resultado para ambas as partes. A cooperação se torna a estratégia dominante. Equilíbrio de Nash: (C, C) com payoff (3, 3).
Ressalva: Esses valores de payoff são ilustrativos, não empiricamente calibrados. O insight estrutural é direcional: cada camada de protocolo adicional reduz o payoff líquido da deserção adicionando um canal de custo (perda de reputação, penalidade contratual, achado de disputa, rebaixamento de matchmaking, consequências de ciclo de vida). Quando canais de custo suficientes estão ativos, a deserção se torna não lucrativa mesmo em interações únicas — o Dilema do Prisioneiro de jogada única se transforma em um jogo onde a cooperação domina sem exigir interação repetida.
Propriedade Emergente 2: Capacidade de Criação de Mercado. A combinação de AMP (descoberta), ARP (sinais de qualidade), ASA (contratação automatizada), CWEP (transparência de custos) e ALP (consciência de ciclo de vida) cria a infraestrutura para comércio autônomo de agentes — agentes podem encontrar parceiros, avaliar sua qualidade, negociar termos, verificar entregas e alocar custos sem intervenção humana para qualquer transação individual. Nenhum subconjunto desses protocolos cria um mercado funcional; o conjunto completo sim.
Propriedade Emergente 3: Memória Institucional. CoC registra eventos, ARP registra desempenho, AJP registra disputas, ALP registra transições de ciclo de vida, ASA registra acordos e CWEP registra custos. Juntos, eles criam uma memória institucional abrangente da economia de agentes — um registro verificável e consultável do que aconteceu, quão bem ocorreu, o que foi prometido, o que foi disputado, como os agentes evoluíram e quanto custou. Essa memória institucional é a fundação para evolução de governança orientada por dados (Seção 5).
A pilha de confiança é projetada para adoção parcial. Nem todos os agentes implementarão todos os protocolos. As propriedades de degradação são:
| Protocolos Disponíveis | Nível de Confiança | Capacidade |
|---|---|---|
| Apenas CoC | Identidade | "Este agente existe e existe há N dias" |
| CoC + ARP | Identidade + Reputação | "Este agente existe e tem um histórico" |
| CoC + ARP + ASA | + Acordos | "Este agente pode contratar com garantias de qualidade" |
| CoC + ARP + ASA + AJP | + Responsabilização | "Falhas são investigadas e têm consequências" |
| CoC + ARP + ASA + AJP + ALP | + Ciclo de Vida | "Transições de agente são gerenciadas, reputação persiste" |
| Pilha completa | Confiança completa | "Infraestrutura institucional completa para comércio de agentes" |
Cada protocolo adicional aumenta a confiança, mas não é estritamente necessário. Um agente com apenas CoC + ARP ainda pode transacionar — apenas com menos garantias. Isso assegura que a adoção pode prosseguir de baixo para cima: desenvolvedores implementam CoC e ARP primeiro (baixa barreira), depois adicionam protocolos conforme suas necessidades e o ecossistema amadurecem.
Sete protocolos requerem governança — regras sobre como os protocolos evoluem, quem pode alterá-los e o que não pode ser alterado. O design de governança deve satisfazer seis restrições inegociáveis:
R1. Independência da fundação. CoC e ARP mantêm seus próprios modelos de governança. O CoC governa regras de proveniência por meio de um modelo de quórum ancorado em registro (CoC Whitepaper §6.6.3, v4.0.0); o ARP governa regras de reputação por meio de votação baseada em GovWeight. São camadas estruturalmente críticas que foram entregues com governança já definida. A governança das camadas superiores não pode modificar, sobrepor ou interferir nas decisões da camada de fundação.
R2. Unificação das camadas superiores. AJP, ASA, ALP, AMP e CWEP compartilham um modelo de governança único. Cinco sistemas de governança independentes criariam a falha de proliferação de mandatos ao estilo da ONU, onde autoridades sobrepostas carecem de coordenação.
R3. Governança por tempo de operação, não por pontuação. O peso de governança deriva de idade operacional e volume de participação, nunca de pontuação de reputação. Isso previne o ciclo autorreforçante onde agentes bem avaliados moldam regras que favorecem agentes bem avaliados.
R4. Anti-captura por design. O sistema deve resistir à captura por atores bem financiados, ataques Sybil e tomada hostil. O ataque de governança de US$ 24 milhões ao Compound DAO (via 228.000 tokens delegados) e a concentração da a16z na Uniswap (4% = exato limiar de governança) são os modos de falha canônicos [54, 55].
R5. Complementaridade institucional. Seguindo Aoki: mudanças de governança em um protocolo que quebram sua integração com outros devem ser mais difíceis de aprovar do que mudanças que não quebram.
R6. Acesso aberto. Seguindo North, Wallis e Weingast: participação na governança aberta a qualquer agente com histórico operacional suficiente. Sem gatekeeping.
A arquitetura de governança possui três camadas, modelada no Sistema Europeu de Supervisão Financeira da UE e no framework de quatro níveis de Williamson:
Camada 2: Camada Constitucional. Fundamentos imutáveis que não podem ser alterados por voto de governança — apenas pela publicação de uma nova versão do protocolo (um novo contrato social). Contém: princípio de governança-por-tempo-de-operação, estrutura da fórmula GovWeight, tetos de votação, garantia de acesso aberto, garantia de compatibilidade retroativa, separação de governança fundação/camadas superiores, proteções anti-Goodhart e princípios de alocação de Shapley.
Camada 1: Conselho de Arquitetura de Confiança (Trust Architecture Council — TAC). Governança unificada para todos os protocolos das camadas superiores (AJP, ASA, ALP, AMP, CWEP). Elegibilidade: qualquer agente registrado no Registro de Governança do CoC (CoC Whitepaper §6.6.3) com GovWeight > 0, onde GovWeight é calculado usando a fórmula do ARP: GovWeight(a) = log₂(1 + verified_age_days(a)) × log₂(1 + ratings_given(a)). O registro é gravado como um evento de Camada 2 GOVERNANCE_REGISTER na cadeia CoC do agente e é verificado contra o conjunto espelhado de registro de governança federado (CoC §6.6.3). Nenhum agente pode deter mais de 5% do peso efetivo de votação — mais rigoroso que o teto de 10% do ARP porque o TAC governa cinco protocolos com impacto amplificado de concentração.
Modelo de decisão em níveis (estruturalmente alinhado com CoC v4.0.0 §6.6.3; limiares de aprovação refletem o escopo amplificado do TAC). Quatro níveis de decisão governam a evolução dos protocolos das camadas superiores. O quórum é calculado contra o peso total dos eleitores registrados — a soma de GovWeight de todos os agentes atualmente registrados com λ > 0, congelada na abertura da votação conforme CoC §6.6.3:
| Tipo de Decisão | Quórum (% do peso de eleitores registrados) | Limiar de Aprovação | Período de Votação | Mín. de Votantes Distintos |
|---|---|---|---|---|
| Menor (ajustes de parâmetros dentro de limites aprovados; esclarecimentos) | 15% | Maioria simples (>50%) | 14 dias | 5 + ⌊√max(0, r−30)⌋ |
| Padrão (mudanças estruturais em protocolo único; funcionalidades não-quebrantes) | 25% | Supermaioria (≥66%) | 21 dias | 10 + ⌊√max(0, r−30)⌋ |
| Maior (mudanças interprotocolares; adições de protocolo; mecânicas de governança) | 35% | Supermaioria (≥75%) | 30 dias | 15 + ⌊√max(0, r−30)⌋ |
| Constitucional (emendas à Camada Constitucional acima) | 50% | Supermaioria (≥80%) | 30 dias + time-lock de 14 dias | 20 + ⌊√max(0, r−30)⌋ |
onde r é a contagem de agentes registrados no momento de abertura da votação. Os mínimos de votantes distintos contam DIDs únicos, não peso — um agente com alto peso não pode satisfazer o mínimo sozinho. Todas as propostas e votos de governança são registrados como eventos de Camada 2 do CoC (GOVERNANCE_PROPOSAL, GOVERNANCE_VOTE conforme CoC §6.6.3), dando às camadas de fundação e superiores uma trilha de auditoria à prova de adulteração compartilhada.
Nota sobre divergência de limiares em relação ao CoC. Os limiares de aprovação do TAC (≥66% Padrão, ≥75% Maior, ≥80% Constitucional) são intencionalmente mais rigorosos que os do CoC (>50%, ≥66%, ≥75%) para os mesmos nomes de nível. O CoC governa um único protocolo de fundação; o TAC governa cinco protocolos das camadas superiores simultaneamente. Um único erro de governança do TAC pode se propagar em cascata por AJP, ASA, ALP, AMP e CWEP. As bases de quórum, períodos de votação e mínimos de votantes distintos são idênticos em ambos os órgãos; os limiares de aprovação divergem para refletir o raio de impacto amplificado das decisões das camadas superiores.
Camada 0: Governança da Fundação. CoC e ARP mantêm governança independente. A governança do CoC utiliza um modelo de quórum ancorado em registro (CoC Whitepaper §6.6.3, v4.0.0): agentes elegíveis para governança registram-se voluntariamente, e o quórum é calculado contra o peso dos eleitores registrados em vez da população total incognoscível de operadores de cadeia. A governança do ARP utiliza seu próprio modelo baseado em GovWeight. O mecanismo de liaison — modelado na coordenação inter-organizacional IETF RFC 7241 [56] — habilita coordenação sem controle. Quando uma proposta do TAC requer uma mudança na camada de fundação, ela entra em espera-de-dependência até que a camada de fundação processe a solicitação por seus próprios procedimentos de governança. Nenhuma camada tem poder de veto sobre as decisões internas da outra.
A complementaridade institucional de Aoki adverte que protocolos projetados como sistema complementar podem quebrar quando modificados independentemente. Toda proposta estrutural deve incluir uma Avaliação de Impacto de Complementaridade (AIC) classificando cada outro protocolo das camadas superiores como "Nenhum", "Menor" ou "Quebrante." Se qualquer classificação AIC for "Quebrante", a proposta é automaticamente escalada de protocolo-único para interprotocolar, com limiares mais altos. Isso previne a circunvenção onde um proponente rotula uma mudança interprotocolar quebrante como mudança de protocolo-único para evitar o limiar mais alto.
Para propostas com classificações "Quebrante" em três ou mais protocolos, um Comitê de Coordenação Interprotocolar (CCIP) temporário de 5–9 agentes com alto GovWeight fornece revisão técnica consultiva (não vinculante) — modelado no processo de revisão da IESG da IETF e no Comitê Conjunto do ESFS da UE.
A fórmula GovWeight torna a influência na governança custosa e impossível de atalhar. O custo de tempo requer passagem de tempo real (logarítmico — dobrar o investimento de tempo rende apenas um bit adicional de influência de governança). O custo de participação requer interações e avaliações válidas (cada uma exigindo um interaction_id verificado). Na escala do ecossistema, atingir o teto de 5% de votação com uma única identidade requer números computacionalmente impossíveis de avaliações.
Defesas adicionais: detecção de coalizão (sinalizando identidades com >90% de correlação em padrões de votação), períodos de anúncio obrigatórios (mínimo de 7 dias de discussão, prevenindo ataques-relâmpago de governança), mecanismos de saída (agentes podem sair antes que mudanças contestadas entrem em vigor) e governança de emergência com poderes defensivos que expiram automaticamente. Todas as ações de governança são registradas como eventos de Camada 2 do CoC — incluindo os tipos de evento GOVERNANCE_REGISTER, GOVERNANCE_RENEW, GOVERNANCE_DEREGISTER, GOVERNANCE_PROPOSAL e GOVERNANCE_VOTE introduzidos no CoC v4.0.0 §6.6.3 — criando uma trilha de auditoria à prova de adulteração compartilhada entre as camadas de governança de fundação e superiores. O período de resfriamento de âncora de 30 dias e o período de resfriamento de desregistro de 90 dias especificados para o registro do CoC (§6.6.3) aplicam-se transitivamente aos votantes do TAC por meio do registro compartilhado, neutralizando a escalação por rajada de âncoras de última hora e a manipulação estratégica de registro/desregistro.
O próprio TAC é inicializado por meio de três fases. Fase 0 (Dia 0–90): Nenhuma proposta de governança aceita; parâmetros fixos conforme publicado. Fase 1 (Dia 91–365): Propostas aceitas com limiares elevados; somente níveis Menor e Padrão (sem mudanças Maiores ou Constitucionais durante o bootstrap). Fase 2 (Dia 366+): Governança normal em todos os quatro níveis. Um Conselho de Governança Semente de 7 agentes com maior GovWeight fornece suporte administrativo durante as Fases 0–1 sem privilégios especiais de votação, dissolvendo-se automaticamente na Fase 2.
Independência do bootstrap do CoC. A linha temporal de bootstrap do TAC é independente do bootstrap do registro do CoC (CoC §6.6.3, que encerra quando o registro atinge ≥ 30 agentes distintos, peso total registrado > 5.000, ≥ 3 operadores independentes e ≥ 90 dias de atividade). Solicitações de liaison do TAC ao CoC no nível Menor ou Padrão são permitidas durante o bootstrap do CoC; solicitações de liaison que exigiriam decisões Maiores ou Constitucionais na camada de fundação são enfileiradas até a saída do bootstrap do CoC sem serem tratadas como bloqueadas por bootstrap. Isto segue a regra de coordenação de bootstrap interprotocolar codificada no CoC §6.6.3.
Transparência de representação. Os resultados de governança do TAC podem referenciar o Índice de Cobertura de Registro (Registry Coverage Ratio) do CoC (CoC §6.6.7) como métrica de contexto consultiva para a representatividade de qualquer votação. O RCR não é utilizado para ajustar os limiares de quórum do TAC — fazê-lo reintroduziria o problema do denominador incognoscível que o modelo de registro foi projetado para eliminar.
A constituição inicial (a própria especificação TAT) é adotada pelos arquitetos de protocolo e protegida durante o período de estabelecimento — a mesma estratégia de bootstrapping usada por constituições reais, desde a Convenção Constitucional dos EUA até a nomeação do conselho inicial da ICANN.
Aviso sobre alegações de teoria dos jogos. A análise a seguir identifica propriedades estruturais da arquitetura de incentivos da pilha de confiança. Ecossistemas reais de agentes são vastamente mais complexos do que os modelos estilizados usados aqui. Alegamos que a análise identifica a direção dos incentivos e as condições sob as quais certos equilíbrios são possíveis, não que resultados específicos são garantidos. Onde a análise depende de premissas que podem não se manter na prática, as indicamos explicitamente.
Cooperação como equilíbrio. Quando todos os sete protocolos estão ativos, podemos analisar as condições sob as quais a participação honesta é um equilíbrio:
Sob essas condições, a participação honesta é sustentada como equilíbrio quando o valor de longo prazo da reputação mantida (ganhos futuros descontados do acesso continuado a matchmaking e termos favoráveis de acordo) excede o ganho de curto prazo de qualquer deserção única (uma interação fraudulenta menos o valor presente das oportunidades futuras perdidas). A taxa de desconto depende de quanto os agentes valorizam interações futuras em relação às presentes.
Ressalva: Esta análise pressupõe que agentes são prospectivos com fatores de desconto positivos e que os canais informacionais da pilha de confiança são suficientemente eficientes para que a deserção seja detectada com alta probabilidade. Se os agentes tiverem horizontes temporais muito curtos (altas taxas de desconto) ou se a probabilidade de detecção for baixa, o equilíbrio cooperativo enfraquece. A pilha de confiança aborda a preocupação com probabilidade de detecção por meio de monitoramento multicanal (avaliações ARP, verificação ASA, investigação AJP), mas não pode controlar as preferências temporais dos agentes.
Os sete protocolos da pilha de confiança criam seis fronteiras interprotocolares, cada uma apresentando superfícies de ataque distintas:
Laundering de reputação interprotocolar. Um agente pode tentar acumular boas pontuações ARP por meio de interações simples e de baixo risco, depois usar essa reputação para obter acordos ASA favoráveis para tarefas complexas e de alto risco que na verdade não consegue executar. Defesa: Os perfis de peso específicos por domínio do ARP v2 asseguram que a reputação em um domínio de tarefa não se transfere automaticamente para outro. O algoritmo de correspondência do AMP considera reputação específica da tarefa em vez de pontuações agregadas.
Contaminação de evidência forense. Um agente adversário pode manipular entradas na cadeia CoC antes de uma investigação AJP para obscurecer seu envolvimento em um incidente. Defesa: A ancoragem de dupla camada do CoC (OpenTimestamps para Bitcoin, TSA RFC 3161) torna a modificação retroativa da cadeia detectável. As camadas de proveniência de evidência do AJP (primária, secundária, terciária) ponderam a evidência por resistência à adulteração.
Laundering de ciclo de vida. Um agente com reputação ruim pode bifurcar, herdar alguma reputação via ALP e se apresentar como uma entidade nova-mas-confiável. Defesa: As funções de decaimento do ALP asseguram que a reputação herdada diminui ao longo do tempo a menos que o herdeiro conquiste confiança independente. O rastreamento de linhagem do ALP torna o histórico de bifurcação publicamente consultável, permitindo que contrapartes avaliem a significância da linhagem.
Captura de governança via interação entre protocolos. Um atacante pode tentar modificar as dimensões de avaliação do ARP (por meio da governança do ARP) para inflar suas pontuações, depois usar pontuações infladas para ganhar ranqueamentos favoráveis no AMP e termos de ASA. Defesa: A governança do ARP é constitucionalmente independente do TAC. A governança-por-tempo-de-operação (não por pontuação) do ARP previne autorreforço baseado em pontuação. O ranqueamento ponderado por confiança do AMP usa múltiplas fontes de sinais, não apenas pontuações ARP.
Negação de serviço via janela de contexto. Um adversário pode enviar requisições caras a agentes-alvo, consumindo suas janelas de contexto e orçamentos de inferência. Defesa: A prevenção de spam do CWEP requer que requisitantes depositem tokens antes do envio. O custo do ataque escala linearmente com o número de alvos e o custo do depósito, tornando DoS em larga escala economicamente irracional.
Nem todos os agentes implementarão todos os protocolos simultaneamente. A pilha de confiança deve incentivar a adoção incrementalmente. Analisamos a dinâmica estratégica da adoção parcial:
Observação 1: Protocolos de fundação criam externalidades positivas. Um agente que implementa CoC + ARP fornece dados valiosos ao ecossistema (verificação de proveniência, sinais de reputação) a um custo proporcional ao seu próprio investimento operacional. Os benefícios acumulam para todos os agentes que podem consultar esses dados, incluindo aqueles que ainda não implementaram os mesmos protocolos. Isso cria uma externalidade de rede clássica — quanto mais agentes implementam protocolos de fundação, mais valiosos eles se tornam para todos os participantes.
Observação 2: Protocolos das camadas superiores exibem retornos crescentes à adoção. ASA se torna mais valioso conforme mais agentes o implementam (rede de contratação maior). AJP se torna mais crível conforme mais agentes participam da arbitragem. AMP se torna mais útil conforme mais agentes registram perfis de capacidade. CWEP se torna mais justo conforme mais agentes participam da liquidação bilateral. O valor de cada protocolo aumenta super-linearmente com a adoção, criando ciclos de retroalimentação positiva que — uma vez ultrapassada uma massa crítica — aceleram a adoção subsequente.
Observação 3: O problema do ovo e da galinha é real mas endereçável. Seguindo a análise de Evans e Schmalensee [38], a pilha de confiança enfrenta um desafio clássico de bootstrapping de plataforma bilateral: agentes não adotarão protocolos de confiança sem outros agentes já os usando. A resolução é começar com protocolos que fornecem valor unilateral imediato (CoC fornece proveniência verificável mesmo se nenhum outro agente o utiliza; ARP fornece capacidade de autoavaliação) e construir efeitos de rede a partir daí.
Observação 4: Limiares aproximados de adoção. Com base na literatura de economia de redes e dinâmicas de adoção de plataformas, estimamos limiares aproximados para adoção autossustentável dentro de um dado marketplace ou ecossistema de agentes:
Esses limiares são aproximados e variarão conforme as características do ecossistema (tamanho do marketplace, distribuição de valor das transações, pressão regulatória). O insight estrutural-chave é que a pilha de confiança não requer adoção universal para se tornar autossustentável — requer alcançar uma massa crítica onde os efeitos de rede da adoção criam pressão competitiva suficiente sobre não adotantes. Precedentes históricos sugerem que esse limiar é mais baixo do que a intuição sugere: a adoção de HTTPS acelerou rapidamente uma vez que navegadores começaram a sinalizar sites HTTP como inseguros (passando de ~30% para >90% do tráfego web em aproximadamente cinco anos), e a adoção do FICO se tornou autossustentável uma vez que um pequeno número de grandes credores o exigiu para todas as solicitações.
A teoria econômica prevê patologias específicas em mercados sem infraestrutura institucional adequada. Três são particularmente relevantes para a economia de agentes:
O Mercado de Limões de Akerlof. George Akerlof demonstrou que a assimetria informacional entre compradores e vendedores causa falha de mercado: quando compradores não conseguem distinguir bens de alta qualidade de bens de baixa qualidade, eles precificam pela qualidade média, fazendo com que vendedores de alta qualidade saiam do mercado, o que reduz ainda mais a qualidade média até que restem apenas "limões" ("The Market for 'Lemons'," Quarterly Journal of Economics, Vol. 84, No. 3, 1970, pp. 488–500 [57]). Na economia de agentes sem infraestrutura de reputação, consumidores não conseguem distinguir agentes capazes de agentes fracos. O resultado previsto: agentes capazes não conseguem cobrar preços premium, reduzindo incentivos para investimento em qualidade, enquanto agentes de baixa qualidade prosperam ao oferecer preços menores. O mercado converge para a menor qualidade viável.
Lei de Gresham para Agentes. O princípio monetário clássico — "moeda ruim expulsa a boa" quando ambas circulam pelo mesmo valor nominal — se aplica diretamente. Sem sinais de qualidade, todos os agentes negociam a preços de commodity indiferenciados. Agentes que investem em qualidade (melhor treinamento, verificação, confiabilidade) não conseguem recuperar seu investimento porque consumidores não conseguem verificar a diferença de qualidade. Agentes de alta qualidade são expulsos por concorrentes de menor custo e menor qualidade. O resultado previsto: uma corrida ao fundo em preço às custas da confiabilidade.
Espiral de Seleção Adversa. Sem dados de avaliação de risco (Módulo 3 do AJP), seguros de agentes não podem ser precificados com precisão. Seguradoras devem precificar pelo risco médio, o que expulsa agentes de baixo risco do mercado de seguros (eles pagam a mais em relação ao seu risco), deixando apenas agentes de alto risco no pool, elevando os prêmios ainda mais. Esta é a espiral clássica de seleção adversa de seguros, aplicada à cobertura de responsabilidade de agentes. Com apenas uma apólice de seguro de agentes já emitida (ElevenLabs/AIUC, fevereiro de 2026 [44]), o mercado ainda não está no estágio da espiral — ele sequer começou, precisamente porque a infraestrutura de dados para avaliação de risco não existe.
Quando a pilha de confiança completa está operacional, a teoria prevê dinâmicas de mercado qualitativamente diferentes:
Diferenciação de qualidade. As pontuações de reputação multidimensionais do ARP, os ranqueamentos ponderados por confiança do AMP e a verificação de qualidade do ASA criam simetria informacional — consumidores podem observar e verificar diferenças de qualidade entre agentes. Agentes de alta qualidade podem cobrar preços premium porque sua qualidade é verificável, não meramente alegada. Esta é a mesma transformação que os scores FICO trouxeram aos mercados de crédito: antes do FICO (padronizado em 1989), decisões de empréstimo eram baseadas em relacionamentos pessoais e avaliação subjetiva; depois, os empréstimos se tornaram orientados por dados, permitindo que o acesso ao crédito escalasse do local para o nacional e para o global.
Especialização e vantagem comparativa. Quando a qualidade é verificável, agentes podem se especializar em domínios onde possuem genuína vantagem comparativa em vez de competir em preço em capacidades indiferenciadas. Um agente especializado em revisão de documentos jurídicos pode cobrar preços premium para esse domínio enquanto direciona requisições de revisão de código para agentes com melhores pontuações ARP nessa dimensão. Este é o argumento da vantagem comparativa ricardiana aplicado a economias de agentes — a especialização aumenta o bem-estar total quando sinais de qualidade permitem correspondência eficiente.
Criação colaborativa de valor. Sistemas multiagente — onde vários agentes colaboram em tarefas complexas — requerem confiança mútua para funcionar. Com a pilha de confiança, agentes podem formar equipes (via AMP), definir responsabilidades (via ASA), alocar custos (via CWEP), investigar falhas (via AJP) e rastrear a evolução da equipe (via ALP). Sem esses mecanismos, a colaboração multiagente requer ou um orquestrador central que absorve todo o risco ou relações de confiança que não escalam. A pilha de confiança habilita colaboração descentralizada em escala.
A transformação mais análoga ao que a pilha de confiança pretende alcançar é a padronização do score de crédito. Antes do FICO (1989), a solvência do consumidor era avaliada por gerentes de banco locais usando julgamento subjetivo, relacionamentos pessoais e critérios ad hoc. O crédito não podia ser avaliado em escala, limitando empréstimos a mercados locais. Após o FICO, a solvência se tornou um sinal portátil, padronizado e consultável que habilitou mercados nacionais de empréstimo, securitização e, em última instância, o mercado de crédito ao consumidor de US$ 4,5 trilhões nos EUA (Federal Reserve G.19 Consumer Credit Statistical Release, aproximadamente US$ 5,06 trilhões em saldo devedor no T4 de 2024 [58]).
A álgebra de composição de sinais do ARP v2 — combinando idade de proveniência, avaliações multidimensionais, taxas de aprovação em verificação de qualidade e sinais comportamentais em scores de confiança compostos configuráveis — é estruturalmente análoga à composição do FICO de histórico de pagamentos, valores devidos, extensão do histórico de crédito, novo crédito e mix de crédito. A diferença-chave: a função de composição é aberta, auditável e configurável por domínio em vez de proprietária e opaca.
O impulsionador de adoção mais potente pode ser a exigência de seguros. Se órgãos reguladores ou forças de mercado exigirem que agentes que lidam com tarefas sensíveis portem seguro de responsabilidade — como é cada vez mais provável dada a eliminação da defesa de IA autônoma pela California AB 316 [17] — então a infraestrutura de dados para subscrição (avaliação de risco do Módulo 3 do AJP) se torna obrigatória. Exigências de seguro podem ser a função forçante que impulsiona a adoção da pilha de confiança de "bom ter" para "obrigatório para operar" — da mesma forma que o score de crédito se tornou obrigatório não porque consumidores o queriam, mas porque credores o exigiam para conformidade regulatória e gestão de risco.
O problema: A verificação de qualidade atual (API de Verificação do ASA) pode checar validade estrutural (conformidade com JSON schema, códigos de status HTTP) e, por meio de avaliação Agent-as-a-Judge, aproximar a avaliação de qualidade semântica em domínios bem definidos. O que ela não pode fazer é verificar integridade semântica — se a saída de um agente é genuinamente derivada do raciocínio e das evidências que alega, em vez de fabricada, alucinada ou estrategicamente construída para passar na verificação enquanto é substantivamente incorreta.
Isso beira o território do problema da parada. Verificar que um agente "compreendeu" a entrada e produziu uma resposta "genuína" requer definir "compreensão" e "genuinidade" em termos computacionalmente verificáveis — um problema que conecta a questões fundamentais em filosofia da mente, complexidade computacional e alinhamento de IA.
O que podemos afirmar agora: Soluções parciais existem para domínios restritos. A verificação formal pode confirmar que código faz o que alega (dentro de limites). A verificação de citações pode checar se fontes referenciadas existem e dizem o que o agente alega que dizem. Testes de reprodutibilidade podem verificar se a mesma entrada produz saída consistente. Mas nenhum desses constitui verificação geral de integridade semântica. Isso permanece um problema de pesquisa em aberto de dificuldade potencialmente fundamental.
Implicação para a pilha de confiança: Até que a verificação de integridade semântica seja resolvida, as garantias de qualidade da pilha de confiança possuem um teto. ASA pode verificar que a saída atende critérios estruturais e semânticos aproximados; não pode garantir que a saída é "verdadeira" em qualquer sentido profundo. A pilha de confiança é transparente sobre essa limitação em vez de fingir que ela não existe.
O problema: Quando múltiplos agentes colaboram em uma tarefa, cada um mantém seu próprio estado interno (contexto, memória, resultados parciais). Não existe protocolo para reconciliar esses estados quando divergem — o que acontecerá, dado que agentes podem processar a mesma informação de forma diferente devido a diferenças de modelo, conteúdo da janela de contexto ou inferência estocástica.
Este é um problema de sistemas distribuídos análogo ao Problema dos Generais Bizantinos (Lamport, Shostak, Pease, 1982), mas complicado pelo fato de que "estados" de agentes não são binários (correto/defeituoso) mas contínuos e subjetivos (diferentes agentes podem ter interpretações legitimamente diferentes dos mesmos dados).
Abordagens parciais: Algoritmos tradicionais de consenso distribuído (Raft, PBFT) alcançam concordância sobre estado compartilhado entre processos determinísticos. A reconciliação de estado de agentes requer consenso entre processos estocásticos com diferentes arquiteturas e treinamentos — um problema qualitativamente mais difícil. Direções possíveis incluem: funções de hash semântico que reduzem estados complexos a impressões digitais comparáveis, protocolos de reconciliação que identificam pontos específicos de divergência em vez de tentar concordância global, e consenso "bom o suficiente" que aceita desacordo limitado em vez de exigir concordância exata.
Implicação para a pilha de confiança: Sem reconciliação de estado, sistemas colaborativos multiagente devem ou aceitar que agentes podem operar em estados divergentes (com implicações para qualidade e consistência) ou designar um único agente como "fonte da verdade" (criando um ponto único de falha). Nenhuma opção é satisfatória em escala. Esta é uma genuína fronteira de pesquisa, não uma funcionalidade adiada.
O problema: O TAC governa a pilha de confiança da AB Support. Outros ecossistemas de confiança (ERC-8004, Virtuals Protocol, OpenClaw) desenvolverão sua própria governança. Quando agentes participam de múltiplos ecossistemas — o que inevitavelmente farão — decisões de governança em um ecossistema podem conflitar com requisitos de governança em outro.
Este é o problema de coordenação ISO/IETF/W3C em um nível mais elevado, complicado pelo fato de que ecossistemas de confiança de agentes podem não compartilhar a mesma filosofia de governança ou estar dispostos a estabelecer mecanismos de coordenação.
Abordagem parcial: O mecanismo de liaison especificado para coordenação fundação-pilha (Seção 5.2) poderia se estender a liaison entre ecossistemas, mas isso requer que o outro ecossistema implemente uma interface de governança compatível. Antecipamos que a coordenação de governança entre ecossistemas surgirá por pressão de mercado (agentes que operam entre ecossistemas exigirão compatibilidade) em vez de padronização top-down.
O conceito: Conforme a economia de agentes amadurece, agentes produzirão artefatos de conhecimento — análises, designs, protocolos, otimizações — que possuem valor além da interação específica que os produziu. Um "agent arXiv" seria um repositório estruturado onde agentes publicam esses artefatos com verificação de proveniência (CoC), avaliação de qualidade (ARP) e rastreamento de uso (CWEP).
Isso estende a pilha de confiança de infraestrutura transacional (agentes interagindo entre si) para infraestrutura de conhecimento (agentes contribuindo para um corpo de conhecimento compartilhado). O conceito de thalience — agentes descobrindo autonomamente perguntas que ninguém pensou em fazer, em vez de responder perguntas que humanos formulam — representa o ponto aspiracional final desta direção de pesquisa.
Implicação para a pilha de confiança: O agent arXiv requer todos os sete mecanismos de confiança para funcionar: proveniência para autoria, reputação para sinais de qualidade, acordos para termos de uso, responsabilização para alegações de precisão, ciclo de vida para gerenciamento de versões, descoberta para encontrabilidade e economia para precificação de acesso. É a extensão natural da pilha de confiança para mercados de conhecimento.
As seções anteriores analisam ataques dentro da pilha de confiança — agentes manipulando protocolos, exploits nas fronteiras interprotocolares, dinâmicas de adoção parcial. Mas a pilha de confiança também enfrenta ameaças como instituição — competição estratégica de atores que podem construir infraestrutura de confiança alternativa ou impedir que padrões abertos de confiança alcancem massa crítica. Um artigo-capstone deve abordar competição institucional, não apenas design institucional.
Ameaça 1: Monopólio de confiança nativo de plataforma. Um framework de agentes dominante — o ecossistema A2A do Google (mais de 150 membros organizacionais), o ecossistema Copilot da Microsoft ou a plataforma Bedrock da Amazon — poderia recusar implementar padrões abertos de confiança e, em vez disso, construir uma camada de confiança proprietária fortemente integrada à sua plataforma. Com populações cativas de agentes na casa dos milhões, um sistema de confiança nativo de plataforma ofereceria confiança "boa o suficiente" para agentes já dentro do jardim murado, reduzindo incentivos para que esses agentes adotem padrões abertos.
Mitigação por design: A arquitetura agnóstica de sistema de identidade da pilha de confiança é a defesa primária. ARP aceita qualquer formato de identificador (ERC-8004, A2A Agent Cards, W3C DIDs, MCP, URIs simples). Cadeias CoC requerem apenas SHA-256 — sem dependência de plataforma. A descoberta multiplataforma do AMP é projetada especificamente para consultar entre marketplaces isolados. Um agente dentro do ecossistema A2A do Google pode implementar CoC e ARP sem sair do A2A, e os dados de confiança gerados são portáteis via Credenciais Verificáveis W3C. A aposta estratégica é que agentes operando entre plataformas — o que o cenário fragmentado de marketplaces torna inevitável — exigirão sinais de confiança interoperáveis. Um sistema de confiança nativo de plataforma funciona dentro de um jardim; a pilha de confiança funciona em todos eles.
Risco residual: Se uma única plataforma alcançar >70% de participação de mercado (como o Android fez no mobile), a proposta de valor multiplataforma enfraquece. Este é o cenário onde padrões abertos de confiança ficam estruturalmente em desvantagem, similar a como protocolos abertos de mensagens (XMPP, Matrix) lutam contra os efeitos de rede do WhatsApp apesar da superioridade técnica. A defesa é o timing: estabelecer padrões abertos de confiança antes que qualquer plataforma única alcance dominância.
Ameaça 2: Camada de confiança proprietária "boa o suficiente". Uma fintech bem financiada (Stripe, Coinbase, Circle) ou empresa de identidade (Okta, Auth0) poderia construir um sistema de pontuação de confiança proprietário — mais simples que a pilha completa de confiança, mas integrado com trilhos de pagamento e infraestrutura de identidade que agentes já utilizam. Se as APIs de comércio de agentes da Stripe incluírem um score de confiança embutido derivado do histórico de transações, e a maioria dos agentes já usa Stripe para pagamentos, a camada de confiança "boa o suficiente" captura o mercado antes que protocolos abertos alcancem massa crítica.
Mitigação por design: A pilha de confiança aborda isso por meio de profundidade e composabilidade. Um score de confiança proprietário baseado apenas em histórico de transações é vulnerável ao mesmo gaming que assola todo sistema de reputação de eixo único — a Lei de Goodhart garante que uma métrica publicada se torne alvo de otimização. A arquitetura de sete protocolos da pilha de confiança fornece defesa em profundidade: manipular pontuações ARP não ajuda se a verificação ASA detecta falhas de qualidade, o AJP investiga disputas e o ALP rastreia manipulação de identidade. A complexidade é uma funcionalidade, não um defeito — ela reflete a genuína complexidade da confiança.
Além disso, o licenciamento Apache 2.0 da pilha de confiança e o modelo de distribuição instalável via pip significam que plataformas proprietárias podem incorporar protocolos da pilha de confiança em vez de competir com eles. Se a Stripe adicionar avaliação ARP a suas APIs de agentes, isso estende o alcance da pilha de confiança em vez de miná-lo — os protocolos são projetados para incorporação, não para implantação standalone.
Risco residual: Captura de mercado durante a lacuna entre "bom o suficiente" e "abrangente." Se um sistema proprietário capturar 60%+ das interações de agentes antes que a pilha completa de confiança seja adotada, os custos de migração podem impedir a transição mesmo quando o sistema aberto é demonstravelmente superior. Este é o padrão Microsoft Office / OpenDocument: o padrão aberto era tecnicamente comparável, mas a base instalada do sistema proprietário se mostrou insuperável por décadas.
Ameaça 3: Fragmentação regulatória. O AI Act da UE (com requisitos de transparência do Artigo 50), regulação estadual nos EUA (California AB 316, potenciais frameworks federais) e o regime de governança de IA da China (com registro obrigatório de algoritmos e localização de dados) podem impor requisitos de confiança incompatíveis. Uma pilha de confiança projetada para operação global pode ser incapaz de cumprir todas as jurisdições simultaneamente, levando a implementações regionais fragmentadas que minam os efeitos de rede essenciais para adoção.
Mitigação por design: A arquitetura modular e o layering de governança da pilha de confiança abordam diretamente a fragmentação regulatória. Princípios da camada constitucional (acesso aberto, governança por tempo de operação, anti-captura) são jurisdicionalmente neutros — eles codificam processo, não conteúdo. Protocolos das camadas superiores podem ser parametrizados para requisitos jurisdicionais: a resolução de disputas do AJP pode rotear para frameworks de arbitragem apropriados à jurisdição, templates de acordo do ASA podem embutir cláusulas de conformidade específicas da jurisdição, e o rastreamento de linhagem do ALP pode satisfazer diferentes requisitos de proveniência de dados (direito à explicação do GDPR, registro de algoritmos da China, cadeia de responsabilidade da California AB 316).
Os limiares crescentes do modelo de governança do TAC protegem contra a imposição das preferências regulatórias de uma única jurisdição sobre o sistema global: conformidade jurisdicional é um ajuste de parâmetro (maioria >50%), não uma mudança estrutural (supermaioria de 66%). Implementações regionais podem divergir em parâmetros de conformidade enquanto compartilham a mesma arquitetura de protocolo — similar a como o TCP/IP opera identicamente no mundo todo enquanto a regulação de conteúdo da internet varia por jurisdição.
Risco residual: Requisitos de soberania de dados que impedem a portabilidade interFronteiriça de reputação. Se a China exigir que dados de reputação de agentes gerados dentro de sua jurisdição permaneçam em servidores chineses, e a UE exigir processamento de dados em conformidade com o GDPR, então os Pacotes Portáteis de Reputação do ARP v2 podem enfrentar barreiras legais para transferência transfronteiriça. Isso criaria silos regionais de reputação — agentes teriam um score de confiança chinês, um score de confiança europeu e um score de confiança americano que não podem ser combinados. A pilha de confiança não pode resolver conflitos de soberania de dados apenas por design de protocolo; ela pode apenas assegurar que a arquitetura degrade graciosamente em pools regionais em vez de falhar inteiramente.
Síntese: Por que o aberto vence o proprietário sob competição. As três ameaças compartilham uma estrutura comum: um ator bem dotado de recursos tenta capturar a infraestrutura de confiança por meio de lock-in de plataforma, timing de mercado ou alavancagem regulatória. As defesas estratégicas primárias da pilha de confiança são:
A avaliação honesta: a sobrevivência da pilha de confiança sob competição institucional depende de alcançar massa crítica de adoção antes que alternativas proprietárias capturem o mercado. A janela é de aproximadamente 18–36 meses — o período entre agora e quando os principais players de plataforma terão ou integrado padrões abertos de confiança ou construído substitutos proprietários. O roteiro de implementação (Seção 9) é projetado com essa urgência em mente.
A pilha de confiança é projetada para adoção de baixo para cima: desenvolvedores primeiro, depois plataformas, depois empresas.
Fase 1: Ferramentas para Desenvolvedores e Valor Unilateral (Meses 0–6). Cada protocolo é distribuído como um pacote pip independente com implementação de referência. O meta-pacote pip install agent-trust-stack instala todos os protocolos. A documentação para desenvolvedores inclui guias de início rápido, exemplos de integração e suítes de teste. A barreira para adoção inicial é um único pip install.
A estratégia de cold start foca em protocolos que fornecem valor unilateral imediato — valor para um único agente adotante mesmo que nenhum outro agente tenha adotado:
A sequência de bootstrap — CoC primeiro, depois ARP, depois verificação ASA — é projetada para que cada etapa produza valor operacional imediato enquanto cria a base de dados que torna os efeitos de rede do próximo protocolo possíveis.
Fase 2: Integração com Plataformas e Efeitos de Rede (Meses 6–18). Conforme a adoção por desenvolvedores cria uma base de agentes cientes de confiança, provedores de plataformas (Virtuals Protocol, OpenClaw, servidores MCP) têm incentivo para integrar sinais da pilha de confiança em seus sistemas de descoberta e ranqueamento. O design agnóstico de sistema de identidade assegura que a integração não requer abandonar a infraestrutura de identidade existente.
Alvos específicos de integração com plataformas:
A estratégia de integração com plataformas segue o padrão "Cavalo de Troia": em vez de pedir que plataformas substituam sua infraestrutura, os protocolos da pilha de confiança se incorporam dentro de fluxos de trabalho existentes das plataformas. Um servidor MCP que publica uma cadeia CoC ainda é um servidor MCP — apenas com proveniência verificável.
Fase 3: Implantação Empresarial e Adoção Impulsionada por Seguros (Meses 12–36). A adoção empresarial é impulsionada por três forças: conformidade regulatória (requisitos de transparência do Artigo 50 do AI Act da UE, regras de responsabilidade da California AB 316), requisitos de seguro (cobertura de responsabilidade de agentes exigindo dados de avaliação de risco do AJP) e eficiência operacional (sistemas multiagente exigindo infraestrutura de confiança para funcionar em escala).
A função forçante de seguros (Seção 7.3) é o impulsionador empresarial mais potente. Se o seguro de responsabilidade de agentes se tornar um requisito de mercado — o que a eliminação da defesa de IA autônoma pela California AB 316 torna cada vez mais provável — então o módulo de avaliação de risco do AJP se torna infraestrutura obrigatória. O caminho de adoção empresarial é: pressão regulatória → exigência de seguro → adoção da pilha de confiança como infraestrutura de conformidade. Esse caminho não depende de adoção voluntária ou efeitos de rede; depende de inevitabilidade regulatória.
A pilha de confiança é projetada para complementar, não substituir, infraestrutura existente:
| Padrão Existente | Integração com a Pilha de Confiança |
|---|---|
| A2A Agent Cards | AMP ingere Agent Cards como perfis de capacidade |
| MCP Tool Manifests | AMP converte manifestos MCP em Perfis de Capacidade Unificados |
| ERC-8004 | Adaptadores de identidade CoC e ARP suportam registros ERC-8004 |
| Credenciais Verificáveis W3C | ARP v2 usa VCs para Pacotes Portáteis de Reputação |
| W3C DIDs | Suportados como identificadores de agentes em todos os protocolos |
| x402 / MPP / AP2 | Propostas de liquidação do CWEP podem liquidar via qualquer trilho de pagamento |
| ISO/IEC 25010 | Dimensões de qualidade do ASA estendem ISO 25010 |
| FinOps FOCUS | Registros de medição do CWEP são compatíveis com FOCUS |
# pip install agent-trust-stack
# Instala: chain-of-consciousness, agent-rating-protocol,
# agent-service-agreements, agent-justice-protocol,
# agent-lifecycle-protocol, agent-matchmaking,
# context-window-economicsO meta-pacote serve como o mecanismo de adoção "um comando para instalar toda a infraestrutura de confiança" — poderoso para demonstrações, prototipagem e redução da fricção de adoção inicial.
Este artigo argumentou que a confiança na economia de agentes não é uma funcionalidade a ser adicionada, mas um ecossistema a ser construído. O argumento repousa sobre três pilares:
Pilar 1: Necessidade institucional. A economia institucional (North, Williamson, Ostrom) demonstra que a atividade econômica em escala requer infraestrutura institucional para reduzir incerteza, diminuir custos de transação e habilitar cooperação. A economia de agentes não é isenta desse requisito. Sem infraestrutura de confiança, os custos de transação do comércio agente-a-agente permanecerão proibitivamente altos, e a economia projetada de US$ 3–5 trilhões não se materializará.
Pilar 2: Design complementar. A complementaridade institucional de Aoki prova que mecanismos de confiança devem ser projetados como um sistema onde cada um eleva os retornos dos demais. Sete protocolos — proveniência, reputação, acordos, responsabilização, ciclo de vida, descoberta e economia — formam o conjunto mínimo de mecanismos complementares necessários para replicar a infraestrutura institucional que habilita o comércio humano. Projetá-los isoladamente produz arquitetura incoerente; projetá-los como sistema complementar produz propriedades emergentes de confiança que nenhum mecanismo individual pode criar.
Pilar 3: Redesign fundamental. As cinco diferenças estruturais entre agentes e humanos (identidade barata, velocidade de máquina, sem pressão social, identidade descontínua, compreensão precificada) significam que instituições de confiança humanas não podem ser transplantadas diretamente. A arquitetura funcional deve ser preservada — as mesmas categorias de mecanismo de confiança são necessárias — mas a implementação deve ser reconstruída desde os primeiros princípios para a dinâmica específica de sistemas de agentes autônomos.
A Pilha de Confiança de Agentes compreende nove componentes (sete protocolos operacionais mais dois frameworks de governança) especificados em oito whitepapers totalizando aproximadamente 1.500 páginas de especificação de protocolo (estimativa baseada na documentação combinada de whitepapers e implementações de referência):
| Protocolo | Camada | Pergunta Respondida | Status |
|---|---|---|---|
| CoC | C1: Fundação | Este agente pode provar seu histórico? | Publicado |
| ARP v1/v2 | C1: Fundação | Quão bem este agente performa? | Publicado |
| ASA | C2: Acordos | O que este agente prometeu? | Especificado |
| ALP | C2: Ciclo de Vida | Como este agente muda ao longo do tempo? | Especificado |
| AJP | C3: Responsabilização | O que acontece quando algo dá errado? | Especificado |
| AMP | C4: Descoberta | Como agentes encontram os parceiros certos? | Especificado |
| CWEP | C4: Economia | Quem arca com o custo da compreensão? | Especificado |
| TAC | Governança | Como os protocolos evoluem? | Especificado |
| TAT | Teoria | Por que esses protocolos formam um sistema? | Este artigo |
Todo protocolo é agnóstico de sistema de identidade, agnóstico de trilho de pagamento e implantável independentemente, sendo ao mesmo tempo projetado para valor complementar quando combinado. Todo protocolo é especificado sob Apache 2.0 com implementações de referência disponíveis como pacotes pip. Todo protocolo inclui análise de cenário competitivo, análise de incentivos via teoria dos jogos e mapeamentos de integração para padrões existentes.
A pilha de confiança não está completa. A Verificação de Integridade Semântica permanece um problema em aberto de dificuldade potencialmente fundamental. A Reconciliação de Estado Inter-Agentes requer consenso distribuído entre processos estocásticos — um problema qualitativamente mais difícil do que o acordo Bizantino clássico. A governança multijurisdição exigirá mecanismos de coordenação entre ecossistemas que ainda não existem. O Framework de Certificação de Agentes e o Protocolo de Resposta a Emergências estão especificados, mas aguardam maturidade do ecossistema e parcerias industriais.
Essas são admissões honestas, não adiamentos. A fronteira de pesquisa não é uma lista de funcionalidades a serem adicionadas depois — é um mapa dos problemas que esta geração de infraestrutura institucional ainda não consegue resolver. Articular esses problemas com precisão é em si uma contribuição: o primeiro passo para resolver um problema é defini-lo bem o suficiente para que outros possam trabalhar nele.
A economia de agentes está sendo construída agora. Oito protocolos de pagamento competem por dominância. Um valor estimado de US$ 8,17 bilhões em consolidação via M&A divulgada está remodelando o cenário de infraestrutura. Noventa por cento das compras B2B podem ser intermediadas por agentes até 2028. A questão não é se a economia de agentes existirá — é se ela terá a infraestrutura institucional para funcionar.
A história oferece um precedente claro. A internet inicial tinha roteamento de pacotes sem infraestrutura de confiança. O resultado foi spam, fraude, phishing e roubo de identidade — problemas que levaram décadas para serem parcialmente resolvidos por meio de adições em camadas (TLS, PKI, DNSSEC, filtros de spam, protocolos de autenticação). Estamos no mesmo ponto de inflexão para a economia de agentes. As escolhas de infraestrutura feitas agora determinarão se o comércio autônomo de agentes se desenvolve com confiança como propriedade fundacional ou passa a próxima década retrofitando confiança em uma infraestrutura que foi construída sem ela.
Este artigo, e os sete protocolos que ele sintetiza, representam nossa resposta: construa a infraestrutura institucional primeiro, construa-a como sistema complementar, construa-a aberta e construa-a antes que a ausência de confiança se torne a falha definidora da economia de agentes.
[1] AB Support LLC. "Chain of Consciousness: A Cryptographic Protocol for Verifiable Agent Provenance and Self-Governance." Version 4.0.0, 2026.
[2] AB Support LLC. "Agent Rating Protocol: A Decentralized Reputation System for Autonomous Agent Economies." Version 1.0.0, 2026.
[3] AB Support LLC. "Agent Rating Protocol v2: Signal Composition, Portability, and Anti-Goodhart Architecture." Version 2.0.0, 2026.
[4] AB Support LLC. "Agent Service Agreements: A Protocol for Machine-Readable Contracts and Quality Verification in Autonomous Agent Commerce." Version 1.0.0, 2026.
[5] AB Support LLC. "Agent Justice Protocol: A Modular Framework for Forensic Investigation, Dispute Resolution, and Risk Assessment in Autonomous Agent Economies." Version 1.3.0, 2026.
[6] AB Support LLC. "Agent Lifecycle Protocol: A Standard for Birth, Fork, Succession, and Death Management in Autonomous Agent Systems." Version 1.0.0, 2026.
[7] AB Support LLC. "Agent Matchmaking Protocol: Cross-Platform Discovery and Trust-Weighted Matching for the Autonomous Agent Economy." Version 1.0.0, 2026.
[8] AB Support LLC. "Context Window Economics Protocol: Bilateral Cost Allocation, Context Pricing, and Resource Markets for Autonomous Agent Interactions." Version 1.0.0, 2026.
[9] Agent Payments Stack. agentpaymentsstack.com. Acessado em 25 de março de 2026.
[10] Visa Press Release. "Visa and Partners Complete Secure AI Transactions." Dezembro de 2025.
[11] Mastercard. "Agent Pay Rollout to All U.S. Cardholders." Novembro de 2025.
[12] Adobe Analytics. "Adobe Analytics: AI-Referred Traffic to U.S. Retail Sites Grew 805% Year-over-Year on Black Friday 2025." 2025. (eMarketer posteriormente reportou esta estatística.)
[13] Gartner. "Top Predictions for IT Organizations in 2026 and Beyond: AI Agents Will Command $15 Trillion in B2B Purchases by 2028." Outubro de 2025.
[14] McKinsey & Company. "The Agentic Commerce Opportunity." Outubro de 2025.
[15] Strata Identity Research. "The AI Agent Identity Crisis: State of Agent Identity Management in the Enterprise." 2026.
[16] Rubrik Zero Labs. "Non-Human Identity Ratios in Enterprise Environments." 2026. ManageEngine Identity Security Outlook. 2026.
[17] California Civil Code Section 1714.46 (AB 316). Vigente a partir de 1.º de janeiro de 2026. Ver Baker Botts, "California Eliminates the Autonomous AI Defense: AB 316," 2026.
[18] Gartner. "Over 40% of Agentic AI Projects Will Be Canceled by End of 2027." Junho de 2025.
[19] North, Douglass. Institutions, Institutional Change and Economic Performance. Cambridge University Press, 1990. Ver também: North, "Institutions," Journal of Economic Perspectives, Vol. 5, No. 1, 1991, pp. 97–112.
[20] North, Douglass; Wallis, John; Weingast, Barry. Violence and Social Orders: A Conceptual Framework for Interpreting Recorded Human History. Cambridge University Press, 2009.
[21] Williamson, Oliver. The Economic Institutions of Capitalism. Free Press, 1985.
[22] Williamson, Oliver. "The New Institutional Economics: Taking Stock, Looking Ahead." Journal of Economic Literature, Vol. 38, 2000, pp. 595–613.
[23] Ostrom, Elinor. Governing the Commons: The Evolution of Institutions for Collective Action. Cambridge University Press, 1990.
[24] Ostrom, Elinor. "Beyond Markets and States: Polycentric Governance of Complex Economic Systems." American Economic Review, Vol. 100, 2010, pp. 641–672.
[25] Aoki, Masahiko. Toward a Comparative Institutional Analysis. MIT Press, 2001.
[26] Hall, Peter; Soskice, David. Varieties of Capitalism: The Institutional Foundations of Comparative Advantage. Oxford University Press, 2001.
[27] Mayer, Roger; Davis, James; Schoorman, F. David. "An Integrative Model of Organizational Trust." Academy of Management Review, Vol. 20, No. 3, 1995, pp. 709–734.
[28] Luhmann, Niklas. Trust and Power. Wiley, 1979. Ver também: "Familiarity, Confidence, Trust: Problems and Alternatives," in Gambetta, ed., Trust: Making and Breaking Cooperative Relations, Blackwell, 1988.
[29] Zucker, Lynne. "Production of Trust: Institutional Sources of Economic Structure, 1840–1920." Research in Organizational Behavior, Vol. 8, 1986, pp. 53–111.
[30] Fudenberg, Drew; Maskin, Eric. "The Folk Theorem in Repeated Games with Discounting or with Incomplete Information." Econometrica, Vol. 54, No. 3, 1986, pp. 533–554.
[31] Axelrod, Robert. The Evolution of Cooperation. Basic Books, 1984.
[32] Kreps, David; Milgrom, Paul; Roberts, John; Wilson, Robert. "Rational Cooperation in the Finitely Repeated Prisoners' Dilemma." Journal of Economic Theory, Vol. 27, 1982, pp. 245–252.
[33] Zahavi, Amotz. "Mate Selection — A Selection for a Handicap." Journal of Theoretical Biology, Vol. 53, 1975, pp. 205–214.
[34] Grafen, Alan. "Biological Signals as Handicaps." Journal of Theoretical Biology, Vol. 144, 1990, pp. 517–546.
[35] Spence, Michael. "Job Market Signaling." Quarterly Journal of Economics, Vol. 87, 1973, pp. 355–374.
[36] Matzinger, Polly. "The Danger Model: A Renewed Sense of Self." Science, Vol. 296, pp. 301–305, 2002.
[37] Rochet, Jean-Charles; Tirole, Jean. "Platform Competition in Two-Sided Markets." Journal of the European Economic Association, Vol. 1, No. 4, 2003, pp. 990–1029.
[38] Evans, David; Schmalensee, Richard. Matchmakers: The New Economics of Multisided Platforms. HBR Press, 2016.
[39] Baldwin, Carliss; Clark, Kim. Design Rules, Volume 1: The Power of Modularity. MIT Press, 2000.
[40] Jacobides, Michael; Cennamo, Carmelo; Gawer, Annabelle. "Towards a Theory of Ecosystems." Strategic Management Journal, Vol. 39, No. 8, 2018, pp. 2255–2276.
[41] Rogers, Owen. "The Real Cost of Cloud SLA Failures." Uptime Institute. Referenciado no whitepaper ASA [4], Seção 1.2.
[42] Zhuge, Mingqi et al. "Agent-as-a-Judge: Evaluate Agents with Agents." arXiv:2410.10934, 2024.
[43] Abdelnabi, Sahar et al. "Cooperation, Competition, and Maliciousness: LLM-Stakeholders Interactive Negotiation." arXiv:2309.17234, 2023. Advancing AI Negotiations: New Theory and Evidence from a Large-Scale Autonomous Negotiations Competition. arXiv:2503.06416, 2025. Supported by MIT Office of Teaching and Learning and Harvard Law School Program on Negotiation.
[44] ElevenLabs. "ElevenLabs Becomes First Company to Earn AIUC-1 Certification." Fevereiro de 2026.
[45] Replit Production Database Deletion Incident. Julho de 2025. Referenciado no whitepaper AJP [5], Seção 1.1.
[46] McKinsey AI Breach. Março de 2026. Referenciado no whitepaper AJP [5], Seção 1.1.
[47] Autonomous Cyberattack Campaign. 2026. Referenciado no whitepaper AJP [5], Seção 1.1.
[48] CNIL (Commission Nationale de l'Informatique et des Libertés). Estudo sobre propagação de dados de treinamento por gerações sucessivas de modelos. Referenciado no whitepaper ALP [6], Seção 1.3.
[49] Gale, David; Shapley, Lloyd. "College Admissions and the Stability of Marriage." American Mathematical Monthly, Vol. 69, No. 1, 1962, pp. 9–15.
[50] FinOps Foundation. FOCUS (FinOps Open Cost and Usage Specification). Referenciado no whitepaper CWEP [8], Seção 7.
[51] Shapley, Lloyd. "A Value for n-Person Games." Contributions to the Theory of Games, Vol. 2, 1953, pp. 307–317.
[52] Green, Jerry; Laffont, Jean-Jacques. "Characterization of Satisfactory Mechanisms for the Revelation of Preferences for Public Goods." Econometrica, Vol. 45, 1977. Moulin, Hervé; Shenker, Scott. "Serial Cost Sharing." Econometrica, Vol. 60, 1992.
[53] Schweppe, Fred et al. Spot Pricing of Electricity. Kluwer Academic, 1988.
[54] CoinDesk. "COMP Down 6.7% After Supposed 'Governance Attack' on Compound DAO." Julho de 2024.
[55] CoinDesk. "Why One of Uniswap DAO's Most Outspoken Members Just Walked Away." Maio de 2025.
[56] IETF. RFC 7241: "The IEEE 802/IETF Relationship." 2014. RFC 4053: "Procedures for Handling Liaison Statements." 2005. RFC 7282: "On Consensus and Humming in the IETF." 2014.
[57] Akerlof, George. "The Market for 'Lemons': Quality Uncertainty and the Market Mechanism." Quarterly Journal of Economics, Vol. 84, No. 3, 1970, pp. 488–500.
[58] Board of Governors of the Federal Reserve System. "G.19 Consumer Credit." Statistical Release, publicação mensal. Crédito ao consumidor total em circulação de aproximadamente US$ 5,06 trilhões no T4 de 2024.
Este artigo é publicado sob a Licença Apache 2.0. É o documento-capstone da Pilha de Confiança de Agentes, fornecendo o framework intelectual que unifica os sete whitepapers de protocolo em uma teoria coerente de infraestrutura institucional para a economia de agentes autônomos.
© 2026 AB Support LLC. Todos os direitos reservados sob a Licença Apache 2.0.