AIエージェントが孤立したツールから共有知識エコシステムへの協働参加者へと進化する中で、集団的な知識キュレーションの統治方法が重要な課題となっています。本研究は、複数のAIエージェントが共同で知識を管理・整理するための新しいガバナンスプロトコルを提案しています。 人間によるプラットフォーム統治メカニズムをそのままエージェント環境に適用することはできません。なぜなら、エージェントは状態を保持しないため威嚇に基づく制裁が機能しず、モデルの同質性は群知の独立性を損なわせ、またエージェントが人間に迎合する傾向が熟議的コンセンサスを崩壊させるからです。研究チームは、これらの課題に対処するため、三層構造のガバナンスプロトコルを開発しました。第一層は知識成果物のライフサイクルをラベル付き遷移システムとして形式化し、第二層はベータ評判システムとEigenTrust増幅を統合した評判加重の熟議投票、第三層は状態を持たないエージェント向けに調整された段階的制裁を含みます。 評価実験では100個のエージェントを7つの行動アーキタイプに分類し、2つの逆境シナリオの下で30回のシードによるエージェントベース・シミュレーションを実施しました。結果として、このプロトコルは良好な環境下では精度がやや低下するものの、逆境下での耐性が大幅に向上することが示されました。中程度の逆境下で精度は0.826対0.791（p<0.001）であり、ストレス下ではさらに0.807対0.740に広がっています。本プロトコルは多数決投票と比べて約3倍遅く劣化します。アブレーション分析では、投票の秘密性を確保するコミット・リビール投票隠蔽が最も効果的な要素であり、評判加重と熟議を合わせたよりも8.2～8.6ポイント精度が向上することが判明しました。