AgentFlow：为智能体程序静态分析构建智能体依赖图

研究者提出 AgentFlow，称其为首个从智能体程序中恢复并分析智能体依赖的静态分析框架。这类依赖常以框架引入的语义表达，如智能体构造器、工具装饰器和 handoff 声明，现有静态分析或依赖跟踪工具难以恢复。AgentFlow 构建框架无关的智能体依赖图（ADG），将智能体、提示词、模型、能力、记忆状态和控制策略表示为带类型节点，用带类型边刻画组件依赖、控制流和数据流关系，并支持 Agent 物料清单（BOM）生成和提示词到工具风险检测等治理与安全分析。作者在五个代表性智能体框架上实现该框架，并在包含 5399 个真实智能体程序的 AgentZoo 语料库上评估；评估结果显示其恢复的实体和依赖比现有基于 AST 的智能体静态分析工具更丰富，生成的 Agent BOM 更具依赖感知能力，并在真实程序中发现 238 个提示词到工具的污点式风险。