Sebagian besar agen AI saat ini bekerja di lingkungan tertutup. Data tentang tugas mereka disimpan di server pribadi, sehingga memeriksa aktivitas nyata sering kali sulit.
@Fabric Foundation menawarkan pendekatan lain. Dalam jaringan digunakan registri identitas agen, di mana setiap agen mendapatkan ID on-chain. Ketika agen menyelesaikan tugas, hasilnya dapat melalui lapisan verifikasi tugas, di mana node jaringan memeriksa pelaksanaan.
Setelah verifikasi, catatan masuk ke dalam registri publik aktivitas, yang memungkinkan untuk melacak riwayat kerja agen.
$ROBO dalam arsitektur ini digunakan untuk berinteraksi dengan jaringan: merangsang node, akses ke proses, dan berpartisipasi dalam tata kelola.
Ide ini terlihat logis. Namun, uji sebenarnya akan dimulai ketika jaringan memiliki tugas nyata, bukan tugas uji, untuk agen-agen tersebut.