マルチエージェントシステム（MAS）の信頼性を確保することや、失敗が発生した際に問題のあるエージェントを特定することは、重要な課題です。最近の大規模言語モデル（LLM）の進展により、LLMベースのエージェントがMASの主要な分野として登場しましたが、その信頼性については十分に探求されていません。本研究では、ビザンチン障害耐性の観点からLLMベースのエージェントの信頼性を調査し、定量化しています。LLMベースのエージェントは、誤ったメッセージフローを処理する際に強い懐疑心を示し、異なるトポロジーの中で伝統的なエージェントよりも優れた性能を発揮します。我々は、CP-WBFTという新たな合意メカニズムを設計し、LLMの本質的な反射的かつ識別的な能力を活用してMASの安定性を向上させる手法を提案しました。実験結果は、CP-WBFTが極端なビザンチン条件下でも優れた性能を発揮し、数学的推論や安全評価のタスクでも高い信頼性を維持することを示しています。