本論文では、現代エージェントAIシステムのアーキテクチャとチョムスキー階層の抽象的機械の間に形式的な同等性を確立します。AIエージェントのメモリアーキテクチャがその計算能力を決定する特徴であり、対応するオートマトンのクラスに直接マッピングされると主張します。具体的には、単純な反射エージェントは有限オートマタに、階層的タスク分解エージェントはプッシュダウンオートマタに、読み書き可能なメモリを用いるエージェントはチューリングマシンに相当することを示します。このオートマタ・エージェントフレームワークは、エージェントアーキテクチャを最適化し計算効率とコストを高めるための方法論を提供します。さらに、エージェントの分類によって、検証可能なシステムとその行動が根本的に決定不能なシステムの境界を明確に描きます。確率的性質を持つLLMベースのエージェントに対しても、確率的オートマタに拡張しリスク分析を可能にします。