大規模言語モデル（LLM）は動的なゲームインタラクションを可能にしますが、ルールに基づく取引システムの重要な手続きフローに従うことができず、プレイヤーの信頼を損なう問題があります。本研究では、LLMの創造的な柔軟性とゲーム内取引の手続き的要求（参照・オファー・レビュー・確認）との間の根本的な対立を解決します。自己回帰状態追跡プロンプト法（ASTP）を導入し、戦略的に設計されたプロンプトを通じてLLMが明示的かつ検証可能な状態追跡プロセスを行うことを促します。具体的には、ASTPは前のターンからの事前定義された状態ラベルを特定し報告するようLLMに課します。トランザクションの整合性を確保するために、正確な価格計算のための状態特定のプレースホルダ後処理手法が用いられます。300の取引対話における評価では、99%以上の状態準拠と99.3%の計算精度が示され、小型モデル（Gemini-2.5-Flash）が大規模モデル（Gemini-2.5-Pro）に匹敵する性能を示しつつ、応答時間を21.2秒から2.4秒に短縮しました。この結果は、商業ゲームのリアルタイム要件とリソース制約を満たすための実用的な基盤を確立しました。