T-MAP은 trajectory-aware evolutionary search 기법으로, 대형 언어 모델(LLM) 에이전트의 다단계 도구 실행 과정에서 발생하는 취약점을 탐지합니다.

이 방법은 실행 궤적(execution trajectories) 정보를 활용하여, 기존의 단순 텍스트 기반 공격을 넘어 실제 도구 상호작용을 통해 안전장치를 우회하고 유해한 결과를 유발하는 적대적 프롬프트(adversarial prompts)​를 자동으로 생성합니다.

다양한 Model Context Protocol(MCP) 환경에서 평가한 결과, T-MAP은 GPT-5.2, Gemini-3-Pro 등 최신 모델에 대해서도 높은 공격 성공률을 보이며, 자율 LLM 에이전트의 숨겨진 취약점을 효과적으로 드러냅니다.

이 기술은 LLM 에이전트의 보안 강화 및 안전성 검증에 실용적 가치를 제공하며, 복잡한 도구 호출 시나리오에서의 취약점 탐색에 새로운 방향을 제시합니다.