该论文研究使用工具（tool-using）的智能体在运行时安全领域的可执行性（enforceability）理论。现有运行时防护栏（runtime guardrails）在不可逆的工具调用前进行干预，但它们的保证取决于可表示的策略状态、裁判（judge）的观测能力以及干预是否改变未来行为。本文分离出三个核心问题：第一，相对于固定的预言谓词（oracle predicates），确定性门控（deterministic gate）恰好能执行那些其寄存器模型能够识别的良好前缀（good prefixes）的非空安全策略；当使用两个可递减计数器时，策略非平凡性（nontriviality）不可判定，但对于可分离的单调片段（separable monotone fragment）则属于PSPACE。第二，在固定的外生规律（exogenous law）下，Neyman-Pearson引理给出了精确的误拦截/漏报前沿（false-block/miss frontier），而共形校准（conformal calibration）给出了有限样本的边际保证（finite-sample marginal certificate），可能需要通过全拦截（block-all）实现。第三，一旦拦截改变了未来的提议，静态分数与非门控轨迹（ungated trajectories）无法识别闭环前沿；一个指定的有限控制模型（finite controlled model）可以产生占用程序（occupancy program）。有界表示攻击（bounded representation attacks）引入了鲁棒性裕度，因此仅凭良性校准（benign calibration）无法迁移。实验通过静态诊断、控制模型枚举、表示重写以及配对的闭环重运行来区分这些不同方面。该论文为智能体运行时安全提供了形式化理论基础，适合安全研究者、形式化方法学者以及AI安全工程师阅读。