LLM 에이전트가 도구 호출 인자에 필요 이상의 개인정보(PSD)를 포함시켜 매 호출마다 제3자 서비스로 신뢰 경계를 넘기는 문제를 다룬 연구다. GPT-4o, Claude 3.5 Sonnet, Llama-3.3-70B 세 모델을 대상으로 측정한 결과 기본 프롬프트에서는 도구 호출의 81~88%가 불필요한 개인정보를 포함했고, 명시적으로 프라이버시를 지시해도 36~76%가 여전히 과다 공유됐다. 연구진은 스키마 기반 필요성 분석과 제거·일반화·대체·절단 네 가지 연산을 결합해 도구 호출 인자를 최소 필요 수준으로 재작성하는 미들웨어를 제안했으며, 세 모델의 실제 도구 호출 307건에서 작업 유효성을 100% 유지하면서 프라이버시 노출을 81.2~92.0% 줄였다. 미주석 MCP 스키마 25개에서도 79.0% 감소 효과를 보였고, LLM 기반 콘텐츠 필요성 계층을 추가하면 최대 95.6%까지 감소하며 지연 시간은 평균 1.77밀리초에 불과했다.

• •GPT-4o·Claude 3.5 Sonnet·Llama-3.3-70B 도구 호출의 81~88%가 불필요한 개인정보 포함
• •프라이버시 명시 지시에도 여전히 36~76% 과다 공유
• •제거·일반화·대체·절단 네 연산으로 인자를 최소 필요 수준으로 재작성하는 미들웨어 제시
• •실제 307건 도구 호출서 프라이버시 노출 81.2~92.0% 감소, 작업 유효성 100% 유지
• •중앙값 지연시간 1.77ms로 실용적 수준의 오버헤드