AIOS：基于大模型的Agent操作系统架构
AIOS：基于大模型的Agent操作系统架构
随着大语言模型（LLM）在自主Agent领域的应用日益增多，如何高效管理和调度这些Agent成为一项重要挑战。为此，研究者们提出了一个基于大模型的操作系统架构：AIOS（AI Operating System）。该架构将LLM作为操作系统的“大脑”，优化Agent请求的调度，支持上下文切换，实现并发执行，并提供工具服务和访问控制，结果表明了AIOS在多Agent并行执行时的可靠性，展示了其在改善资源利用和提升Agent性能方面的潜力。
背景介绍
对于自主Agent的研究，其终极目标是开发无需人为干预即可独立执行任务的系统，并且在指令理解、信息处理、决策判断等方面都能实现自主状态。大语言模型（LLM）的出现为自主Agent的开发带来了新的可能性。目前的LLMs在理解指令、知识检索、推理问答、人机交互等方面表现出了强大的能力。基于这些强大的LLM，新兴的LLM Agent将能够在多样化的环境中展示惊人的任务执行能力。
上图展示了LLMs Agent在旅行规划上应用案例。首先旅行Agent会根据用户请求，将旅行规划分解为多个可执行的任务；然后，它会根据用户的偏好按顺序执行预订航班、预订酒店、处理付款和更新日历的步骤。在计划执行过程中，Agent展现出了较强的推理决策能力。为了实现这种旅行助理场景，Agent需要将LLMs服务和传统操作系统服务整合到一块。
随着Agent数量和复杂性的急速增长，这对LLMs和操作系统的功能提出了更多的要求。例如，在有限的LLMs服务资源中，Agent需要优先调用LLMs服务就存在一定的挑战。此外，当LLMs面对长篇上下文时，生成速度会变慢，耗时增长，有时会导致生成被调度程序暂停。这就产生了一个机制问题，即如何快照LLM当前生成结果，从而即使LLM尚未完成当前请求的响应生成，也不会影响正常流程进行。
此外，一旦Agent获得了可用工具API的列表，确定调用这些工具的最优顺序就构成了另一个挑战，因为多个Agent可能需要调用相同的工具。此外，多个Agent的并发操作需要一个强大的内存管理系统，同时还要做好隐私、访问严格控制。
为了解决上述挑战，文章提出了AIOS，这是一个LLM Agent操作系统，将大语言模型嵌入到操作系统中，作为操作系统的“大脑”，使其成为一个“有灵魂”的操作系统——这是迈向人工通用智能（AGI）的重要一步。具体来说，AIOS旨在优化资源分配，促进Agent之间的上下文切换，实现Agent的并发执行，为Agent提供工具服务，并维护Agent的访问控制。
操作系统与大模型Agent
操作系统的发展包括了从批处理到多任务处理的转变，以及图形用户界面（GUI）的出现，这些都极大地提高了操作系统的交互性和易用性。同时，操作系统生态系统的发展为软件开发提供了丰富的工具和资源，促进了应用程序的高效开发和部署。如今，我们正处于一个变革阶段，即将看到智能操作系统。通过整合大语言模型（LLMs），这些先进的系统有望进一步缩小人机之间的交流差距，开启一个新的用户-计算机交互时代。
关于LLM自主Agent的研究，这些Agent能够根据自然语言指令执行复杂任务。研究分为单Agent系统和多Agent系统两大类：
- 单Agent系统：这些系统使用单个LLM Agent来完成如旅行规划、个性化推荐等任务。Agent能够分解任务并调用外部工具或与环境交互来完成任务。
- 多Agent系统：利用多个Agent之间的交互来解决问题。多个Agent之间的关系可能是合作的、竞争的，或者是合作与竞争的混合。在合作型多Agent系统中，每个Agent获取并评估其他Agent提供的信息，从而共同解决复杂任务，如角色扮演、社会模拟和软件开发。
AIOS架构
如下图所示，AIOS架构共分为三个不同的层：应用程序层、内核层和硬件层。这种分层架构确保了整个系统的职责划分清晰，促进了接口或者特定模块的交互，从而增强模块化并简化不同层之间的系统交互。
应用层 (Application Layer)主要用来开发和部署Agent应用程序，如旅行Agent或数学Agent。AIOS在这一层提供了AIOS软件开发工具包（SDK），它提供了更高级别的系统调用抽象，简化了Agent开发者的开发过程，使开发者能够专注于Agent的核心逻辑和功能，从而提高开发效率。
内核层 (Kernel Layer)该层主要由两个组件组成：OS内核和LLM内核。其中，这两个内核分别服务于非LLM操作和LLM特定操作的独特需求。
- OS内核：处理传统的操作系统功能，如进程调度、内存管理和文件系统管理。
- LLM内核：专注于LLM特定任务，如上下文管理和Agent调度。LLM内核配备了几个关键模块，包括LLM系统调用接口、Agent调度器、上下文管理器、内存管理器、存储管理器、工具管理器和访问管理器。这些组件旨在解决Agent应用程序的多样化执行需求，确保在AIOS框架内进行高效的管理和执行。
硬件层 (Hardware Layer)该层包括系统的物理组件，如CPU、GPU、内存、磁盘和外围设备。LLM内核的系统调用不能直接与硬件交互，而是通过OS的系统调用来管理硬件资源。这种间接交互确保了抽象层和安全性，允许LLM内核利用硬件能力而无需要直接管理硬件，从而保持了系统的完整性和效率。
AIOS实现
关于AIOS的实现，作者首先概述了 LLM 内核中每个模块的基本设计和实现；然后介绍了 LLM 系统调用，其中包含每个模块的基本功能；最后讨论了AIOS SDK的探索，旨在方便Agent开发者的开发过程。
AIOS架构中的6个主要模块：
- Agent调度器 (Agent Scheduler)优化LLM资源的使用，通过FIFO、RR等调度算法来优先处理和调度Agent请求。如下图所示：
- 上下文管理器 (Context Manager)支持LLM的上下文快照和恢复，以及管理LLM的上下文窗口。如下图所示：
- 内存管理器 (Memory Manager)为每个Agent的交互日志提供短期内存，并确保数据仅在Agent活跃时存储和可访问。如下图所示：
- 存储管理器 (Storage Manager)负责长期存储数据，通过本地文件、数据库或云解决方案来确保数据的完整性和可用性。
- 工具管理器 (Tool Manager)管理一系列API工具，这些工具增强了LLM的功能，涵盖了网络搜索、科学计算、数据库检索、图像处理等多个类别。
- 访问管理器 (Access Manager)通过为每个Agent管理专门的权限组来协调不同Agent之间的访问控制操作。
LLM系统调用LLM内核内的LLM系统调用接口被设计为提供基本的LLM调用操作功能。这个接口作为复杂Agent请求和不同内核模块执行之间的桥梁。LLM系统调用提供了一系列基本功能，涵盖内核模块的各个方面，包括Agent管理、上下文处理、内存和存储操作以及访问控制。
AIOS SDK为开发者提供了一个多功能工具包，用于在AIOS内开发复杂的Agent应用程序。SDK包括从初始化Agent和Agent生命周期管理到资源监控和Agent任务生成计划等一系列功能。
实验结果
一致性分析使用BLEU分数和BERT分数作为评估指标来评估多个Agent并行运行与单个Agent依次运行时输出的一致性。结果显示，BLEU和BERT分数都达到了1.0，表明多Agent和单Agent配置下生成的输出之间完全对齐，证实了设计在有效促进并行多Agent操作方面的一致性。
性能分析作者进行了AIOS使用FIFO调度和非调度方法（即顺序执行）的比较分析。结果表明，非调度方法对序列早期的Agent表现良好，但牺牲了序列后期Agent的等待时间和周转时间。相反，AIOS的调度机制有效地调节了等待时间和周转时间，特别是对于后续Agent的请求，当LLM较大时，这种优势尤为明显。这表明调度对于适应多个Agent的并行操作非常重要。