في ظل زيادة استخدام وكلاء الذكاء الاصطناعي (AI Agents) في بيئات السحابة متعددة المستخدمين، أصبح التحكم في موارد النظام أمرًا بالغ الأهمية. في الآونة الأخيرة، تم الكشف عن أداة جديدة تدعى AgentCgroup، والتي تهدف إلى تحسين إدارة موارد عملية التنفيذ في وكلاء الذكاء الاصطناعي الذين يعملون في حاويات معزولة (Sandboxed Containers).

تتناول هذه الأداة أبعادًا عدة تتعلق بكيفية إدارة الموارد التي تحتاجها أدوات الذكاء الاصطناعي بشكل فعال للغاية. وفقًا للأبحاث، تم تحليل 144 مهمة من مهام البرمجيات من معيار SWE-rebench عبر نموذجين من نماذج اللغة الضخمة (Large Language Models). وقد أظهرت النتائج أن ما بين 55-60% من زمن الاستجابة للمهمة يرتبط بطريقة تنفيذ نظام التشغيل لمكالمات الأدوات.

من المثير للاهتمام أن العائق الأكبر في التنسيق كان في الذاكرة، وليس المعالج المركزي (CPU). يمكن أن تتقلب احتياجات الذاكرة بشكل كبير، حيث تصل تلك التقلبات إلى 15.4 مرة في قاعدة الذروة إلى المتوسط.

هذه الديناميكيات المتميزة تكشف عن ثلاث ان mismatches رئيسية في التحكم الموجود حاليًا: مظهر الدقة (سياسات على مستوى الحاويات مقارنة بديناميكيات مكالمات الأدوات)، مظهر الاستجابة (ردود الفعل من مساحة المستخدم مقابل الانفجارات غير القابلة للتنبؤ في أقل من ثانية)، ومظهر التكيف (التنبؤ القائم على تاريخ التنفيذ مقابل التنفيذ غير المحدد للحالة).

وبفضل هذه المعطيات، تم تقديم AgentCgroup كحل فعّال يقوم على تكنولوجيا eBPF، مما يتيح للوكلاء إعلان احتياجات الموارد وإعادة بناء استراتيجيات التنفيذ. تعتمد هذه الأداة على هياكل cgroup التدرجية المتوافقة مع حدود مكالمات الأدوات، مما يضمن إنفاذ السياسات بشكل ديناميكي وفعّال.

تم إجراء تقييم أولي يظهر تحسنًا ملحوظًا في العزل متعدد المستخدمين وتقليل الفاقد في الموارد. كما أن AgentCgroup مفتوح المصدر، مما يتيح للمطورين والمستخدمين استكشاف هذه الأداة واستخدامها في مشروعاتهم الخاصة. تابعوا الرابط للاطلاع على المزيد حول AgentCgroup [رابط_المقال].