AROS：多 Agent 操作系统级运行时

作品简介

AROS（AgentRuntime-OS）是面向 openEuler 的多 Agent 隔离执行与统一编排引擎。系统采用 C++ Daemon 控制平面 + 多 Agent 独立进程执行平面 的架构，将每个 Agent 映射为受管操作系统进程，并对任务状态、资源边界、上下文、通信端点和生命周期进行统一管理。

AROS主要面向自动化代码审查、智能运维巡检、复杂任务规划等多 Agent 流水线场景，重点解决共享运行时中的故障扩散、资源竞争、静态任务图适应性不足以及上下文持续膨胀等问题。

核心能力

进程级隔离：每个 Agent 运行在独立进程中，单个 Agent 异常不会直接破坏 Daemon 和其他无关 Agent。
多维资源约束：采用 fork → prlimit → execve 启动时序设置 RLIMIT_AS，并结合 cgroups v2 的 memory.max、cpu.max 和 pids.max 控制资源使用。
动态 DAG 调度：采用 Kahn 算法维护拓扑关系，支持运行时新增节点；通过 JSON Schema、DFS 环路检测和增量 Kahn 更新保证动态图合法性。
AgentPool 预热复用：复用已经完成 Python 解释器和业务环境初始化的 Agent 工作进程，降低重复任务的冷启动开销。
上下文管理：以 TaskId + AgentId 建立命名空间，结合 LRU 缓存、SQLite WAL 持久化和 FAISS 检索，实现上下文复用、压缩和隔离。
资源感知调度：通过 /proc 和 cgroups v2 采集系统负载，使用 EWMA 预测资源消耗，并通过 Best-Fit 和优先级老化机制选择 AgentPool 槽位。
异步通信与可观测性：控制平面与执行平面采用 ZeroMQ ROUTER-DEALER 模式通信，并通过 REST API、结构化日志和 trace_id 提供运行状态查询与链路追踪。

运行环境

建议在以下环境中构建和运行：

openEuler 或兼容 Linux 环境
Linux cgroups v2
GCC 11 或兼容版本
GNU Make
CPython 3.10
ZeroMQ 4.x
Python pip3
curl

使用 cgroups v2 资源控制时，应确保当前用户或 Daemon 进程具有相应 cgroup 创建与配置权限。

目录说明

AROS/
├── daemon/        # C++控制平面、调度器、进程与生命周期管理
├── agent/         # Python Agent业务程序及依赖
├── config/        # Daemon配置和示例DAG文件
├── experiments/   # 自动化实验脚本
└── README.md

编译与运行

以下命令均在项目根目录下执行。

1. 编译 Daemon

cd daemon
make -j"$(nproc)"

编译完成后，默认生成可执行文件：

daemon/build/agent_runtime_daemon

2. 安装 Agent Python 依赖

cd ../agent
pip3 install -r requirements.txt

建议使用 Python 3.10 虚拟环境安装依赖，避免与系统 Python 包冲突。

3. 检查配置文件

返回项目根目录：

cd ..

启动前确认以下文件存在并已按运行环境配置：

config/daemon.conf
config/example_dag.json

其中：

daemon.conf：配置监听端口、AgentPool 规模、资源限制和超时参数；
example_dag.json：定义示例 Agent 节点、依赖关系、资源需求和执行参数。

4. 启动 Daemon

./daemon/build/agent_runtime_daemon --config config/daemon.conf

Daemon 启动后将初始化调度器、AgentPool、ZeroMQ 通信代理、上下文管理器和 REST 服务。默认 REST API 地址为：

http://localhost:8080

5. 提交 DAG 任务

在另一个终端中进入项目根目录并执行：

curl -X POST http://localhost:8080/api/v1/dag \
  -H "Content-Type: application/json" \
  -d @config/example_dag.json

系统完成格式校验和拓扑解析后，将就绪节点分配至 AgentPool。节点状态包括：

DONE：执行成功；
FAILED：执行失败；
TIMEOUT：执行超时；
SKIPPED：因前置节点失败而跳过。

运行状态查询

查询 AgentPool

curl http://localhost:8080/api/v1/pool

用于查看 AgentPool 规模、槽位状态以及空闲、占用或异常工作进程。

查询 Agent 资源状态

curl http://localhost:8080/api/v1/agents

用于查看 Agent 的 PID、运行状态、内存占用、CPU 使用情况及任务关联信息。

查询监控指标

curl http://localhost:8080/api/v1/metrics

用于获取系统运行指标和 Prometheus 格式监控数据。

运行全部实验

bash experiments/run_all.sh

实验脚本用于验证资源限制、AgentPool 加速、并发隔离、REST 响应、进程回收、动态 DAG、上下文管理和资源感知调度等功能。建议在负载相对稳定的独立环境中执行，以减少其他进程对实验结果的影响。

停止系统

前台运行时，可使用 Ctrl+C 结束 Daemon。系统将进入正常退出流程，向受管 Agent 进程发送终止信号并回收子进程状态。

也可以向 Daemon 发送 SIGTERM：

kill -TERM <daemon_pid>

常见问题

1. Daemon 编译失败

检查 GCC、GNU Make、ZeroMQ 开发库及项目构建依赖是否已经安装，并确认当前位于 daemon 目录。

2. Python Agent 无法启动

确认使用 Python 3.10，并已安装 agent/requirements.txt 中的依赖。若配置的 RLIMIT_AS 过低，Python 解释器可能在初始化阶段因内存不足而退出；当前实验环境中建议基础 Agent 的内存上限不低于 96 MB，具体数值应根据业务依赖调整。

3. REST API 无法访问

检查：

Daemon 是否正常运行；
daemon.conf 中的 REST 端口是否为 8080；
8080端口是否已被其他程序占用；
防火墙或运行环境是否限制本机端口访问。

4. cgroups v2 配置失败

检查系统是否启用 cgroups v2，并确认 Daemon 对目标 cgroup 路径具有写权限。若当前环境不允许配置cgroup，需要调整运行权限或资源控制配置。

5. DAG 提交失败

检查 config/example_dag.json 是否符合系统要求，重点确认：

节点标识唯一；
前置依赖节点存在；
依赖关系未形成环路；
Agent 类型、资源需求和输入参数字段完整。