AgentOS Runtime — 面向多智能体的操作系统级执行时

第三届中国研究生操作系统开源创新大赛决赛作品 · MillionTokens

AgentOS Runtime 位于多智能体框架与操作系统之间，为 Agent 提供统一的执行身份、动态任务调度、共享上下文、故障恢复、资源控制和事件记录。上层框架继续负责业务编排，运行时将协作流程落实为可管理、可追踪的执行过程。

本仓库采用决赛要求的 master 分支目录结构：源代码位于 src/，正式文档位于 docs/，测试及实验记录位于 tests/，可验证交付物位于 demo/，决赛 PPT 与含字幕、配音的演示视频位于 presentation/。

核心特性

• 统一执行实体：通过 Agent 控制块（ACB）关联任务、状态、上下文引用、资源配额和 trace_id。协程 Handler 共享宿主进程；子进程 Worker 关联独立 PID 与 cgroup，明确两种执行路径的资源边界。
• 动态依赖调度：TaskDAG 支持并行分支与运行中追加任务。调度器先筛选依赖就绪任务，再检查资源预算与压力反馈，依据延迟、吞吐、缓存亲和、公平性或风险策略排序派发。
• 引用共享与按需输入：共享原文进入上下文池，Agent 间通过 ContextRef 交接成果。调用模型前按任务展开所需内容、控制预算并组织稳定前缀，将通信载荷、模型输入 Token 和模型侧 KV 缓存分别管理与统计。
• 局部故障恢复：统一处理 Handler、Worker 与工具执行异常，按 RecoveryPolicy 选择重试、回退、上下文重试、跳过或终止；受影响后继等待恢复结果，独立分支继续推进。
• OS 资源控制与内核调度：将 Worker 的资源和调度决策关联到 cgroup v2、PSI、BPF policy map 与 sched_ext。已归档的真实内核验证采用 6.12.95-agentos-scx，partial mode 仅接管显式绑定的 Agent Worker。
• 统一可观测性：Agent、Task、模型、上下文、工具、资源、调度与故障事件写入 JSONL EventLog，供 CLI、Dashboard 和工作台查询、回放与分析。
• 多框架与多后端接入：提供 LangGraph、AutoGen、CrewAI、OpenAI Agents SDK 的对比接入脚本，以及 DeepSeek、vLLM、LiteLLM 和离线 mock 后端；框架原有编排与 Runtime 执行管理可以组合使用。

1. 项目背景

多智能体应用通常由用户态框架组织任务流程。随着 Agent 数量和协作步骤增加，资源竞争、重复上下文、故障传播和执行记录需要跨框架、跨执行路径统一处理。

问题	典型表现	AgentOS Runtime 的处理方式
执行身份与状态分散	任务、模型调用、工具和进程之间缺少统一关联	ACB 关联任务、生命周期、资源与追踪标识
协作与资源调度脱节	依赖已经满足，但资源预算或系统压力不允许立即执行	TaskDAG 就绪筛选、资源准入与策略排序
上下文重复传递	多个 Agent 重复接收背景材料和中间结果	共享上下文池、ContextRef、按需装配与稳定前缀
故障影响扩大	单个任务失败后，整个工作流重复执行或失去进度	依赖影响边界、局部恢复与独立分支保留
执行过程难以核验	展示结果无法关联到调用、事件和资源状态	EventLog、统一 trace_id 与可查阅的实验产物

项目适用于软件工程协作、仓库审阅、运维诊断、研究与知识处理等任务，并在决赛材料中以软件维护、旅行规划、航空与零售客服三个场景展示上下文复用效果。

2. 系统架构

系统采用三层架构：

层次	职责	主要组件
应用与框架层	描述业务目标、分工与框架内部编排	LangGraph、AutoGen、CrewAI、OpenAI Agents SDK、CLI 与工作台
Runtime 层	管理执行实体、任务依赖、上下文、模型请求、通信与恢复	ACB、TaskDAG、Scheduler、ContextRef、Model Gateway、RecoveryPolicy、EventLog
操作系统层	承载独立 Worker，执行资源控制与内核调度	Linux 进程、cgroup v2、PSI、BPF、sched_ext

典型执行链路为：

提交任务或框架计划
  → 建立 ACB 与 TaskDAG
  → 依赖筛选、资源检查、策略排序
  → 派发 Handler 或 Worker
  → 按 ContextRef 装配模型输入、执行工具
  → 发布结果引用、更新任务状态
  → 释放满足条件的后继任务
  → EventLog 记录全过程

调度与 OS 反馈形成双向链路：Runtime 输出 Worker 配额和调度策略，适配层执行资源控制与内核策略绑定；用量、PSI 和执行状态再回写 Runtime，影响后续准入和派发。协程 Handler 共享宿主进程资源，不能将它的逻辑 Agent 身份等同于独立 PID 或独立 cgroup。

3. 核心模块详解

3.1 执行抽象：ACB 与生命周期

代码入口：src/agentos/core/、src/agentos/runtime/。

ACB 记录 agent_id、角色、任务、状态、模型后端、上下文引用、资源配额、资源用量与 trace_id。独立进程执行时还可关联 pid 和 cgroup。

• 以受约束的状态转换表达创建、就绪、运行、等待模型或工具、挂起、恢复、完成与失败。
• 将任务执行、模型调用、工具使用与故障事件关联到同一执行身份。
• 支持协程 Handler 与子进程 Worker 两条执行路径，由统一运行时管理状态与结果。

3.2 调度域：动态 TaskDAG 与资源感知

代码入口：src/agentos/scheduler/、src/agentos/core/task.py。

• 表达任务依赖、并行分支和运行中追加的任务，拒绝非法依赖与环路。
• 前置任务完成后，将后继纳入就绪集合；资源准入通过后再派发。
• 结合任务属性、前缀热度、等待风险、SLA 与 OS 压力选择调度策略。
• 记录策略选择、公平性与饥饿风险，使决策可以从事件中追踪。

策略	名称	主要考虑因素
LATENCY_FIRST	延迟优先	交互任务、优先级与响应需求
THROUGHPUT_FIRST	吞吐优先	批量任务与可用并行度
CACHE_AFFINITY	缓存亲和	共同前缀与缓存复用机会
FAIRNESS_BALANCED	公平均衡	等待时间、饥饿风险与压力告警
RISK_AWARE	风险感知	关键 SLA、紧迫性、任务风险与高压力

上述策略属于 Runtime 决策；只有满足内核通路条件并显式绑定的 Worker，才由 sched_ext 执行相应的内核调度。

3.3 上下文域：ContextRef、权限与预算

代码入口：src/agentos/context/。

• 通过 ContextRef 标识共享、私有、任务和工具结果上下文，记录所有者、权限、内容哈希与优先级。
• 将可共享原文登记到上下文池，协作消息交接引用，下游按任务选择需要的材料。
• 对未授权读取执行拒绝并产生审计事件，保持私有上下文隔离。
• 调用模型前按引用展开原文，支持稳定前缀、压缩、按预算淘汰和依赖相关的内容选择。

ContextRef 减少的是协作消息中的重复正文搬运；模型输入是否减少，取决于实际选取和装配的内容；KV 缓存是否命中，还取决于模型后端的缓存能力与状态。这三类开销分别统计，不能把引用消息直接等同于“模型零 Token”或模型内存零拷贝。

3.4 故障域：RecoveryPolicy 与局部恢复

代码入口：src/agentos/fault/、src/agentos/runtime/engine.py。

恢复动作	作用
RETRY	在尝试次数限制内重新执行
FALLBACK	使用配置的备用角色执行
CONTEXT_RETRY	恢复失败 Agent 的上下文快照后重试
SKIP	跳过失败任务，由依赖处理逻辑决定后继状态
FAIL	结束恢复尝试并记录失败

失败任务的依赖后继无法立即执行，独立分支保留进度并继续推进。恢复成功后重新检查依赖条件；最终失败时保留失败或跳过状态，并处理依赖它的任务。

上下文重试恢复失败 Agent 的私有快照，清理失败尝试之后写入的私有内容，同时保留其他分支对共享上下文的更新。该机制恢复上下文引用与内容，不自动撤销外部工具已经产生的文件、网络或业务副作用。

3.5 Worker、隔离与 OS 资源控制

代码入口：src/agentos/worker/、src/agentos/isolation/、src/native/sched_ext/。

• 管理子进程 Worker 的启动、PID 关联、退出与资源清理。
• 通过 cgroup v2 设置和读取资源配额，采集用量与 PSI 压力。
• 通过 BPF policy map 传递 Worker 调度属性，并核验进程与策略的关联。
• sched_ext 调度器包含 LATENCY、NORMAL、BATCH 三类 DSQ，在 partial mode 下管理显式绑定的 Worker。
• 条件不满足或通路异常时按配置拒绝严格路径或回退，并记录实际运行状态。

3.6 通信域：MessageBus 与引用交接

代码入口：src/agentos/comm/。

统一消息总线支持进程内通信和 Unix 域套接字 IPC，提供 JSON 消息编解码、消息记录与载荷统计。上下游可通过结果引用通知完成状态，并按权限取用共享成果。

3.7 模型网关：多后端与请求批处理

代码入口：src/agentos/llm/。

• 统一模型请求、响应、Token 用量、延迟与缓存信息。
• 支持 DeepSeek 云端接口、本地 vLLM、LiteLLM 与离线 mock 后端。
• 提供按前缀分组和自适应批处理能力。
• 保留模型服务返回的 usage，并区分真实返回值、估算值、不可观测项与模拟数据。

mock、cache-sim 等模拟后端用于链路与功能验证，其缓存或时延数据不代表真实模型性能。

3.8 可观测域：EventLog、Dashboard 与工作台

代码入口：src/agentos/events/、src/agentos/dashboard/、src/agentos/workbench/。

EventLog 以 JSONL 保存执行状态、调度决策、模型请求、上下文、工具、资源和故障事件。同一 trace_id 用于关联故障触发、恢复动作与任务完成，CLI 和可视化界面据此查询与回放。

Dashboard 展示的数据范围由输入日志和实验批次决定。使用历史记录、模拟后端或真实模型时，应保留对应的来源标识，不将回放画面当作正在进行的实时实验。

3.9 框架接入与任务执行

代码入口：src/agentos/adapters/、src/agentos/execution/、src/scripts/cloud_bench/。

项目既提供将框架计划转换为 Runtime 任务图的接入方式，也提供保留框架原有编排、仅在模型调用层接入 Model Gateway 的对比实验方式。两类接入范围不同，模型调用层的对比结果不自动证明每个框架都使用了完整的 Worker、cgroup 与 sched_ext 执行链。

4. 快速开始

以下命令在仓库根目录执行，面向 Linux 或具备相应 Linux 条件的 WSL 环境。Python 要求为 3.11 及以上。

4.1 创建环境与安装

python3 -m venv .venv
.venv/bin/python -m pip install -e "./src[dev,app,langgraph]"

按需安装四框架实验依赖：

.venv/bin/python -m pip install -e "./src[cloud-bench]"

基础依赖为 pydantic、litellm 和 httpx；dev 提供测试依赖，app 提供工作台依赖，langgraph 提供 LangGraph 接入依赖。精确声明见 src/pyproject.toml，锁文件见 src/uv.lock。

如需严格复用锁定依赖，可使用：

UV_PROJECT_ENVIRONMENT="$PWD/.venv" uv sync \
  --project src --locked --extra dev --extra app --extra langgraph

4.2 验证安装与运行测试

.venv/bin/agentctl --help
.venv/bin/python -m pytest -c src/pyproject.toml tests -q

测试覆盖执行、调度、上下文、网关、通信、故障、隔离、事件与工作台。当前测试说明登记 127 个回归测试文件、1674 项测试；实际收集数、通过数与跳过数以当前环境的 pytest 输出为准，不能用历史批次的通过数代替当前运行结果。

4.3 离线功能演示

无需 API 凭据、GPU 或 sched_ext 内核：

bash demo/01-离线功能演示/run_offline_validation.sh

该演示验证依赖执行、上下文选择、单分支故障隔离、重试恢复与事件记录，默认写入 demo/output/离线功能演示/。脚本要求输出目录尚不存在；重复运行时可指定一个新目录：

bash demo/01-离线功能演示/run_offline_validation.sh \
  demo/output/offline_second_run

输出包含 summary.json、report.md、events.jsonl、requests.jsonl 和 dashboard.html。离线演示采用 mock 后端，验证功能链路，不用于测量真实模型质量或性能。

4.4 实时 Dashboard

.venv/bin/agentctl live --scenario software_eng --backend mock \
  --log demo/output/software_eng_mock/events.jsonl

浏览器访问 http://127.0.0.1:9400。软件工程场景展示任务图、调度、上下文与故障恢复；默认故障注入可通过 --no-fault 关闭，另支持 devops、research 等场景。

4.5 查看已归档的真实接口演示

无需重新调用模型即可打开归档的 dashboard.html，或从同一事件流生成新的静态面板：

.venv/bin/agentctl dashboard \
  --log demo/03-真实模型场景/结果/finals_deepseek_20260907/events.jsonl \
  --output demo/output/archived_dashboard.html

此归档来自 2026-09-07 的真实接口功能演示，不能替代决赛三场景性能汇总。更详细的输入、usage 与结果范围见 demo/03-真实模型场景/README.md。

4.6 真实模型与工作台

设置自己的模型凭据后运行：

export DEEPSEEK_API_KEY='填写自己的接口凭据'
.venv/bin/agentctl finals-demo --backend deepseek \
  --output demo/output/finals_deepseek_new

工作台与自然语言仓库任务使用任务目录中的 .agentos.toml 配置：

cp demo/examples/agentctl/deepseek-high.toml /path/to/task/.agentos.toml
.venv/bin/agentctl app --cwd /path/to/task
.venv/bin/agentctl exec --cwd /path/to/task "检查这个仓库并生成审阅报告"

样例配置启用了 bubblewrap 沙箱，需安装 bubblewrap 并允许用户命名空间。真实模型、vLLM 仓库审阅和执行配置详见 demo/03-真实模型场景/。

5. 平台适配与内核验证

平台或运行层次	实现方式	可验证的内容
通用 Linux 用户态	Python 包、CLI、Dashboard、工作台	任务执行、上下文、通信、恢复与可观测性
openEuler 24.03 LTS	src/Dockerfile.openeuler	容器构建、安装、回归测试与独立资源控制检查
openKylin	src/Dockerfile.openkylin；决赛归档环境为 2.0 SP2	容器构建、Python 环境与回归测试
指定 openEuler 内核环境	6.12.95-agentos-scx 与原生组件	Worker 接管、三类 DSQ、策略绑定、回退与可靠性

5.1 容器构建与测试

docker build -f src/Dockerfile.openeuler -t agentos-openeuler .
docker run --rm agentos-openeuler

docker build -f src/Dockerfile.openkylin -t agentos-openkylin .
docker run --rm agentos-openkylin

两个镜像的默认命令均为全量回归测试。openEuler 的构建、Python 检查、回归与独立 cgroup 验证可通过以下入口执行：

bash src/scripts/openeuler-verify.sh

当前 openKylin 构建文件使用 openkylin/openkylin:latest；归档结果对应当时镜像，复现时需记录实际镜像版本。容器与宿主共享内核，容器构建成功不等同于相应发行版原生内核上的 sched_ext 调度验证。

5.2 sched_ext 原生组件

原生组件构建依赖 gcc、clang、make、libelf、zlib，以及指定提交且已构建 vmlinux 的 Linux 源码树：

make -C src/native/sched_ext \
  KERNEL_SRC=/opt/kernel-src/linux-6.12.y all

• 内核分支：linux-6.12.y。
• 固定源码提交：296aabce459470a4c1b68ffd0c0c0920e563aaad。
• 归档验证版本：6.12.95-agentos-scx。
• 调度范围：partial mode，仅管理显式绑定为 SCHED_EXT 的 Agent Worker。

加载、运行、清理和分阶段验收需要对应实验环境与权限，完整步骤见 src/native/sched_ext/README.md 和 demo/04-内核通路/。

5.3 分阶段验证与冻结归档

验证链覆盖 Runtime 策略出口、cgroup 配额、PSI 反馈、BPF map、真实 Worker 接管、策略对照、异常回退和长时运行。阶段 6 归档保留阶段 4 的五模式、每模式 20 轮正式性能样本；后续三轮回归样本单独记录。

冻结报告记录 380/380 项可靠性试验通过、约 3603 秒长时运行、任务丢失数为 0。完整报告、原始记录、环境和校验和见 tests/测试及验证材料/results/sched_ext_stage6/。这是指定环境下的实验结果，调度器不替换 Linux 全部调度类。

6. 实验与评测体系

6.1 决赛展示结果

下表采用当前决赛 PPT 与演示视频的展示口径；不同实验的指标分别解释，不将通信载荷、输入 Token、调度延迟和任务完成率合并为一个性能结论。

指标	展示结果	实验范围与含义
引用通信载荷	412.7 kB → 5.2 kB，减少 98.7%	独立通信微基准，衡量消息内容字节数，不代表时延或吞吐提升
三场景平均输入 Token	减少 60.2%	决赛 PPT 的软件维护、旅行规划、客服协作汇总口径
旅行规划通过率	96.7% → 96.7%	对应旅行场景及其判定规则
客服动作正确率	70.0% → 73.3%	航空与零售客服的动作选择，不等同于官方完整业务成功率
框架级故障恢复	2/6 → 6/6	决赛材料中的框架级恢复验证，与任务完成数分开统计
故障工作负载任务完成	14/28 → 28/28	四类工作负载共 28 个任务，每组注入一个故障；28 为任务数
故障矩阵事件记录	399 条	同一批故障工作负载的 EventLog 记录
Worker 调度延迟 P95	降低约 67.7%	固定 CPU 混合微基准，完整策略对比 CFS，不是模型端到端时延
Runtime 自身内存	41 MiB	8 个工作流、64 个 Agent 的展示配置，不含模型权重整体内存

输入 Token 的 60.2% 为决赛材料中的三场景汇总，不能用历史 SWE-bench 30 任务单一批次直接替代或重算。复核该指标时需使用相同场景范围和汇总规则；历史记录保留其原始模型标识、日期、usage 与统计口径。

调度侧的冻结正式样本中，latency 任务 P95 的各轮均值由约 5686.908 μs 降至 1839.635 μs，对应约 67.7% 的降幅；同一微基准吞吐约下降 0.8%。完整对照及其他模式见 阶段 6 冻结报告。

6.2 三类协作场景与四框架对比

场景	决赛展示的任务来源	Agent 数量
软件维护	SWE-bench Verified	6
旅行规划	TravelPlanner-lite	7
航空与零售客服	TAU-bench 场景改造	4

框架对比涉及 LangGraph、AutoGen、OpenAI Agents SDK 与 CrewAI，材料覆盖云端 API 与本地 vLLM。模型标识和硬件配置以具体批次材料为准。

四框架对比脚本位于 src/scripts/cloud_bench/，旅行与客服评测入口分别为 src/scripts/travelplanner_lite_harness_real.py 和 src/scripts/tau_bench_harness_real.py。SWE-bench 工作流 Token 指标不等同于官方补丁通过率；TAU 场景动作正确率也不等同于官方 pass^k 成绩。

6.3 仓库内的实验归档

以下目录均相对于 tests/测试及验证材料/：

归档目录	内容
results/swe_bench_verified_30/	2026-07-09 的 30 任务、四框架批次，含任务清单、逐任务结果与运行元数据
results/framework_benchmark_4fw_real/	四框架 10 任务试运行，独立于正式 30 任务批次
results/workload_matrix_deepseek_real/	AI 推理、编译、压缩、网络四类负载的 baseline/runtime 对照及事件流
results/ppt_data/	历史消融、通信与故障传播结果，不自动等同于最新决赛汇总
results/feedback_loop_bundle/	资源反馈回路、时间线与消融结果
results/kernel_probe/	cgroup v2、PSI 和 pinned BPF map 的验证
results/sched_ext_stage6/	内核接管、五模式对照、回退、可靠性与冻结归档
results/platform_openkylin/	openKylin 镜像、构建和测试日志
results/defense/	模拟后端的事件面板与负载矩阵，用于功能和展示验证

真实接口功能演示另见 demo/03-真实模型场景/结果/finals_deepseek_20260907/。实验复现入口、结果引用规则和归档范围见 tests/测试及验证材料/README.md。

7. 项目结构

项目根目录/
├── README.md
├── src/
│   ├── agentos/                         Runtime Python 源代码
│   │   ├── core/                       ACB、任务、状态与资源抽象
│   │   ├── runtime/                    执行引擎、依赖释放与恢复集成
│   │   ├── scheduler/                  动态 DAG、五类策略与压力反馈
│   │   ├── context/                    ContextRef、权限、预算与前缀
│   │   ├── comm/                       消息总线与 Unix Socket IPC
│   │   ├── llm/                        模型网关、后端与批处理
│   │   ├── worker/                     子进程生命周期与执行沙箱
│   │   ├── isolation/                  cgroup、PSI、BPF 与内核适配
│   │   ├── fault/                      故障注入、超时与恢复策略
│   │   ├── events/                     统一 EventLog
│   │   ├── dashboard/                  静态、实时与回放面板
│   │   ├── workbench/                  本地任务工作台
│   │   ├── adapters/ · execution/      框架计划接入与任务执行
│   │   ├── scenarios/ · benchmarks/   应用场景与实验统计
│   │   └── tools/ · metrics/           工具管理与指标聚合
│   ├── native/sched_ext/               BPF 调度器、加载器与基准 Worker
│   ├── scripts/                        实验、验证与演示入口
│   ├── Dockerfile.openeuler
│   ├── Dockerfile.openkylin
│   ├── pyproject.toml
│   └── uv.lock
├── docs/
│   ├── 项目说明书.pdf
│   ├── 项目创新说明.pdf
│   ├── 成员分工及主要贡献说明.pdf
│   ├── 人工智能及第三方工具使用说明.pdf
│   └── images/architecture.png
├── tests/
│   ├── test_*.py                       自动化回归测试
│   └── 测试及验证材料/                  固定输入、原始记录与实验归档
├── demo/
│   ├── 01-离线功能演示/
│   ├── 02-国产系统部署/
│   ├── 03-真实模型场景/
│   ├── 04-内核通路/
│   ├── examples/                       示例与任务配置
│   └── replay/                         历史回放配置
├── presentation/
│   ├── 决赛现场演示PPT.pptx
│   └── 决赛演示视频.mp4
└── 作品原创承诺书.pdf

本地运行产物写入被 Git 忽略的 demo/output/ 或 tests/测试及验证材料/results/generated/，不覆盖固定实验归档。

8. 工程规模与验证状态

以下文件规模按 2026-10-03 的决赛仓库已跟踪文件统计：

维度	当前规模或记录
Runtime Python 源码	src/agentos/ 下 143 个 .py 文件，27,468 行文本
实验、验证与辅助脚本	src/scripts/ 下 107 个 Python/Shell 文件，包含包初始化与辅助模块
回归测试文件	tests/ 根层级 127 个 test_*.py 文件
测试项规模	当前测试说明登记 1674 项，以实际 pytest 收集和执行结果为准
内核侧组件	BPF 调度器、用户态加载器、Worker 与 CPU 微基准组件
历史测试归档	openEuler 与 Debian 的归档记录退出码为 0；openKylin 2026-07-11 批次为 1331 项通过
决赛展示材料	23 页图片定稿 PPT；约 4 分 12 秒、1080p、含字幕与配音的 MP4

源码文本行包含注释和空行，不包含原生 C 组件、测试和实验脚本。文件数、测试项数、历史通过数采用不同统计范围；本表不表示在每个支持环境中都重新执行了当前全部测试。

测试入口见 tests/README.md，历史环境记录见 demo/02-国产系统部署/README.md 与 pytest_results.json。

9. 文档与提交材料导览

文档或材料	内容
项目说明书	系统设计、模块、实验与实现难点
项目创新说明	执行抽象、调度、上下文、恢复与 OS 通路的创新点
成员分工及主要贡献说明	成员职责、贡献与对应证据
人工智能及第三方工具使用说明	AI 辅助与第三方工具使用情况
作品原创承诺书	原创承诺与手抄材料
决赛现场演示 PPT	正式展示材料，采用 PNG 固定版式
决赛演示视频	执行实体、依赖协作、共享效率、故障恢复与结果展示
可验证交付物	四层演示与部署入口
回归测试说明	测试安装、运行与覆盖范围
实验材料索引	归档记录、复现入口与引用规则
sched_ext 原生组件说明	固定内核、构建、加载与验收流程

10. 团队分工

以下分工以决赛 成员分工及主要贡献说明 为准：

• 成员 A（组长）：项目统筹、执行编排集成、故障处理与可观测性；组织 CLI、Dashboard、实验材料、平台验证与决赛展示。
• 成员 B：ContextRef、共享与私有上下文、权限、压缩与预算管理；Model Gateway、多后端、前缀与缓存指标。
• 成员 C：Runtime 内核、Agent 生命周期、TaskDAG、资源感知调度、Worker 执行链，以及 cgroup v2、PSI、BPF/sched_ext 适配与验证。

11. 开源许可

本项目主体以 Apache License 2.0 开源。src/native/sched_ext/ 中改编自 Linux sched_ext 示例的 BPF 调度器与加载器适用 GPL-2.0；原生组件来源、固定上游提交与构建要求见该目录说明，具体文件保留其许可声明。

12. 致谢

• openEuler / openKylin 社区：国产操作系统用户空间、构建与验证环境。
• Linux cgroup、PSI、eBPF 与 sched_ext：资源控制、压力反馈与可扩展调度基础。
• vLLM、DeepSeek 与 OpenAI-compatible 模型服务：本地及云端模型后端。
• LangGraph、AutoGen、CrewAI、OpenAI Agents SDK：框架接入与对比实验。
• pydantic、LiteLLM、httpx、aiohttp 与 pytest：数据模型、模型调用、网络服务和工程测试。