Система Murakkab от MIT и Microsoft оптимизирует запуск агентных AI‑процессов
Исследователи из MIT и Microsoft представили систему Murakkab. Она помогает проектировать и разворачивать так называемые agentic workflows, программные системы, где несколько AI‑агентов используют разные модели и внешние инструменты для выполнения многошаговых задач. Например, для анализа видео с последующими ответами на вопросы о его содержании. Подобные процессы лежат в основе многих облачных AI‑приложений, однако их фрагментированная архитектура часто приводит к лишним вычислениям, повышенному энергопотреблению и росту затрат.
Murakkab позволяет разработчику описать желаемую функцию приложения обычным языком, без предварительной настройки всех технических параметров. Дальше система сама подбирает подходящие модели и инструменты, а также конфигурацию оборудования и распределение вычислительных ресурсов при работе в облаке. Во время выполнения она способна менять эти параметры с учетом приоритетов пользователя, например уменьшать стоимость или ускорять выполнение.
В тестах на нескольких agentic‑нагрузках системе удалось сократить число вычислительных единиц, необходимых для развертывания. Это заметно снизило энергопотребление и расходы по сравнению с традиционными подходами, при этом производительность не пострадала. Как сообщает MIT News, автор работы, аспирант EECS Gohar Chaudhry. Среди соавторов Adam Belay из MIT Computer Science and Artificial Intelligence Laboratory, Ricardo Bianchini, technical fellow и corporate vice president в Microsoft Azure, а также другие исследователи Microsoft Azure.
Авторы отмечают, что настройка agentic workflows обычно требует вручную указывать используемых агентов, модели и инструменты, порядок их работы, а также параметры оборудования и баланс между скоростью и стоимостью. Задачу усложняет то, что такие процессы объединяют множество «черных ящиков» с собственными вариантами конфигурации, часто от разных компаний. Murakkab, название которого происходит из урду и означает «состав из нескольких элементов», создана именно для упрощения и оптимизации этого процесса. Исследование представят на USENIX Symposium on Operating Systems Design and Implementation.
Ключевые факты
Исследователи из MIT и Microsoft разработали систему Murakkab для оптимизации проектирования и развертывания agentic workflows, многокомпонентных ИИ‑процессов, объединяющих модели и внешние инструменты.
Murakkab позволяет разработчику описать задачу workflow на естественном языке, после чего система сама выбирает подходящие модели и инструменты, а также конфигурацию оборудования и распределение вычислительных ресурсов в облаке.
Система динамически меняет конфигурацию выполнения в зависимости от приоритетов пользователя, например минимизации стоимости или максимизации скорости.
В тестах на нескольких agentic workloads Murakkab уменьшил число вычислительных единиц, необходимых для развертывания, снизив энергопотребление и стоимость без ухудшения производительности.