AI Agent工作流正在成为云计算的骨干，但它们也是耗能和成本的”黑洞”。好消息是，MIT和微软的研究人员最近开发了一个叫Murakkab的新系统，可以把AI Agent工作流的计算需求降低65%，能耗降低73%，成本降低75%——而且不影响性能。
这个成果发表在了USENIX操作系统设计与实现研讨会上。论文第一作者Gohar Chaudhry（MIT研究生）说：”Agent工作流正变得非常复杂，迅速成为云服务商业务的核心。能耗是一个巨大的担忧。”
Agent工作流为什么这么费资源？
Agent工作流是由多个AI模型、工具（数据库、Python程序）组成的系统，动态完成多步骤任务。问题在于：这些工作流非常碎片化，配置空间巨大，开发者很难手动优化。
“即使你想手动完成所有配置，你也不太可能最优地配置工作流，因为可能的配置空间太大了。”—— Gohar Chaudhry, MIT研究生
Murakkab怎么做：自动配置+动态调整
Murakkab（乌尔都语，意思是”事物的组合”）的核心是让系统自动处理配置和优化。开发者只需要用大白话描述想让工作流做什么，Murakkab会自动识别最好的模型和工具，判断哪些可以并行，动态优化配置。
最关键的是，这个系统是动态的。如果明天出了一个新的AI模型或GPU加速器，开发者不需要做任何改动——Murakkab会自动适配。
性能数据：省电73%，省钱75%
研究人员在视频问答和代码生成等场景测试Murakkab，结果非常亮眼：只需要其他方法所需计算量的约35%，只消耗约27%的能源，成本不到25%。
Chaudhry说，这种级别的优化，开发者手动几乎不可能做到。系统在准确度只下降约2%的情况下，把工作流的能耗降低了一个数量级以上。
下一步：扩展到更复杂的场景
研究团队计划把Murakkab扩展到更复杂的工作流和更大的计算集群。Chaudhry说：”有很大潜力让这些工作流变得更加资源优化，但我们需要在大型云平台的规模上思考这个问题。”
这项研究由半导体研究公司和DARPA部分资助。随着AI Agent工作流变得越来越复杂，像Murakkab这样的优化系统会变得至关重要——在AI能耗越来越受关注的当下，这是一个值得关注的突破。