清華大学のオープンソースAIエージェントOS、AIタスクコストを83%削減

AIエージェント——自律的に多段階のタスクを計画・実行するプログラム——には評判の問題がある。2ステップ前の行動を忘れ、大規模言語モデルへの高価な呼び出しを繰り返し、企業の予算を静かに食いつぶす。清華大学のチームは、解決策はより賢いモデルではなく、エージェントが住むより良い環境にあると考えている。

同大学の自然言語処理研究室（THUNLP）は、AI企業ModelBestおよびオープンソースコミュニティOpenBMBと協力し、AIエージェント専用に構築されたオープンソースオペレーティングシステム「PilotDeck 2.0」をリリースした。チームによると、このシステムは主に冗長なモデル呼び出しを削減し、エージェントが記憶する内容を管理することで、エージェントタスクの実行コストを83%削減する。

メモリが最大の特徴だ。PilotDeckでは、エージェントのメモリを検索・編集できる。ユーザーや開発者は、エージェントが保存した内容を調べ、修正し、削除することが可能だ。これは長時間実行されるワークフローにとって重要である。初期の指示を誤って記憶したエージェントは、タスク全体でその間違いを繰り返す傾向があるからだ。メモリを検査・変更できることで、不透明なプロセスが共有ノートブックに近いものになる。

このシステムはまた、AIモデルが外部ツールやデータソースに接続するためのオープン標準であるMCP（Model Context Protocol）をネイティブにサポートする。ネイティブサポートにより、PilotDeck上で動作するエージェントは、サービスごとにカスタムのグルーコードを書くことなく外部サービスに接続できる。これはエージェントプロジェクトにおける脆弱性の一般的な原因である。

今回のリリースは、中国において単により大きなモデルを目指すのではなく、エージェントのインフラストラクチャへと向かう広範な動きの一部である。THUNLPは国内で最も著名な学術AIグループの一つであり、清華大学と関係のあるスタートアップModelBestは、軽量モデルと、いくつかの人気オープンソースプロジェクトの基盤であるOpenBMBツールキットを構築してきた。モデルとタスクの間にオペレーティングシステム層を置くことは、次の飛躍が純粋な知能ではなくオーケストレーションから来るという賭けである。

世界中の開発者にとって、魅力は実用的だ。現在のエージェントフレームワークは断片化しており、タスクが数十回のモデル呼び出しを必要とするとコストは急速に膨らむ。メモリを監査可能に保ちながら支出を5分の4以上削減すると主張するシステムは、本番環境でエージェントを展開するチームの最も一般的な不満である予測不能性とコストという2つの問題に対処する。

83%という数字は通常の注意をもって扱う価値がある。コスト削減はタスク、使用モデル、エージェントの設定に大きく依存し、独立したベンチマークが真の試練となる。しかし、システムをオープンソース化することで、そのテストは実行しやすくなる。

より大きなシグナルは、競争の方向性だ。モデルの品質が収束するにつれ、戦いはどのモデルが何を、いつ、いくらで行うかを決める層へと移っている。清華大学のオペレーティングシステムがその約束の一部でも果たせば、次世代のAIエージェントは、どれだけ賢いかよりも、どれだけうまく管理されているかで評価されるようになるかもしれない。