SchedCP는 운영체제 스케줄러의 성능 최적화를 위해 대규모 언어 모델(LLM) 에이전트를 활용하는 최초의 프레임워크입니다. 기존 스케줄러의 애플리케이션 특화 요구사항에 대한 이해 부족이라는 근본적인 문제를 해결하기 위해, AI의 의미적 추론(최적화 대상)과 시스템의 실행(관찰 및 행동 방법)을 분리하는 분리된 제어 평면 아키텍처를 제시합니다. Model Context Protocol(MCP) 서버로 구현된 SchedCP는 워크로드 분석 엔진, 진화하는 스케줄러 정책 저장소, 그리고 AI가 생성한 코드 및 구성을 정적/동적 분석을 통해 검증하는 실행 검증기의 세 가지 주요 서비스를 제공합니다. sched-agent라는 다중 에이전트 시스템을 통해 워크로드를 자율적으로 분석하고, 맞춤형 eBPF 스케줄링 정책을 합성하여 sched_ext 인프라를 통해 배포합니다. 평가 결과, SchedCP는 기존 방식에 비해 최대 1.79배의 성능 향상과 13배의 비용 절감을 달성하면서 높은 성공률을 유지했습니다. 이를 통해 전문가 수준의 시스템 최적화를 가능하게 하고, 자체 최적화되는 애플리케이션 인식 운영 체제를 향한 발걸음을 내딛었습니다.
