SchedCP es el primer marco que aprovecha los agentes de Modelos de Lenguaje Grandes (LLM) para optimizar el rendimiento de los programadores de sistemas operativos. Para abordar el problema fundamental de la falta de comprensión de los programadores existentes respecto a los requisitos específicos de la aplicación, proponemos una arquitectura de plano de control desacoplada que separa el razonamiento semántico de la IA (qué optimizar) de la ejecución del sistema (cómo observar y actuar). Implementado como un servidor de Protocolo de Contexto de Modelo (MCP), SchedCP proporciona tres servicios principales: un motor de análisis de cargas de trabajo, un repositorio de políticas de programador en evolución y un verificador de ejecución que verifica el código y las configuraciones generadas por la IA mediante análisis estático y dinámico. Un sistema multiagente llamado sched-agent analiza de forma autónoma las cargas de trabajo, sintetiza políticas de programación eBPF personalizadas y las implementa a través de la infraestructura sched_ext. Los resultados de la evaluación muestran que SchedCP logra hasta 1,79 veces más mejoras de rendimiento y 13 veces menos costes que los enfoques existentes, manteniendo una alta tasa de éxito. Esto permite una optimización del sistema a nivel experto y representa un paso hacia un sistema operativo con capacidad de autooptimización y conocimiento de las aplicaciones.
