SchedCP là khuôn khổ đầu tiên tận dụng các tác nhân Mô hình Ngôn ngữ Lớn (LLM) để tối ưu hóa hiệu suất của các bộ lập lịch hệ điều hành. Để giải quyết vấn đề cơ bản là các bộ lập lịch hiện tại thiếu hiểu biết về các yêu cầu cụ thể của ứng dụng, chúng tôi đề xuất một kiến trúc mặt phẳng điều khiển tách biệt, tách biệt lý luận ngữ nghĩa của AI (cần tối ưu hóa cái gì) khỏi thực thi hệ thống (cách quan sát và hành động). Được triển khai dưới dạng máy chủ Giao thức Bối cảnh Mô hình (MCP), SchedCP cung cấp ba dịch vụ chính: công cụ phân tích khối lượng công việc, kho lưu trữ chính sách bộ lập lịch đang phát triển và trình xác minh thực thi, xác minh mã và cấu hình do AI tạo ra thông qua phân tích tĩnh và động. Một hệ thống đa tác nhân có tên sched-agent tự động phân tích khối lượng công việc, tổng hợp các chính sách lập lịch eBPF tùy chỉnh và triển khai chúng thông qua cơ sở hạ tầng sched_ext. Kết quả đánh giá cho thấy SchedCP đạt được mức tăng hiệu suất lên tới 1,79 lần và giảm chi phí 13 lần so với các phương pháp hiện có, đồng thời vẫn duy trì tỷ lệ thành công cao. Điều này cho phép tối ưu hóa hệ thống ở cấp độ chuyên gia và thể hiện một bước tiến tới một hệ điều hành tự tối ưu hóa, nhận biết ứng dụng.
