Alibaba Cloud Linux:Présentation du produit Alibaba Cloud Linux 4 Agentic Edition (Agentic OS)

Cosh

cosh est le shell interactif par défaut d'Alibaba Cloud Linux 4 Agentic Edition (Agentic OS), remplaçant bash comme point d'entrée principal après la connexion au système.

Le concept de conception central de cosh est « Shell natif + amélioration par agent ». Il héberge directement une session bash ou zsh réelle. Les commandes shell sont exécutées selon la sémantique native, sans préfixe et sans avoir besoin de revenir à un environnement bash indépendant. Lors du dépannage ou du traitement de tâches plus importantes, l'utilisateur décrit directement son intention en chinois ou en anglais, et l'agent, doté du contexte terminal le plus récent, prend le relais de l'exécution ; la commande slash en début de ligne sert à contrôler la session elle-même. Les trois types d'entrée sont automatiquement aiguillés au même prompt, sans qu'il soit nécessaire de changer d'environnement tout au long du processus.

Tout en conservant une compatibilité complète avec bash/zsh, cosh ajoute des fonctionnalités telles que la compréhension du langage naturel, l'appel de compétences (Skills), l'intégration d'outils MCP et le contrôle d'approbation à plusieurs niveaux. Il consolide davantage les opérations d'exploitation et de maintenance du système dans une interface de commande structurée multi-distributions, cosh-cli, et expose l'exécution de l'agent via une interface d'intégration sans interface utilisateur, cosh-core. cosh abstrait les capacités complexes au niveau du système en interaction en langage naturel et intègre les instructions OS Skills, ce qui abaisse le seuil d'utilisation du système d'exploitation et permet aux utilisateurs humains ainsi qu'aux agents de piloter le système d'exploitation pour accomplir des tâches de manière simple.

cosh fournit principalement les fonctionnalités suivantes :

OS Skills

OS Skills est un manuel d'utilisation du système d'exploitation rédigé par Agentic OS à destination des agents IA.

La documentation traditionnelle des systèmes d'exploitation est destinée aux utilisateurs humains et s'appuie sur des descriptions en langage naturel, des exemples de captures d'écran et un consensus industriel sous-jacent. Lorsque l'agent lit ce type de document, il doit consommer une grande quantité de tokens pour le comprendre. Les instructions OS Skills réorganisent les connaissances du système d'exploitation dans un format structuré que l'agent peut directement comprendre et exécuter : SKILL. L'agent n'a plus besoin de « lire le document puis opérer », mais peut « agir dès la lecture ».

Le manuel OS Skills couvre deux domaines principaux :

Après avoir reçu l'intention de l'utilisateur, l'agent fait correspondre automatiquement la compétence appropriée et l'exécute, sans spécifier manuellement le chemin d'appel.

AgentSecCore

AgentSecCore est un noyau de sécurité au niveau du système d'exploitation pour la plateforme d'exécution des agents IA. Dans un contexte où les agents IA acquièrent progressivement des capacités d'exécution au niveau du système d'exploitation (y compris la lecture et l'écriture de fichiers, l'accès au réseau, la gestion des processus, etc.), les frontières traditionnelles de la sécurité des applications ne sont plus applicables. AgentSecCore construit un système de défense approfondi pour les agents depuis le niveau du système d'exploitation, garantissant que les agents peuvent s'exécuter en toute sécurité dans un environnement contrôlé, auditable et avec des privilèges minimaux.

AgentSecCore a établi un système de défense à trois couches en profondeur autour des deux piliers que sont la « sécurité des intentions » et la « sécurité au niveau du système » : même si la couche précédente est compromise, les couches suivantes peuvent encore contenir la menace. L'architecture, de bas en haut, est la suivante :

AgentSight

AgentSight est un composant d'observabilité au niveau du système d'exploitation pour la plateforme d'exécution des agents IA. Il résout le problème de la consommation de tokens lors de l'exécution des agents, qui dépasse souvent les attentes, et du manque de visibilité et de traçabilité pour les utilisateurs. Il permet la collecte de données granulaires et l'analyse corrélative de l'ensemble de la chaîne d'opération de l'agent, sans intruder dans la logique métier.

AgentSight fournit principalement les trois fonctionnalités suivantes :

• Analyse de la consommation de tokens : Mesure et attribution complètes de la consommation de tokens pendant l'exécution de l'agent. Prend en charge les requêtes flexibles par période ou sur les N dernières heures, permet de ventiler les sources de consommation selon plusieurs dimensions telles que les agents, les tâches, les rôles, etc., et la granularité de l'analyse peut atteindre un seul appel LLM.

• Audit comportemental : Enregistrement complet des appels LLM de l'agent et des comportements d'exécution des processus. Conserve intégralement les métadonnées telles que le fournisseur et la version du modèle de chaque appel, capture simultanément les paramètres de ligne de commande des processus, et prend en charge le filtrage et les statistiques visuelles récapitulatives par temps, session et autres dimensions.

• Visualisation via tableau de bord : Fournit une interface visuelle web accessible directement via un navigateur local après un déploiement distant. Permet de visualiser en temps réel les tendances de consommation de tokens, de surveiller l'état des processus de l'agent et de fournir des capacités de redémarrage en cas d'anomalie. Prend également en charge l'affichage approfondi couche par couche de la trace complète de chaque session, y compris les entrées utilisateur, les prompts du modèle, le processus d'inférence et la distribution de la consommation de tokens à chaque étape.

ws-ckpt

ws-ckpt est l'outil de snapshot et de rollback au niveau des fichiers d'Agentic OS (AI Agent Workspace Checkpoint) dédié à l'espace de travail des agents IA.

L'agent IA effectue de nombreuses modifications sur les fichiers de l'espace de travail lors de l'exécution des tâches. Une fois qu'une opération est effectuée incorrectement ou que les résultats ne sont pas ceux attendus, les utilisateurs rencontrent souvent des difficultés pour récupérer l'état précédent. Le mécanisme de snapshot ws-ckpt offre des capacités de gestion de snapshots légères pour l'espace de travail. Les utilisateurs peuvent créer manuellement des snapshots avant les opérations clés ou activer des snapshots automatiques à la fin de chaque tour de questions-réponses. Lorsqu'un rollback est nécessaire, il suffit de restaurer n'importe quel état historique en un clic, rendant les opérations de l'agent réversibles et traçables.

Le concept de conception central de ws-ckpt est d'« assurer le travail de l'agent ». Les utilisateurs peuvent créer manuellement des snapshots via le langage naturel ou la CLI avant d'effectuer des opérations dangereuses, ou activer des snapshots automatiques à la fin de chaque tour de questions-réponses lors de tâches impliquant de fréquentes modifications de fichiers. Le système termine automatiquement l'initialisation lors de la création du premier snapshot, sans configuration supplémentaire.

ws-ckpt fournit principalement les fonctionnalités suivantes :

Tokenless

Tokenless est le composant d'optimisation des tokens d'Agentic OS, qui réduit la consommation de tokens lors de l'interaction entre l'agent et le LLM selon deux axes : la compression du contexte et le filtrage des commandes.

À mesure que les tâches confiées aux agents deviennent de plus en plus complexes, l'expansion des définitions d'outils, la redondance des réponses structurées et le bruit des sorties de commandes remplissent rapidement la fenêtre de contexte, ce qui augmente non seulement le coût du raisonnement, mais réduit également l'espace disponible pour communiquer des informations efficaces. Tokenless

Construit un pipeline d'optimisation intelligent entre l'agent et le LLM : en amont, les informations de définition définies par l'outil sont automatiquement rationalisées et les champs à faible valeur dans la réponse sont identifiés et filtrés ; au milieu, les données structurées sont encodées de manière compacte pour compresser davantage le volume ; en aval, le contenu interférent dans la sortie d'exécution des commandes est intelligemment filtré. Ces trois éléments travaillent conjointement pour réduire considérablement la surcharge de tokens sans modifier la sémantique du comportement de l'agent.

Tokenless est conçu pour permettre aux agents d'utiliser moins de tokens pour accomplir la même tâche. L'ensemble du processus d'optimisation intervient automatiquement via des plugins et des mécanismes Hook, et reste complètement transparent pour le framework agent en amont, sans modifier le code métier. Tous les effets de compression sont enregistrés quantitativement, fournissant un support de données pour évaluer les avantages de l'optimisation.

Tokenless prend en charge sept frameworks d'agents : cosh, OpenClaw, Hermes Agent, Claude Code, Codex, Qoder CLI et Qwen Code. Parmi eux, cosh est intégré par défaut et devient actif automatiquement après l'installation rpm, sans configuration supplémentaire. Les autres frameworks effectuent l'enregistrement du plugin en un clic via scripts/install.sh dans chaque répertoire d'adaptateur.

Tokenless fournit principalement les fonctionnalités suivantes :

AgentMemory

Agent-Memory est le serveur MCP de mémoire sous forme de fichier d'Agentic OS, qui fournit aux agents IA un espace de mémoire persistant, interrogeable et protégé par un bac à sable (sandbox).

Les agents font face au problème de la fragmentation de la mémoire lors de l'exécution de tâches inter-sessions : chaque nouvelle conversation repart de zéro, et les résultats d'analyse précédents, les registres de décision et les préférences utilisateur ne peuvent pas être réutilisés. Agent-Memory utilise le système de fichiers comme modèle de mémoire et construit un pipeline d'accès standardisé entre l'agent et l'entrepôt de mémoire : côté stockage, l'agent lit et écrit le contenu de la mémoire comme s'il manipulait des fichiers, prenant en charge l'isolation des namespaces et le sandboxing des chemins ; côté récupération, il utilise une récupération mixte BM25 et vecteurs denses pour rappeler les fragments de mémoire pertinents selon la sémantique ; côté gouvernance, il fournit le contrôle de version git et la sauvegarde par snapshot pour garantir que la mémoire est traçable et pouvant faire l'objet d'un rollback. Ces trois éléments travaillent conjointement pour permettre à la mémoire de l'agent de franchir les limites des sessions et d'assurer la continuité du contexte.

Agent-Memory est conçu pour permettre aux agents d'utiliser moins de tokens pour accomplir des tâches inter-sessions. L'ensemble du service expose 37 outils standard via le protocole MCP, prend en charge tout client MCP stdio tel que Claude Code, Cursor et Continue, et reste complètement transparent pour le framework agent en amont, sans modifier le code métier. Le bac à sable (sandbox) de sécurité au niveau du noyau (openat2) protège l'entrepôt de mémoire contre la traversée de chemin ou l'échappement par lien symbolique, et la détection d'injection de prompts ainsi que l'emballage d'échappement garantissent que le contenu de la mémoire injecté dans le LLM est sûr et contrôlable.

Agent-Memory fournit principalement les fonctionnalités suivantes :