Alibaba выпустила операционный слой для агентов — и он честно отчитывается о каждом токене

В моей практике один и тот же сценарий повторяется регулярно: агент на Claude Code гоняет инструмент за инструментом, а в контекст улетают огромные JSON-простыни. Половина полей там — пустые tags, metadata: null, отладочный мусор. Модель всё это читает, платим за это мы. Знакомая боль?

Команда Alibaba решила подойти к проблеме системно и выложила в открытый доступ ANOLISA — серверную надстройку для AI-агентских ворклоадов. Название расшифровывается как Agentic Nexus Operating Layer & Interface System Architecture, но суть проще: это набор инструментов, который не заменяет ваш Shell, фреймворк и песочницу, а встраивается между агентом и системой. Написан на Rust, распространяется под Apache 2.0, работает на Linux и macOS.

Что вообще лежит в коробке

Проект состоит из десятка компонентов, но группируются они в три направления.

Первое — точка входа агента. Тут главная роль у cosh-ng: терминал, который сохраняет привычное поведение Bash/Zsh, но добавляет агента, понимающего команды на естественном языке. Опасные операции он согласует перед выполнением. Не нужно открывать отдельный чат с ботом — всё происходит в том же окне терминала. Есть ещё ktuner для тюнинга ядра и набор OS Skills с DevOps-экспертизой.

Второе и, на мой взгляд, самое интересное — экономия контекста. Три инструмента: Token-less сжимает ответы инструментов и их схемы до того, как они дойдут до модели, Agent Memory переиспользует полезный контекст между сессиями, а AgentSight показывает, куда токены уходят на самом деле.

Третье — рантайм и безопасность: Agent Sec Core изолирует рискованные операции, ws-ckpt хранит точки откоса для изменений в рабочей области, Blaze управляет жизненным циклом песочниц, а SkillFS держит фокус на текущем Skill.

Token-less: сжатие без правок кода агента

Начну с самой осязаемой фичи. Token-less вешается между агентом и моделью и вычищает излишки из схем инструментов и ответов: поля вроде debug и trace уходят по чёрному списку, metadata со значением null отбрасывается, пустые массивы схлопываются. Компрессия обратимая — выброшенные элементы массивов остаются доступны через маркер <<tokenless:KEY>>, то есть агент при необходимости достанет их обратно.

Архитектурно это красиво: сжатие происходит между агентом и моделью, поэтому фреймворк агента менять не нужно. Подключил адаптер — и поехали. Цифры из README:

| Что оптимизируется | Экономия токенов | Задержка | |--------------------|------------------|----------| | Ответы инструментов | 65,8% | 46,85 мкс | | Схемы инструментов | 47,3% | 11,44 мкс | | Весь пайплайн | 62,9% | 198,91 мкс |

Задержки в десятки микросекунд вы просто не заметите. В одном наблюдаемом задачном прогоне с Claude Code система сэкономила 317K токенов, или 40,5% — правда, сами авторы честно оговаривают, что результат зависит от ворклоада.

Подключение занимает минуты:

curl -fsSL https://get.agentic-os.sh | bash
export PATH="$HOME/.local/bin:$PATH"
anolisa install tokenless
anolisa adapter enable tokenless claude-code

После рестарта Claude Code можно запустить инструментоёмкую задачу и посмотреть статистику:

tokenless stats summary
tokenless stats list --limit 5

Один нюанс, который стоит понимать заранее: экономия применяется к ответам инструментов, попадающим в контекст, а не ко всему счёту за сессию. На задачах, где агент почти не вызывает инструменты, выигрыша не будет.

AgentSight: агент как под микроскопом

Вторая находка — AgentSight. На Linux он наблюдает за агентом через eBPF, вообще не трогая его код. Вы видите путь от пользовательского ввода через вызовы модели и инструментов, включая использование токенов и ветки суб-агентов, в одном представлении. Смотрим наблюдение агента с уровня ядра:

Для отладки агентских пайплайнов это выглядит удобной альтернативой самописным логгерам: eBPF ловит всё системно, а не там, где вы не забыли поставить трейс.

Безопасность: граница и путь назад

Две вещи в рантайм-блоке понравились отдельно.

Agent Sec Core умеет замечать подмену подписанных Skill'ов. Если подписанный Skill изменился, агент пометит его как drifted и не станет использовать до пересканирования; блокирующие находки после рескана фиксируются со статусом deny. Для тех, кто подсоединяет к агентам сторонние наборы Skill'ов, это защита от классической инъекции.

ws-ckpt хранит точки восстановления для изменений в рабочей области. Агент покопался в файлах и всё сломал? Откатываетесь. Как git для агентских экспериментов над файловой системой.

Кому это пригодится

Если прикинуть по-простому:

• Команды, чьи агенты гоняют тяжёлые инструментальные цепочки и съедают бюджет токенов — начните с Token-less, он ставится за три минуты и не требует переписать ничего.
• Те, кто пашет в терминале и хочет агента прямо там, а не в отдельном окне чата — cosh-ng.
• Инженеры, которым нужно понимать, что именно агент делает с системой — AgentSight плюс ws-ckpt дадут и наблюдаемость, и страховку.

Так стоит ли пробовать

Проект молодой: на момент написания у репозитория около 610 звёзд, открытых issues прилично много (161), сообщество пока в основном живёт в DingTalk, что для русскоязычного разработчика не самый удобный канал. Документация на сайте agentic-os.sh довольно развёрнутая, есть Quick Start с конкретными сценариями первого запуска.

Я бы начал с Token-less: минимальный риск, осязаемая экономия, простая установка и лёгкий откат, если не зайдёт. Cosh-ng требует системной установки — это уже шаг посерьёзнее, но для тех, кто живёт в терминале, идея совмещённого с агентом шелла выглядит логично.

Лицензия Apache 2.0, код на Rust, организация Alibaba за плечами. Ставим, гоняем tokenless stats на своих задачах и смотрим на цифры — они скажут лучше любого обзора.