ASGE-RR：代理服务图嵌入与动态 AI 代理调用的可修改预留

AI 代理工作流程通常涉及对分布在网络上的模型、内存存储和工具的远程调用。随着执行的进行，这些依赖项调用共同形成一个代理服务图（ASG）。与传统的服务请求不同，许多依赖项调用仅在运行时才会显示。因此，将资源分配给当前可见的调用可能会消耗来自更高价值工作流的调用稍后所需的容量。我们将这一挑战表述为代理服务图嵌入（ASGE），这是一个在线网络控制问题，它将运行时显示的工作流调用映射到容量、成本和截止日期约束下的服务副本和网络路径。我们推出 ASGE-RR，这是一种具有可修改预留功能的在线 ASGE 控制器。 ASGE-RR 在实施限制的同时保护未来可能的呼叫的容量。 ASGE-RR 根据预测的工作流程延续评估候选副本和路径映射，并在新的执行信息可用时更新预留。我们使用 OpenHands 和 GPT Researcher 工作流程（通过 gpt-5.6-luna 执行）评估 ASGE-RR，并在两个互补的实验环境（受控 Docker 测试台和 WAN 测试台）中重放。调查显示，所有评估的 AI 代理任务都至少公开了一个运行时显示的依赖项调用，可以在连接建立之前进行引导。利用这个控制点，即使实验环境规模较小，ASGE-RR 也已经展现出显着的潜力：与 WAN 测试台上的相同信息滚动水平控制器和当前呼叫转向控制器相比，它完成的工作流程价值高出（最多）10%。结果表明，运行时显示的工作流结构创造了一个新的网络控制机会：保护资源以应对未来可能的调用，使更多的人工智能代理工作流能够及时完成。