Alibaba a publié une couche d'exploitation pour les agents — et elle rapporte honnêtement chaque token dépensé

Dans ma pratique, le même scénario se répète régulièrement : un agent sur Claude Code exécute outil après outil, et d'énormes documents JSON atterrissent dans le contexte. La moitié des champs sont vides tags, metadata: null, des déchets de débogage. Le modèle lit tout, et nous payons pour tout ça. Douleur familière ?

L'équipe Alibaba a décidé de s'attaquer au problème de manière systématique et a open-source ANOLISA — une superposition côté serveur pour les workloads d'agents IA. Le nom signifie Agentic Nexus Operating Layer & Interface System Architecture, mais l'essentiel est plus simple : c'est un ensemble d'outils qui ne remplace pas votre shell, framework ou sandbox, mais se place entre l'agent et le système. Écrit en Rust, distribué sous Apache 2.0, fonctionne sur Linux et macOS.

Ce qu'il y a vraiment dans la boîte

Le projet se compose d'une douzaine de composants, mais ils se regroupent en trois domaines.

Premièrement — le point d'entrée de l'agent. Ici, le rôle principal appartient à cosh-ng : un terminal qui préserve le comportement familier de Bash/Zsh mais ajoute un agent qui comprend les commandes en langage naturel. Les opérations dangereuses sont confirmées avant exécution. Pas besoin d'ouvrir un chat séparé avec un bot — tout se passe dans la même fenêtre de terminal. Il y a aussi ktuner pour l'ajustement du noyau et un ensemble d'OS Skills avec expertise DevOps.

Deuxièmement et, à mon avis, le plus intéressant — les économies de contexte. Trois outils : Token-less compresse les réponses d'outils et leurs schémas avant qu'ils n'atteignent le modèle, Agent Memory réutilise le contexte utile entre les sessions, et AgentSight montre où les tokens vont réellement.

Troisièmement — runtime et sécurité : Agent Sec Core isole les opérations risquées, ws-ckpt stocke les points de retour pour les modifications de l'espace de travail, Blaze gère les cycles de vie des sandbox, et SkillFS maintient la concentration sur le Skill actuel.

Token-less : compression sans toucher au code de l'agent

Commençons par la fonctionnalité la plus tangible. Token-less se place entre l'agent et le modèle et nettoie l'excédent des schémas et réponses d'outils : les champs comme debug et trace vont dans une liste noire, metadata avec une valeur nulle est supprimé, les tableaux vides s'effondrent. La compression est réversible — les éléments de tableau supprimés restent accessibles via le marqueur <<tokenless:KEY>>, ce qui signifie que l'agent peut les récupérer si nécessaire.

Architecturalement, c'est élégant : la compression se produit entre l'agent et le modèle, donc vous n'avez pas besoin de modifier le framework de l'agent. Branchez l'adaptateur — et c'est parti. Les chiffres du README :

| Ce qui est optimisé | Économies de tokens | Latence | |--------------------|------------------|----------| | Réponses d'outils | 65,8% | 46,85 μs | | Schémas d'outils | 47,3% | 11,44 μs | | Pipeline complet | 62,9% | 198,91 μs |

Les latences de l'ordre de quelques dizaines de microsecondes, vous ne les remarquerez tout simplement pas. Dans une exécution de tâche observée avec Claude Code, le système a économisé 317K tokens, soit 40,5% — bien que les auteurs eux-mêmes notent honnêtement que le résultat dépend de la charge de travail.

L'installation prend quelques minutes :

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

Après avoir redémarré Claude Code, vous pouvez exécuter une tâche lourde en outils et vérifier les statistiques :

tokenless stats summary
tokenless stats list --limit 5

Une nuance worth knowing upfront : les économies s'appliquent aux réponses d'outils qui finissent dans le contexte, pas à la facture de la session entière. Sur les tâches où l'agent appelle à peine des outils, il n'y aura pas de gains.

AgentSight : un agent sous le microscope

La deuxième trouvaille — AgentSight. Sur Linux, il observe l'agent via eBPF, sans toucher à son code du tout. Vous voyez le chemin de l'entrée utilisateur à travers le modèle et les appels d'outils, y compris l'utilisation des tokens et les branches de sous-agents, dans une vue unique. Voici une observation d'agent depuis le niveau noyau :

Pour le débogage des pipelines d'agents, cela ressemble à une alternative pratique aux loggers personnalisés : eBPF capture tout de manière systématique, plutôt que seulement là où vous avez pensé à mettre une trace.

Sécurité : la frontière et le chemin du retour

Deux éléments du bloc runtime se distinguent séparément.

Agent Sec Core peut détecter la substitution de Skill signée. Si un Skill signé a changé, l'agent le marquera comme drifted et ne l'utilisera pas jusqu'à ce qu'il soit re-scanné ; les découvertes bloquantes après un re-scan sont enregistrées avec le statut deny. Pour ceux qui connectent des ensembles de Skills tiers aux agents, c'est une protection contre les attaques par injection classiques.

ws-ckpt stocke les points de récupération pour les modifications de l'espace de travail. L'agent a fouillé dans les fichiers et tout cassé ? Vous revenez en arrière. Comme git pour les expériences d'agents sur le système de fichiers.

À qui c'est destiné

Si on y réfléchit simplement :

• Les équipes dont les agents exécutent de lourdes chaînes d'outils et dévorent les budgets de tokens — commencez par Token-less, ça s'installe en trois minutes et ne nécessite aucune réécriture.
• Ceux qui travaillent dans le terminal et veulent un agent juste là, pas dans une fenêtre de chat séparée — cosh-ng.
• Les ingénieurs qui ont besoin de comprendre exactement ce que l'agent fait au système — AgentSight plus ws-ckpt vous donne à la fois l'observabilité et un filet de sécurité.

Alors est-ce que ça vaut le coup d'essayer

Le projet est jeune : à la date de rédaction, le dépôt a environ 610 étoiles, pas mal d'issues ouvertes (161), et la communauté vit principalement sur DingTalk, ce qui n'est pas le canal le plus pratique pour les développeurs anglophones. La documentation sur le site agentic-os.sh est assez complète, avec un Quick Start couvrant des scénarios spécifiques de première exécution.

Je commencerais par Token-less : risque minimal, économies tangibles, installation simple, et retour en arrière facile si ça ne fonctionne pas. Cosh-ng nécessite une installation à l'échelle du système — c'est un engagement plus sérieux, mais pour ceux qui vivent dans le terminal, l'idée d'un shell fusionné avec un agent a du sens.

Licence Apache 2.0, code en Rust, Alibaba derrière. Installez-le, exécutez tokenless stats sur vos propres tâches, et regardez les chiffres — ils vous diront mieux que n'importe quel article.