Murakkab: MIT i Microsoft pokazują, jak opisać agenta słowami i zaoszczędzić 75% kosztów
25 czerwca badacze MIT i Microsoft Azure opublikowali Murakkab — system orkiestracji agentów AI, w którym wystarczy opisać zadanie słowami. System sam dobiera modele, narzędzia i kolejność kroków, redukując koszty do 25% i zużycie energii do 27% relative do tradycyjnych metod.
Badacze z MIT CSAIL i Microsoft Azure Research opublikowali 25 czerwca 2026 roku system Murakkab (po arabsku: złożony, skonstruowany) — platformę do orkiestracji agentowych workflow, która wprowadza deklaratywną warstwę abstrakcji. Zamiast ręcznie dobierać modele, przydzielać zasoby i projektować sekwencję kroków, deweloper opisuje zadanie w naturalnym języku na wysokim poziomie. Murakkab tłumaczy to na gotowy plan wykonania.
Jak działa automatyczny dobór
System parsuje opis zadania na podtaski, dopasowuje do nich najlepsze dostępne modele i narzędzia z własnej biblioteki, a następnie identyfikuje, które kroki można zrównoleglić. W trakcie wykonywania Murakkab dynamicznie dostosowuje konfigurację do priorytetu użytkownika — czy zależy mu na minimalnym koszcie, najniższym zużyciu energii, czy maksymalnej szybkości.
Wyniki benchmarków
Na testach obejmujących analizę wideo i generowanie kodu, Murakkab potrzebował 35% zasobów obliczeniowych w porównaniu z tradycyjnymi metodami, zużył 27% energii i kosztował 25% ceny zwykłego podejścia ręcznego. Co więcej, zredukowanie zużycia energii o ponad 10-krotność wymagało jedynie 2% utraty dokładności — co wskazuje, że aktualnie standardowe pipeline'y agentowe są mocno przewymiarowane.
Kontekst i dostępność
Praca zostanie zaprezentowana na konferencji USENIX OSDI 2026. W miarę jak systemy wieloagentowe stają się standardem, koszt i ślad energetyczny ich obsługi rośnie — Murakkab proponuje warstwę pośrednią, która decyduje co, kiedy i czym uruchomić, zamiast obarczać tym programistę.