AOHP: 개인화되고 효율적이며 안전한 상호 작용을 위한 오픈 소스 OS 레벨 에이전트 하니스

AOHP: An Open-Source OS-Level Agent Harness for Personalized, Efficient and Secure Interaction

AI 에이전트는 도구를 자율적으로 호출하고, 정보를 추출하며, 메모리를 관리하고, 애플리케이션과 데이터 소스를 포괄하는 작업을 완료할 수 있는 새로운 소프트웨어 패러다임을 주도하고 있습니다. 그러나 대부분의 기존 운영체제는 애플리케이션 중심 워크플로우를 위해 설계되었으며, AI 에이전트에 대한 기본적인 지원을 거의 제공하지 않습니다. 이러한 불일치는 에이전트의 광범위한 도입을 제한하며, 기존 시스템에서 에이전트를 실행할 때 오버헤드와 보안 위험을 초래합니다. 에이전트 전용 운영체제라는 개념은 새롭게 등장하고 있지만, 연구 커뮤니티는 에이전트 기반 상호 작용에 필요한 아키텍처의 기본 원리를 탐구할 수 있는 개방형 테스트베드가 부족합니다. 본 논문에서는 Android Open Source Project (AOSP)를 기반으로 구축된 OS 레벨 에이전트 하니스인 AOHP (Android Open Harness Project)를 소개합니다. AOHP의 핵심 설계 원칙은 에이전트를 일등 시민(first-class citizen)으로서 취급하여, 적응 가능한 사용자 인터페이스와 에이전트 친화적인 런타임 환경을 가능하게 하는 것입니다. AOHP는 성숙한 Android 소프트웨어 및 하드웨어 생태계를 유지하면서 개인화된 서비스 조합, 효율적인 에이전트 인터페이스, 안전한 정보 흐름이라는 세 가지 에이전트 중심 시스템 메커니즘을 도입합니다. OS 에이전트의 주요 기능을 포괄하는 어려운 작업에 대한 예비 실험 결과, AOHP는 작업 완료율 (+21.12%), 실행 비용 (-51.55% 토큰 비용), 보안 정책 준수 측면에서 뚜렷한 장점을 보였습니다.

AI agents are driving a new software paradigm, with the ability to autonomously call tools, extract information, manage memory, and complete tasks that span applications and data sources. Most existing end-user operating systems, however, are designed for application-centric workflows and offer little native support for AI agents. This mismatch limits the wider adoption of agents and leads to execution overhead and safety risks when running agents on conventional systems. While the concept of agent-native operating systems is emerging, the research community lacks an open testbed to explore the architectural primitives desired for agent-mediated interaction. We present AOHP (Android Open Harness Project), an OS-level agent harness built on the Android Open Source Project (AOSP). The core design principle of AOHP is to treat agents as first-class OS actors, enabling adaptive user interfaces and agent-friendly runtime environments. AOHP preserves the mature Android software and hardware ecosystem while introducing three agent-oriented system mechanisms: personalized service composition, efficient agent interfaces, and secure information flow. Based on preliminary experiments on challenging tasks covering key capabilities of OS agents, AOHP shows clear advantages in task completion (+21.12% completion rate), execution cost (-51.55% token cost), and security-policy compliance.