AgentOS: 애플리케이션의 고립에서 자연어 기반 데이터 생태계로

AgentOS: From Application Silos to a Natural Language-Driven Data Ecosystem

오픈 소스 기반의 로컬 호스팅 지능형 에이전트의 급속한 발전은 인간-컴퓨터 상호작용의 중요한 전환점이 되고 있습니다. OpenClaw와 같은 시스템은 대규모 언어 모델(LLM) 기반 에이전트가 로컬 컴퓨팅 환경을 자율적으로 운영하고, 워크플로우를 조정하며, 외부 도구를 통합할 수 있음을 보여줍니다. 그러나 현재의 패러다임에서 이러한 에이전트는 그래픽 사용자 인터페이스(GUI) 또는 명령줄 인터페이스(CLI)를 위해 원래 설계된 기존 운영 체제에서 실행되는 기존 애플리케이션으로 남아 있습니다. 이러한 아키텍처의 불일치는 단편적인 상호 작용 모델, 체계적으로 구조화되지 않은 권한 관리 (종종 "섀도 AI"로 묘사됨), 그리고 심각한 컨텍스트 단편화를 초래합니다. 본 논문에서는 새로운 패러다임인 개인 에이전트 운영 체제(AgentOS)를 제안합니다. AgentOS에서는 기존의 GUI 데스크톱이 통합된 자연어 또는 음성 포털을 중심으로 하는 자연 사용자 인터페이스(NUI)로 대체됩니다. 시스템의 핵심은 사용자 의도를 해석하고, 작업을 분해하고, 여러 에이전트를 조정하는 에이전트 커널이 되며, 기존 애플리케이션은 모듈화된 Skills-as-Modules로 진화하여 사용자가 자연어 규칙을 통해 소프트웨어를 구성할 수 있도록 합니다. 우리는 AgentOS를 구현하는 것이 근본적으로 지식 발견 및 데이터 마이닝(KDD) 문제임을 주장합니다. 에이전트 커널은 의도 마이닝 및 지식 발견을 위한 실시간 엔진으로 작동해야 합니다. 이러한 관점에서 운영 체제는 워크플로우 자동화를 위한 순차 패턴 마이닝, 스킬 검색을 위한 추천 시스템, 그리고 동적으로 진화하는 개인 지식 그래프를 포함하는 지속적인 데이터 마이닝 파이프라인이 됩니다. 이러한 과제는 차세대 지능형 컴퓨팅 시스템을 구축하는 데 있어 KDD 커뮤니티의 새로운 연구 과제를 정의합니다.

The rapid emergence of open-source, locally hosted intelligent agents marks a critical inflection point in human-computer interaction. Systems such as OpenClaw demonstrate that Large Language Model (LLM)-based agents can autonomously operate local computing environments, orchestrate workflows, and integrate external tools. However, within the current paradigm, these agents remain conventional applications running on legacy operating systems originally designed for Graphical User Interfaces (GUIs) or Command Line Interfaces (CLIs). This architectural mismatch leads to fragmented interaction models, poorly structured permission management (often described as "Shadow AI"), and severe context fragmentation. This paper proposes a new paradigm: a Personal Agent Operating System (AgentOS). In AgentOS, traditional GUI desktops are replaced by a Natural User Interface (NUI) centered on a unified natural language or voice portal. The system core becomes an Agent Kernel that interprets user intent, decomposes tasks, and coordinates multiple agents, while traditional applications evolve into modular Skills-as-Modules enabling users to compose software through natural language rules. We argue that realizing AgentOS fundamentally becomes a Knowledge Discovery and Data Mining (KDD) problem. The Agent Kernel must operate as a real-time engine for intent mining and knowledge discovery. Viewed through this lens, the operating system becomes a continuous data mining pipeline involving sequential pattern mining for workflow automation, recommender systems for skill retrieval, and dynamically evolving personal knowledge graphs. These challenges define a new research agenda for the KDD community in building the next generation of intelligent computing systems.