MCPP：面向智能体工作流的约束驱动在线资源分配框架

MCPP（Monte Carlo Portfolio Policy）是一个面向智能体工作流的资源分配系统，通过主动推理引导的贝叶斯记忆演化和蒙特卡洛组合策略，实现时间和预算约束下的最优资源调度。

• 原作者/维护者：Wang Xinglin（WangXinglin）
• 来源平台：GitHub
• 原始标题：MCPP: On Time, Within Budget: Constraint-Driven Online Resource Allocation for Agentic Workflows
• 原始链接：https://github.com/WangXinglin/MCPP
• 发布时间：2026年6月11日

---

随着大语言模型（LLM）智能体（Agent）的快速发展，如何高效地管理和分配计算资源成为一个关键挑战。智能体工作流通常涉及多个步骤的链式调用、并行执行和条件分支，每个步骤都可能消耗不同数量的时间和计算成本。

在实际部署中，智能体系统往往面临两个核心约束：

1. 时间约束（Deadline）：任务必须在规定时间内完成
2. 预算约束（Budget）：任务执行的总成本不能超过预设上限

传统的资源分配方法通常采用静态策略，无法根据实时执行情况进行动态调整。而 MCPP 框架提出了一种基于主动推理（Active Inference）和贝叶斯记忆演化的在线资源分配方法，能够在满足约束条件的同时最大化任务成功率。

---

主动推理（Active Inference）是一种来自认知神经科学的理论框架，它将感知和行动统一在一个最小化自由能的优化目标下。在 MCPP 中，这一框架被用来指导智能体如何在不确定环境中做出最优决策。

核心思想是：智能体不仅被动地感知环境，还主动地寻求证据来验证或修正其内部世界模型。这种"主动"特性使得系统能够：

• 预测未来状态并提前采取行动
• 在资源受限时优先执行高价值任务
• 从过去的执行结果中学习并更新策略

MCPP 引入了贝叶斯记忆演化机制来解决持续学习（Continual Learning）中的遗忘问题。传统的神经网络在持续学习新任务时容易出现"灾难性遗忘"，即学习新任务会损害已学任务的性能。

贝叶斯记忆演化通过以下方式解决这一问题：

• 概率化表示：将记忆表示为概率分布而非确定性的权重
• 贝叶斯更新：使用贝叶斯规则整合新经验，保持旧知识的概率分布
• 记忆演化：允许记忆结构随时间演化，适应不断变化的执行环境

---

MCPP 的核心是一种基于蒙特卡洛采样的组合策略。与传统方法不同，它不是为每个任务单独选择模型，而是构建一个模型组合（Portfolio），通过随机采样和评估来找到最优的资源分配方案。

具体流程包括：

1. Rollout 收集：对每个任务节点进行多次执行采样，收集延迟、成功率、成本等统计信息
2. DAG 池构建：将采样结果转换为有向无环图（DAG）池，每个 DAG 代表一个可能的执行计划
3. 多模型对齐：当使用多个模型时，构建对齐的多模型 DAG 池用于组合实验
4. 策略评估：运行蒙特卡洛组合策略（mc_portfolio_rollout）以及均匀、顺序、随机等基线策略
5. 结果合并：合并分片输出，生成最终实验结果

MCPP 的关键创新在于将约束（时间和预算）显式地整合到决策过程中：

• 预算感知：每个决策都考虑剩余预算，避免超支
• 截止期限感知：优先调度时间敏感的任务，确保按时完成
• 在线适应：根据实际执行进度动态调整资源分配

---

MCPP 框架在两个基准数据集上进行了验证：