TopoEdge: Topology-Grounded Agentic Framework for Edge Networking Code Generation and Repair

TopoEdge è un framework agenziale basato su topologia che genera e ripara configurazioni di reti SDN ai margini della rete, integrando un'incapsulazione grafica tramite GNN con un ciclo iterativo di generazione, verifica e riparazione coordinato da agenti specializzati per garantire affidabilità e conformità ai vincoli operativi.

L'essenziale

Immagina di dover costruire una rete di strade (come un'autostrada o un sistema di trasporto pubblico) ogni volta che cambia il terreno o il clima. Se provi a disegnare le regole del traffico a memoria, rischi di fare errori: un semaforo messo nel posto sbagliato può bloccare tutto il traffico, e trovare l'errore è come cercare un ago in un pagliaio.

TopoEdge è un nuovo sistema intelligente progettato per risolvere esattamente questo problema, ma nel mondo delle reti informatiche (chiamate SDN). È come avere un architetto, un muratore e un ispettore che lavorano insieme su un computer piccolo e potente, direttamente sul posto (al "bordo" della rete), senza dover inviare i dati a un supercomputer centrale lontano.

Ecco come funziona, spiegato con delle metafore semplici:

1. Il Problema: Le Mappe che cambiano

Le reti informatiche sono come città in continua espansione. Quando la "forma" della città cambia (nuovi edifici, nuove strade), le vecchie regole del traffico non funzionano più. I sistemi attuali sono rigidi: se cambi una strada, spesso devi riscrivere tutto da zero, e se sbagli, la rete si blocca. Inoltre, molte aziende non vogliono inviare i dati della loro rete su internet per motivi di privacy o sicurezza, quindi hanno bisogno di un sistema che lavori "in loco", su hardware economico.

2. La Soluzione: TopoEdge (Il "Genio della Mappa")

TopoEdge è un sistema che usa l'intelligenza artificiale per scrivere e riparare le regole della rete. Ma non indovina a caso. Usa tre trucchi magici:

A. TopoRAG: "Il Ricettario delle Forme"

Immagina di dover costruire una casa. Invece di inventare tutto da zero, guardi una foto di una casa simile che è stata costruita con successo in passato.

• Come funziona: TopoEdge guarda la forma della tua rete (la "topologia") e la trasforma in una mappa digitale. Poi, cerca nel suo archivio la rete più simile che ha funzionato perfettamente in passato.
• L'analogia: È come se avessi un libro di ricette. Se devi cucinare un piatto per una famiglia di 4 persone, non inventi la ricetta da zero; prendi quella per 4 persone che hai già usato con successo e la adatti. Questo sistema "ricorda" le soluzioni che hanno funzionato per forme simili.

B. I Tre Agenti: L'Equipe di Lavoro

Una volta trovata la "ricetta" simile, TopoEdge attiva tre assistenti AI specializzati che lavorano insieme:

1. L'Architetto (Planning Agent): Guarda la tua rete e la ricetta trovata. Disegna un piano: "Ok, qui serve un semaforo, lì un incrocio, e per quella strada serve un limite di velocità". Crea la struttura di base.
2. Il Muratore (Generation Agent): Prende il piano dell'architetto e scrive il codice vero e proprio (le istruzioni per i router). È come se costruisse fisicamente la strada e installasse i segnali.
3. L'Ispettore (Verification Agent): Appena il muratore finisce, l'ispettore prova a far circolare le auto (i dati). Se c'è un incidente (un errore), non dice solo "è rotto". Dice esattamente: "Il semaforo al km 5 è rosso quando dovrebbe essere verde".

C. Il Ciclo di Riparazione

Se l'ispettore trova un errore, non si arrende. Rimanda tutto all'architetto e al muratore con una nota precisa: "Ripara solo quel semaforo, non toccare il resto". Loro correggono, l'ispettore ricontrolla, e si ripete finché tutto non funziona. È come un gioco di "caldo/freddo" dove l'AI impara velocemente dove sta l'errore.

3. I Due Guardiani: Risparmio e Precisione

Poiché questo sistema gira su computer piccoli (come quelli usati nelle stazioni di servizio o nei piccoli uffici), deve essere efficiente. TopoEdge ha due "guardiani":

• Il Controllore del Budget: Se la rete è semplice (come una strada di campagna), il sistema usa poche risorse e finisce subito. Se è complessa (come un centro città), gli dà più tempo e risorse. Non spreca energia su compiti facili.
• Il Filtro di Sicurezza: Impedisce al "Muratore" di scrivere cose impossibili. Se la ricetta dice "aggiungi 5 uova", il filtro impedisce di scrivere "aggiungi 500 uova" o "aggiungi pietre". Questo evita errori stupidi che farebbero perdere tempo.

4. I Risultati: Perché è speciale?

Gli autori hanno testato questo sistema su 200 scenari diversi.

• Senza TopoEdge: Il sistema sbagliava spesso e ci metteva molto a riparare (come chi prova a costruire una casa senza guardare le mappe).
• Con TopoEdge: Ha avuto successo nel 89% dei casi, quasi quanto un supercomputer centrale molto costoso (che ha avuto il 93% di successo), ma lavorando su computer piccoli e locali.

In sintesi:
TopoEdge è come avere un team di esperti locali che, invece di imparare tutto a memoria, guardano le soluzioni che hanno funzionato in passato per situazioni simili, costruiscono la rete, la testano e la riparano velocemente, tutto senza dover chiamare un'azienda esterna o spendere una fortuna in computer giganti. È intelligente, veloce e rispetta la privacy dei dati.

Sommario tecnico

1. Il Problema

La configurazione delle reti definite software (SDN) è diventata sempre più complessa e fragile. Le configurazioni esistenti tendono a rompersi quando la topologia di rete cambia, portando a errori semantici silenziosi difficili da diagnosticare. Le attuali soluzioni di automazione spesso mancano di una consapevolezza esplicita della topologia e non chiudono il ciclo con feedback di esecuzione reale.

Inoltre, molti operatori di rete preferiscono l'inferenza "on-site" (sul posto) per motivi di privacy, sicurezza e costi, il che rende impraticabile l'uso di modelli linguistici (LLM) centralizzati di grandi dimensioni. Esiste quindi la necessità di un framework che possa generare e riparare configurazioni SDN direttamente su hardware edge con risorse limitate, mantenendo alta l'accuratezza e la robustezza.

2. Metodologia: Il Framework TopoEdge

TopoEdge è un framework agentic distribuito e "topology-grounded" (basato sulla topologia) progettato per l'implementazione su edge. La sua architettura si articola in tre componenti principali:

A. TopoRAG (Retrieval-Augmented Generation basata sulla Topologia)

Il cuore innovativo del sistema è TopoRAG, che utilizza la similarità strutturale della topologia per recuperare casi di riferimento verificati.

• Rappresentazione: Ogni topologia (fornita in JSON) viene convertita in un grafo non diretto a livello di router.
• Embedding: Un Graph Neural Network (GNN), specificamente una GCN (Graph Convolutional Network) a tre livelli addestrata in modo contrastivo, genera embedding vettoriali per queste topologie.
• Recupero: Data una topologia target, il sistema cerca nel suo spazio latente il caso di riferimento più simile (nearest neighbor) che possiede già un driver Python eseguibile e verificato (basato su FRRouting Topotest/pytest).
• Contesto: La topologia target, il caso recuperato e il driver associato formano il contesto condiviso per la generazione.

B. Loop Agente Genera-Verifica-Ripara

Il sistema utilizza un ciclo distribuito coordinato da un controller centrale e realizzato da tre agenti specializzati che condividono lo stesso modello LLM quantizzato (es. Llama-3.1-8B) ma con prompt di sistema diversi:

1. Agente di Pianificazione: Analizza la topologia e il caso recuperato per produrre un piano di configurazione coerente con la topologia e uno "scheletro" per ogni dispositivo.
2. Agente di Generazione: Materializza gli artefatti eseguibili (file di configurazione dei dispositivi e driver Python) basandosi sul piano e sul contesto TopoRAG.
3. Agente di Verifica: Esegue il driver Python nell'ambiente emulato (FRRouting Topotest). Se fallisce, comprime i log di errore in una traccia compatta e genera direttive di patch localizzate per l'agente di generazione, avviando un ciclo iterativo di riparazione.

C. Ottimizzazione per Edge

Per operare su hardware limitato, TopoEdge integra due controller leggeri:

• Controllo del Budget di Inferenza Adattivo: Stima la difficoltà del caso (basandosi su dimensione della topologia e similarità con il caso recuperato) per allocare dinamicamente il numero massimo di token e iterazioni, evitando sprechi su casi semplici.
• Decodifica Vincolata (Constrained Decoding): Durante la generazione, il sistema vincola l'output dell'LLM a uno schema valido e a un lessico di comandi predefiniti, prevenendo errori sintattici e concentrandosi sulle correzioni semantiche.

3. Contributi Chiave

1. TopoRAG: Un modulo di recupero consapevole della topologia che allinea la similarità strutturale delle reti con driver SDN verificati, fornendo un "prior" strutturale trasferibile per la generazione.
2. Framework Agentic Edge-Deployable: Un sistema che combina TopoRAG con un ciclo di generazione-verifica-riparazione guidato da agenti, capace di operare su hardware edge con modelli piccoli e quantizzati.
3. Validazione Empirica: Dimostrazione che l'approccio basato su recupero e riparazione iterativa può avvicinare le prestazioni dei modelli edge a quelle di modelli centralizzati molto più grandi.

4. Risultati Sperimentali

Il sistema è stato valutato su 200 casi di query tenuti da parte (held-out) utilizzando un cluster di 4 Raspberry Pi.

• Accuratezza (Pass@20):
  • TopoEdge: 0.890 (178 su 200 casi risolti).
  • No-TopoRAG (senza recupero topologico): 0.550. Questo dimostra che la rimozione del recupero basato sulla topologia riduce drasticamente la robustezza.
  • Central-LLM (baseline centralizzato con Claude Code): 0.930. TopoEdge si avvicina notevolmente alle prestazioni del modello centralizzato, colmando il divario tra edge e cloud.
• Efficienza:
  • TopoEdge richiede in media 7.8 iterazioni per risolvere un caso, contro le 13.3 di No-TopoRAG.
  • Il tempo medio di esecuzione è di circa 220 secondi per caso su hardware edge, contro i 75 secondi del modello centralizzato (ma con il vantaggio della privacy e dell'indipendenza dalla rete).
  • Il tasso di fallimento (casi che non passano entro 20 iterazioni) è del 11% per TopoEdge, contro il 45% per No-TopoRAG.

5. Significato e Impatto

TopoEdge rappresenta un passo significativo verso l'autonomia delle reti gestite su dispositivi periferici (edge).

• Robustezza: Dimostra che la "grounding" (ancoraggio) della generazione di codice su casi reali verificati e simili strutturalmente è più efficace dell'uso di modelli LLM generici, anche su hardware limitato.
• Privacy e Sicurezza: Abilita l'uso di LLM per la configurazione di rete senza inviare dati sensibili (topologie, configurazioni) a server cloud centralizzati.
• Efficienza Operativa: Il ciclo di riparazione iterativa guidata da feedback di esecuzione reale riduce la necessità di debug manuale e permette di correggere errori semantici complessi che i template statici non possono gestire.

In sintesi, TopoEdge valida l'ipotesi che un approccio ibrido, che combina rappresentazioni grafiche della topologia, recupero di casi simili e agenti AI specializzati, possa fornire soluzioni di configurazione di rete di livello enterprise direttamente su dispositivi edge a risorse limitate.