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

TopoEdge is een op topologie gebaseerd, agent-georiënteerd framework dat gebruikmaakt van een GNN-gebaseerde retrieval-augmented generation (TopoRAG) en een genereren-verifiëren-repareren cyclus om robuuste en uitvoerbare SDN-configuraties te genereren en te herstellen voor edge-netwerken onder strikte operationele beperkingen.

De kern

Stel je voor dat je een heel groot netwerk van wegen, bruggen en verkeerslichten moet aanleggen en beheren. In de digitale wereld noemen we dit een SDN-netwerk (Software-Defined Networking). Het probleem is: als je één verkeersbordje verkeerd plaatst of een brug verkeerd berekent, kan het hele verkeer vastlopen. En als je het netwerk een beetje aanpast (bijvoorbeeld een nieuwe weg toevoegt), breekt de oude instructie vaak, omdat die niet meer past bij de nieuwe situatie.

Dit is waar TopoEdge voor komt. Het is een slimme, autonome assistent die helpt om deze netwerkinstructies automatisch te schrijven, te testen en te repareren. Het bijzondere? Het werkt niet in de "wolk" (op een supercomputer ver weg), maar direct op de rand van het netwerk, op kleine, beperkte apparaten (zoals een Raspberry Pi).

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De Slimme Bibliotheek (TopoRAG)

Stel je voor dat je een architect bent die een nieuw huis moet bouwen, maar je hebt nog nooit zo'n specifiek type grondstuk gezien. In plaats van alles vanaf nul te bedenken, loop je naar een bibliotheek.

• Het probleem: Normale computers kijken alleen naar de tekst van de instructies. Ze zien niet dat twee netwerken er qua tekst anders uitzien, maar qua structuur (wie is met wie verbonden?) precies hetzelfde zijn.
• De TopoEdge-oplossing: TopoEdge heeft een speciale "geheugenbank" (een bibliotheek) gevuld met duizenden eerdere netwerken die wel hebben gewerkt.
• De Analogie: Als je een nieuw netwerk ontwerpt, kijkt TopoEdge niet alleen naar de woorden, maar naar de vorm van het netwerk (de "topologie"). Het zoekt in de bibliotheek naar het meest vergelijkbare, succesvolle oude netwerk.
• Het resultaat: Het pakt het oude, werkende plan en de instructies (de "driver") die bij dat oude netwerk hoorden. Dit is je startpunt. Je bouwt niet op het niets, maar op een bewezen fundament.

2. Het Drie-Persoons Team (De Agenten)

Zodra TopoEdge het oude plan heeft gevonden, stuurt het drie gespecialiseerde robots (agenten) aan het werk. Ze werken samen in een cyclus:

1. De Planner (De Architect):
   • Deze robot kijkt naar het nieuwe netwerk en het oude, werkende plan.
   • Hij maakt een schat: "Oké, we moeten hier een brug bouwen, daar een verkeerslicht, en dit moet zo verbonden worden." Hij schrijft nog geen gedetailleerde instructies, maar maakt een ruwe schets (een skelet) van wat er nodig is.
2. De Generator (De Bouwer):
   • Deze robot neemt de schets en vult de details in. Hij schrijft de daadwerkelijke code die de apparaten moeten uitvoeren.
   • De Slimme Beperking: Omdat de robot op een klein apparaat werkt en soms "dwaalt", heeft hij een bouwheer die hem in de gaten houdt. Deze bouwheer zorgt ervoor dat de robot alleen woorden gebruikt die in het bouwplan staan. Hij mag geen "zwembad" bouwen als er alleen "straten" in het plan staan. Dit voorkomt dat de robot zomaar onzin produceert.
3. De Verificator (De Bouwinspecteur):
   • Zodra de code geschreven is, laat deze robot het netwerk echt draaien in een simulatie (een virtueel testlab).
   • Als het werkt: "Goed gedaan!"
   • Als het fout gaat: Hij kijkt niet naar een dikke, onleesbare foutenlijst, maar trekt de fouten samen tot één korte, duidelijke boodschap: "De brug bij node 3 is te laag."
   • Hij stuurt deze boodschap terug naar de Generator om het te repareren.

3. De Slimme Budgetbeheerder

Omdat dit systeem op kleine, beperkte apparaten draait (zoals een slimme router), kan het niet oneindig blijven proberen.

• TopoEdge heeft een slimme manager die kijkt naar hoe moeilijk de klus is.
• Is het een simpel netwerk dat lijkt op het oude plan? Dan geeft hij de robots een klein budget (weinig tijd en energie).
• Is het een complex, nieuw netwerk? Dan geeft hij meer tijd en ruimte om te proberen.
• Dit zorgt ervoor dat het systeem efficiënt blijft en niet vastloopt.

Waarom is dit zo belangrijk?

• Privacy & Veiligheid: Omdat het op de "rand" (edge) draait, hoeven je netwerkgegevens niet naar een grote server in de cloud te gaan. Alles blijft lokaal.
• Betrouwbaarheid: Door te leren van eerdere, werkende netwerken (in plaats van alles uit het hoofd te bedenken), maken ze veel minder fouten.
• Resultaat: In tests lukte het TopoEdge om in 89% van de gevallen het netwerk correct in te stellen binnen 20 pogingen. Zonder de slimme bibliotheek (TopoRAG) was dat maar 55%. Het doet bijna net zo goed als een gigantische supercomputer in de cloud, maar dan op een klein, lokaal apparaat.

Kort samengevat: TopoEdge is als een slimme, lokale bouwvakker die niet uit het niets bouwt, maar altijd eerst kijkt naar een vergelijkbaar, succesvol project uit het verleden, een team van specialisten aanstuurt, en continu test of het bouwwerk veilig is, allemaal terwijl hij bespaart op energie en tijd.

Technische samenvatting

Probleemstelling

Software-Defined Networking (SDN) biedt fijnmazige controle over netwerken, maar de configuratieartefacten zijn breekbaar bij veranderingen in de netwerktopologie. Kleine fouten kunnen leiden tot stille semantische fouten die moeilijk te diagnosticeren zijn. Bestaande automatiseringstools missen vaak expliciete bewustzijn van de topologie en sluiten de kringloop met uitvoeringsfeedback niet.

Daarnaast opereren veel netwerkbeheerders in omgevingen waar privacy, beveiliging en kosten eisen stellen aan lokale (on-site) inferentie. Dit vereist systemen die werken met kleine modellen op bronnenbeperkte randhardware (edge), in plaats van afhankelijk te zijn van zware, centraal gehoste Large Language Models (LLMs). De uitdaging is dus om robuuste SDN-configuratie en reparatie te genereren op de edge, met behoud van topologie-consistentie en zonder centrale cloud-infrastructuur.

Methodologie: Het TopoEdge Framework

TopoEdge is een agentic framework dat is ontworpen voor end-to-end generatie en reparatie van SDN-configuraties. Het systeem combineert topologie-gebaseerde retrieval met een uitvoeringsgerichte "generate-verify-repair" lus.

1. TopoRAG: Topologie-Grounded Retrieval-Augmented Generation

Het kernidee is dat topologie een stabiel signaal is voor het overdragen van configuratiepatronen.

• Graph Embedding: Elke doeltopologie (in JSON-formaat) wordt omgezet in een router-niveau graaf. Een contrastief getrainde Graph Neural Network (GNN), specifiek een drie-laags Graph Convolutional Network (GCN), leert een structuur-gevoelige embedding van deze grafen.
• Retrieval: Voor een nieuwe doeltopologie zoekt het systeem de meest vergelijkbare "verified reference case" in een database van 386 gevalideerde voorbeelden. Deze referentie bevat zowel de topologie als een uitvoerbaar Python-driver script (Topotest/pytest).
• Context: De doeltopologie, de gevonden referentie-topologie, de referentie-driver en SDN-kennis worden samengevoegd tot een TopoRAG-context. Dit vormt de grondslag voor de AI-agenten.

2. Gedistribueerde Agentic Loop

Het systeem draait op een randcluster (edge) en gebruikt drie gespecialiseerde agenten, die allemaal dezelfde gequantiseerde LLM (Llama-3.1-8B) delen maar verschillende rollen hebben via systeem-prompten:

• Planning Agent: Genereert een topologie-consistent configuratieplan en een skelet per apparaat. Dit beperkt de zoekruimte voor de volgende stappen.
• Generation Agent: Materialiseert de uitvoerbare artefacten (apparaatconfiguraties en de driver) op basis van het plan en de TopoRAG-context.
• Verification Agent: Voert het FRRouting Topotest/pytest-harness uit. Bij fouten comprimeert deze agent de logs tot een compacte "failure trace" en genereert lokale patch-instructies voor iteratieve reparatie.

Een centrale controller coördineert deze loop en beheert de staat.

3. Efficiëntie en Beheersing (Edge-Optimalisatie)

Om het systeem efficiënt te houden op beperkte hardware, worden twee lichtgewicht controllers toegevoegd:

• Adaptive Inference Budget Controller: Schat de moeilijkheidsgraad van een geval op basis van topologiegrootte en de gelijkenis met de gevonden referentie. Hierdoor worden token-limieten en het maximum aantal iteraties dynamisch toegewezen (minder resources voor makkelijke gevallen, meer voor complexe).
• Constrained Decoding Layer: Beperkt wat de Generation Agent kan genereren tot geldige schema's en commando's (gebaseerd op het skelet van de Planning Agent). Dit voorkomt syntaxisfouten en verspilling van tokens op ongeldige commando's.

Belangrijkste Bijdragen

1. TopoRAG: Een topologie-bewust retrieval-module die de gelijkenis van netwerktopologieën koppelt aan gevalideerde SDN-drivers. Dit biedt een overdraagbare structurele prioriteit voor downstream generatie.
2. Edge-Deployable Agentic Framework: Een volledig werkend systeem dat SDN-configuraties genereert en repareert op randhardware door een gespecialiseerde agenten-loop te combineren met TopoRAG-gronding en uitvoeringsfeedback.
3. Resource-Aware Design: Integratie van adaptieve budgetten en beperkte decoding om de kosten en latentie te beheersen zonder in te leveren op kwaliteit.

Resultaten

Het systeem is geëvalueerd op een dataset van 200 vastgehouden query-cases (Topotest scenarios). De resultaten tonen aan:

• Pass@20: TopoEdge bereikt een Pass@20 van 0,890 (178 van de 200 gevallen succesvol).
  • Dit is aanzienlijk beter dan de variant zonder TopoRAG (No-TopoRAG), die slechts 0,550 haalt.
  • Het komt dicht in de buurt van de centrale LLM-baseline (Claude Code), die 0,930 haalt, ondanks dat TopoEdge volledig lokaal draait op Raspberry Pi-nodes.
• Efficiëntie: Dankzij TopoRAG convergeert TopoEdge sneller (minder iteraties nodig) dan No-TopoRAG. No-TopoRAG moet veel tijd besteden aan het repareren van fundamentele topologie-inconsistenties, wat leidt tot meer mislukte pogingen en hogere kosten.
• Kostenbeheersing: De adaptieve budgetten en beperkte decoding zorgen ervoor dat TopoEdge minder tokens verbruikt en sneller converteert dan systemen zonder deze controles.

Betekenis en Conclusie

TopoEdge bewijst dat het mogelijk is om robuuste, zelfherstellende netwerkconfiguratie uit te voeren op bronnenbeperkte randhardware, zonder afhankelijk te zijn van zware centrale cloud-inferentie.

De belangrijkste inzichten zijn:

1. Topologie als Anker: Het gebruik van topologie-gebaseerde retrieval (TopoRAG) is de primaire drijver voor robuustheid. Het reduceert de zoekruimte aanzienlijk door te verwijzen naar bewezen configuratiepatronen.
2. Uitvoeringsfeedback: De "generate-verify-repair" lus, waarbij fouten worden vertaald naar lokale patches, is cruciaal voor het sluiten van de kloof tussen kleine edge-modellen en grote centrale modellen.
3. Praktische Toepasbaarheid: Het framework biedt een concrete route voor operators om privacy en kosten te behouden door lokale inferentie, terwijl ze toch profiteren van geavanceerde AI-gestuurde netwerkbeheer.

De auteurs concluderen dat toekomstig werk zich zal richten op het testen van grotere en heterogene topologie-distribaties en het verfijnen van de agent-coördinatie en encoder-architecturen.