이 포지션 논문은 AI 애플리케이션이 단일 거대 파운데이션 모델(FM)에서 복합 에이전트 시스템으로 옮겨갔음에도, MCP·A2A 같은 프로토콜이 도구·에이전트 연결을 쉽게 해줄 뿐 각 프레임워크가 상태·메모리·예산·가드레일을 위한 암묵적 런타임을 별도로 내장해 동작이 이식 불가능하고 거버넌스가 취약하다고 지적한다. 이는 운영체제가 없던 시절 모든 프로그램이 기본 서비스를 재구현해야 했던 상황과 유사하다는 것이다. 저자들은 가상머신이 물리 하드웨어를 추상화하듯 FM 상호작용을 가상화하는 시스템 계층인 '파운데이션 모델 운영체제(FMOS)'가 필요하다고 주장하며, FMOS가 메모리 계층 간 지식 조율, 모델 선택과 자원 할당, 검증과 정책 집행을 내부적으로 오케스트레이션해야 한다고 제안한다. 인간 뇌가 빠른 직관과 느린 숙고 사이를 전환하듯, FMOS는 언제 개입하고 언제 추론을 그대로 진행시킬지를 학습하며 운영 경험을 바탕으로 정책을 지속적으로 적응시켜야 한다는 것이 핵심 주장이다.

• •AI가 단일 FM에서 복합 에이전트 시스템으로 전환됐지만 프레임워크마다 상태·메모리·가드레일 런타임이 파편화돼 이식성·거버넌스가 취약
• •가상머신이 하드웨어를 추상화하듯 FM 상호작용을 가상화하는 '파운데이션 모델 운영체제(FMOS)' 제안
• •FMOS가 메모리 계층 지식 조율, 모델 선택·자원 할당, 검증·정책 집행을 내부적으로 오케스트레이션해야 함
• •인간 뇌의 빠른 직관/느린 숙고 전환처럼 언제 개입할지 학습하며 운영 경험 기반으로 정책 지속 적응