当 Kubernetes 遇上 Agent:Google 开源 ax,给自治智能体一个声明式调度器

你写了一个很棒的 coding agent。它能在沙箱里跑测试、改代码、提交 PR。你把它部署到 Kubernetes 上,以为一切万事大吉——然后第二天醒来发现:

目录
  1. 当 Kubernetes 遇上 Agent:Google 开源 ax,给自治智能体一个声明式调度器
  2. 一个不舒服的事实
  3. 四个原语,不是四个容器
  4. suspend/resume:Agent 的"存档点"
  5. Gateway:把"烧钱循环"关在笼子里
  6. 底座:Agent Substrate
  7. 为什么 2324 stars 一天?
  8. 它没解决的问题
  9. 一个类比收尾

当 Kubernetes 遇上 Agent:Google 开源 ax,给自治智能体一个声明式调度器

一个不舒服的事实

你写了一个很棒的 coding agent。它能在沙箱里跑测试、改代码、提交 PR。你把它部署到 Kubernetes 上,以为一切万事大吉——然后第二天醒来发现:

  • 它在凌晨 3 点循环调用了 2000 次 Claude API,烧掉了 800 美元
  • 它把一个测试数据库的连接串泄露到了 GitHub Issue 里
  • 它卡在一个死循环里,占着 CPU 不放,状态全在内存里,kill 掉就全丢了
  • 它试图访问内网的一个服务,那个服务根本不该被它碰到
Kubernetes 没做错什么。它只是被设计来跑"无状态微服务"和"跑完即止的批处理任务"的。而 Agent 是一种全新的工作负载——它有状态、它跑得久、它会花你的钱、它会自己决定访问什么网络资源。这四条里任何一条都打破了 K8s 的基本假设。

2026 年 9 月 22 日,Google 开源了 ax,一个专门为 Agent 工作负载设计的声明式调度器。上线一天涨了 2324 stars。它做了一件很简单的事:把 Agent 当成一等公民,给它 K8s 那套声明式 API,但每一块都为 Agent 重新设计过。

四个原语,不是四个容器

K8s 的核心原语是 Pod、Deployment、Service、Ingress。ax 的核心原语是另外四个,每一个都对应 Agent 的一个独特痛点:

你想要...ax 给你K8s 给你
在隔离沙箱里跑一段不受信任的 Agent 代码,限制 CPU/内存TaskPod(但 Agent 会累积状态,Pod 不会)
预先接好 Git 仓库、MCP 服务器、skill 包,让 Agent 一启动就"热"的WorkspaceInit Container(但只能跑脚本,不能挂 MCP)
把出站流量锁死在显式白名单里GatewayNetworkPolicy(但 Agent 需要按任务动态变更)
配置平台自己用哪个 LLM,凭据从 K8s Secret 拿ModelConfigMap(但 LLM 是会花钱的,ConfigMap 不会)
这四个原语写成 YAML,长得像 K8s 但语义完全不同:

apiVersion: ax.io/v1alpha1
kind: Workspace
metadata:
  name: golang
spec:
  git:
    - repo: https://github.com/golang/go.git
      branch: "my-fix"
---
apiVersion: ax.io/v1alpha1
kind: Task
metadata:
  name: test
spec:
  workspaces:
    - name: golang
      goal: "Ensure that Go tool chain is available and is built from source"
  debug: true   # lets you `ax ssh` into the sandbox

ax apply -f task.yaml,然后 ax watch task test 看着它起来,ax ssh test -- ls -al /workspace 直接钻进沙箱里看它在干什么。这套交互对任何用过 kubectl 的人来说零学习成本。

suspend/resume:Agent 的"存档点"

最让我眼前一亮的功能是 ax suspend 和 ax resume。

想象一个 Agent 跑了 4 小时,已经分析了一个大型代码库的 30%——这时候它要等一个人类决策。在传统架构里你有两个选择:

1. 让它继续占着资源等(烧钱) 2. kill 掉,等人类决策完了从头跑(更烧钱,而且可能跑不出同样的结果)

ax 的 suspend 会checkpoint Actor 的状态,把整个 Task 暂停,释放 CPU/内存。resume 的时候从 checkpoint 恢复,Agent 继续从 30% 那里开始。这就像游戏里的"存档点"——你不用每次都从第一关打起。

这个功能在 K8s 里没有对应物。K8s 的 Pod 被 evict 后状态全丢。StatefulSet 保留了存储但没保留进程状态。ax 的 suspend/resume 是为 Agent 这种"长时间、有状态、可能需要人类介入"的工作负载专门设计的。

Gateway:把"烧钱循环"关在笼子里

Agent 最危险的不是它做错事,而是它在一个错误循环里反复调用付费 API。一个 bug 导致 Agent 每 3 秒调一次 GPT-4,一晚上就是 9600 次调用,按 $0.03/1K input tokens 算,一晚上烧掉几百美元轻轻松松。

ax 的 Gateway 原语把出站流量锁死在一个显式白名单里。Agent 只能访问你明确允许的 host。这意味着:

  • 你可以让 Agent 访问 api.anthropic.com 但不能访问 api.openai.com(强制走某一个 LLM provider)
  • 你可以让 Agent 访问 GitHub 但不能访问你的内网数据库
  • 你可以让 Agent 访问 registry.npmjs.org 但不能访问你的私有 npm registry
这比 K8s 的 NetworkPolicy 更严格——NetworkPolicy 控制的是 Pod 之间的网络,Gateway 控制的是 Agent 能接触到的"外部世界"。对一个会自己写代码、自己跑命令的 Agent 来说,这个区别至关重要。

底座:Agent Substrate

ax 不是从零造的。它跑在 Agent Substrate 之上——一个专门为 Agent 沙箱执行设计的底座。Agent Substrate 提供:

  • 沙箱化执行环境(CPU/内存隔离)
  • 文件系统隔离
  • 网络命名空间
  • 进程隔离
ax 在这之上加了声明式 API、调度、状态管理、网络策略。这个分层很像 K8s 跑在 containerd 之上——containerd 管容器生命周期,K8s 管调度和编排。

为什么 2324 stars 一天?

因为这是第一个把 Agent 当一等公民的调度器。

过去两年,Agent 框架百花齐放——LangChain、AutoGen、CrewAI、OpenAI Agents SDK——但这些都是单机框架。它们解决的是"一个 Agent 怎么思考",没解决"一千个 Agent 怎么在集群里跑"。

当你只有 10 个 Agent,你用框架就够了。当你有 10000 个 Agent,每个都在跑不同的任务,每个都要访问不同的 LLM,每个都要不同的工具集,每个都要不同的网络策略——你需要的是调度器。

ax 的出现标志着 Agent 基础设施进入了"集群时代"。就像 2015 年 Docker 出现后大家发现"容器多了需要编排",2026 年 Agent 多了大家发现"Agent 多了需要调度"。

它没解决的问题

ax 不是银弹。它有几个明显的局限:

1. 依赖 K8s:ax 跑在 K8s 之上,你需要一个 K8s 集群才能用。对小团队来说门槛偏高。 2. 只解决执行层:ax 不管 Agent 怎么思考、怎么规划。它是一个执行环境,不是 Agent 框架。 3. 早期阶段:README 明确说"we are still actively refining our core concepts",v1alpha1 意味着 API 可能大改。 4. Agent Substrate 依赖:需要部署 Agent Substrate Control API,这是另一个组件。

但作为一个"Agent 集群调度"的第一次严肃尝试,ax 已经把所有关键问题摆到了桌面上:状态管理、网络隔离、成本控制、声明式 API。接下来无论谁做 Agent 基础设施,都得回答 ax 提出的这些问题。

一个类比收尾

如果你用过 Kubernetes,你会觉得 ax 像是"K8s 但每一个原语都为 Agent 重新设计过"。如果你没用过 K8s,可以这样理解:

  • ax 之于 Agent,就像操作系统之于进程
  • Task 是进程,Workspace 是进程的运行环境(环境变量、挂载的文件)
  • Gateway 是防火墙规则,Model 是进程能用的计算资源
  • suspend/resume 是进程的"冻结"和"解冻"
Agent 不是微服务,不是批处理任务,不是函数。它是一种新的工作负载,需要新的调度器。ax 是这个调度器的第一个严肃实现。


项目地址:google/ax 底座:agent-substrate/substrate 许可证:Apache 2.0 语言:Go

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

README 自己写的靶子是「每集群跑十亿个任务」。北京地铁一天客流约一千二百万,十亿是它的八十多倍。这是设计目标,不是现状;但读这类基础设施,设计目标往往比星星数更能说明它是给谁写的。

补六处:

  • 【直引】原语是三个,不是四个。README 那张表的四行里,前三行是 Task / Workspace / Model,第四行是 ax suspend 与 ax resume。帖子把 Gateway 列为第四个原语,这一格我在 README 的原语表里没找到,networking 文档里可能有。引用前值得回 docs/concepts.md 核一遍。
  • 【直引】README 顶部的 WARNING 要连读:「We are still actively refining our core concepts, protocols, and specifications. We will likely to introduce major breaking changes prior to a stable release.」帖子引了前半句,后半句才是给采购决策用的那半句。v1alpha1 配这句话,意思是把「API 会动」当成既定事实来排期。
  • 【直引】生日对不上「9 月 22 日开源」:仓库建于 2026 年 3 月 30 日。今天 11,827 星、50 个开放 issue、Go、Apache 2.0,主页是 agentexecutor.io。所以「上线一天涨 2324 星」如果成立,是从九千多涨上来的,而不是从零。
  • 【直引】依赖清单比帖子写的长:一个装好 Agent Substrate 的 K8s 集群、Go、kubectl、ko、一个集群拉得到的容器镜像仓库。Substrate 落在 ate-system 命名空间,Control API 在 api.ate-system.svc.cluster.local:443,AX 认这个地址。ko 和自建镜像仓库这两条门槛,帖子没提。
  • 【判断】对这类早期仓库,open_issues=50 比 11,827 星更能反映成熟度:有人真在用、真在报问题,与「API 还没冻结」两件事同时成立。看星星容易高估,看 issue 容易低估,两个都看才算数。
  • 【推论】底座也在长大:agent-substrate/substrate 建于 5 月 13 日,Apache 2.0,今天 3,828 星,一个钟头前还在推送。「另一个组件」这个说法可以换成「另一个正在同时演进的项目」。
下一根钉子:ax suspend 的账单。一个跑四小时的 Task,checkpoint 一次要多久、多大、能不能跨集群 restore。这三个数一天不公开,「存档点」就还是 demo 里的漂亮手势,而不是 SRE 能排进值班表的东西。

暂无表态
合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens