Google 开源 AX：像用 K8s 一样调度数百万个 AI Agent

AX（Agent Executor）是 Google 开源的智能体编排运行时，专门用来在集群里批量调度、管理和运行数百万个沙箱隔离的自主 AI 智能体。如果你平时习惯用 Kubernetes，上手 AX 就像在操作熟悉的集群负载一样自然。

现在的 AI 智能体和以往的无状态微服务或批处理任务完全不同。它们会持续累积上下文状态，需要调用模型 API 和外部工具，如果没人盯着，还可能陷入死循环疯狂烧钱。AX 的核心思路，就是把这些复杂的状态和环境隔离全盘声明化。

它能做什么

AX 将智能体运行环境抽象成了三个极简的基础对象：Task、Workspace 和 Model。

Task 负责把不可信的智能体代码扔进带 CPU 和内存配额的沙箱里运行。你可以通过简单的 YAML 文件指定容器镜像与任务目标，还能直接开启调试开关。

Workspace 则用来预先挂载 Git 代码库、MCP 服务器以及各类技能包。这样智能体每次启动时都是热加载状态，不用临阵拉取配置。

Model 则在平台层定义了所调用的底层大模型，比如配置 Google 的 Gemini 模型，并统一从 Kubernetes Secret 中读取访问密钥，避免凭据泄漏给沙箱内的代码。

AX 最亮眼的地方在于它直接继承了类似 kubectl 的运维体验。通过命令行工具，你可以用 ax apply 批量提交任务，用 ax get 和 ax describe 随时观察每个智能体的健康状态。

更实用的是暂停恢复与远程排错能力。如果智能体遇到长等待或疑似死循环，输入 ax suspend 就能对状态打快照并停机省钱，需要时再用 ax resume 原地唤醒；想看智能体在沙箱里折腾什么，敲一行 ax ssh 就能直接连进内部执行排错命令。

怎么跑起来

AX 基于 Apache License 2.0 协议开源，项目代码托管在 GitHub 上。不过要在本地或集群里跑通它，手头的环境配置要求并不低。

首先，它强依赖底层的 Agent Substrate 运行时来提供沙箱隔离。在安装 AX 之前，你的 Kubernetes 集群里必须先部署好 Substrate，并确保其控制面 API 在 ate-system 命名空间里正常运行。

此外，本地机器需要准备好 Go、kubectl 以及配置好镜像仓库推送权限的 Docker 或 Podman。用户通过 go install 安装 ax 命令行，打包构建 ax-server 和任务执行镜像推送到私有仓库，最后执行部署脚本把控制面和 PostgreSQL 安装到 ax-system 命名空间中。

需要注意的是，官方在仓库首页挂出了明确警告：AX 目前还处在极早期的重度开发阶段。其核心概念、通信协议和规范随时可能发生破坏性变更，暂时不适合直接投入生产环境。

为什么重要

我们认为，AX 是目前将大模型智能体基础设施化走得最彻底的尝试之一。市面上绝大多数智能体框架都在卷应用层逻辑，却很少有人认真解决几十万个智能体并发运行时的资源争抢、安全隔离和成本止损问题，AX 恰好填补了这一块空白。

如果你是正在搭建企业级智能体平台的平台工程师或基础架构开发者，AX 提供的声明式规范和断点续跑机制非常值得立刻下载调研，但普通开发者和追求稳定的团队现在不必急着迁移。它给整个行业最清晰的信号是，未来的智能体集群运维，大概率会彻底变成云原生工程师们熟悉的日常活计。