谷歌开源 AI 代理编排器 AX：给成百上千个智能体一个“Kubernetes”

当一个任务需要几百个 AI 代理协同，谁来管它们的生死、状态和资源？谷歌给出的答案，是把 Kubernetes 的思路搬进智能体世界。

一分钟速览

• 谷歌开源 AX，采用 Apache 2.0 许可，托管在 GitHub 的 google/ax 项目与 agentexecutor.io。
• 它把 AI 代理当作“有状态的参与者”，而不是微服务或批处理任务。
• 支持亚秒级检查点：任务可以随时挂起，并在无冷启动的情况下恢复。
• 提供四类声明式原语：Task、Workspace、Gateway、Model。
• 通过 Actor 多路复用，可在同一主进程上运行数十个相互隔离的沙箱，显著提升资源利用率。

深度分析：智能体不是微服务

传统基础设施假设是“请求—响应”，一次调用几毫秒就结束。但自主智能体的工作方式是反过来的：它可能长时间思考、间歇性调用工具、跑几小时后进入等待。用微服务或批处理模型去套，会同时浪费算力和响应速度。

AX 基于 Agent Substrate 运行时，把“挂起/恢复”做成亚秒级能力，本质上是让智能体的“思考”可以被安全地冻结和解冻。配合 Actor 多路复用，一个进程里能塞进几十个隔离沙箱，把长尾等待期间的空转成本降下来。

数据支撑：四原语与沙箱密度

Task、Workspace、Gateway、Model 这四类原语，覆盖了任务编排、工作空间、外部接入与模型调用四个层面，相当于给出了一套“智能体基础设施”的标准接口。而“数十个隔离 Actor 共享一个主机进程”的密度，是它能省钱的关键。

趋势洞察：Agent Infra 的标准化之战开打

2026 年，围绕智能体的基础设施正在快速分化：有人做运行时，有人做沙箱，有人做通信协议。AX 的价值在于它试图定义“编排层”的标准，并且用开源的方式抢生态。对企业来说，这意味着未来可以像选 K8s 发行版一样，挑选自己的智能体编排方案。

结语

当代理数量从几个涨到几千个，问题就从“模型够不够聪明”变成了“系统撑不撑得住”。AX 想解决的，正是后半道题。