
谷歌向 CNCF 捐赠三项 AI Agent 基础设施开源项目

谷歌宣布将 Agent Substrate、gVisor、OpenRL 三个开源项目捐赠给 CNCF,上月已被接纳进入 CNCF Sandbox;Agent Substrate 同步发布 1.0,在 GKE 上正式可用。背后的判断是,AI 正从“人类规模”转向“代理规模”,从记录系统转向行动系统。Agent 在一个连续、有状态的循环里工作:提出动作、启动子代理、在沙箱里执行代码或工具调用、把结果回喂给模型。把这个循环运行到规模,需要像 2010 年代 CNCF 为容器提供的开放基础和中立治理。
Agent Substrate 解决的问题是等待中的资源浪费。Agent 执行几秒代码,然后停下来等模型推理、外部 API 或人类输入。标准 Kubernetes 里,给每个活跃 Agent 独立 Pod,会在空闲时锁死内存和 CPU,控制平面要跟踪数百万个持久对象,身份与 Pod 绑定也放大访问控制的复杂度。它的做法是把有状态 Agent 与底层计算解耦:Actor 持有 Agent 的内存、文件和身份;Worker 是热池里的可复用沙箱;Gateway 基于 Actor 身份做访问控制和密钥注入,敏感密钥不进 Agent 环境。Agent 暂停时,内存和文件快照到存储,Worker 立刻回池;请求再来时,500 毫秒以内把 Actor 恢复到任意可用 Worker。原文打了个比方:酒店房间而不是房子——人离开时不保留房间,回来时新房间已就绪。
项目 2026 年 5 月公开开发,已有超过 100 名贡献者。1.0 里程碑意味着能承载生产负载:达到标准容器运行时 10 倍的沙箱密度,每秒超过 500 次挂起/恢复激活。底层可选 Cloud Hypervisor 微型虚拟机或 gVisor 做隔离边界,Agent 生命周期管理方式不变;跑的是标准 OCI 容器,对 Agent Development Kit(ADK)Agent、有状态编码环境开箱即用。早期设计伙伴 Nous Research 在它上面构建 Hermes Enterprise,它也支撑 CNCF 项目 kagent。GKE 版作为托管能力提供,开源版可部署到任何 Kubernetes 集群;对不想管理集群的团队,它与 Agent Compute Engine(Titanium microVM 服务)互补。SPIRITT 在 GKE 版之上建了 SPIRITT Workspace,CEO Tamir Magen 给出的理由是安全隔离、可扩展性和密度带来的经济性。
Agent 生成并运行的代码和外部包常未经审查,标准容器共享宿主 Linux 内核,风险不小。gVisor 用 Go 写了一个轻量级应用内核,放在容器与宿主机之间,在用户态拦截应用系统调用,不可信代码不直接接触宿主内核。2018 年开源以来,它每天在 GKE Sandbox 和 Cloud Run 下运行数百万沙箱;Anthropic 和 OpenAI 用它约束代码执行,Modal 和 Snowflake 的执行沙箱跑在它上面,蚂蚁集团和腾讯在生产环境大规模使用。三个能力让它适合 Agent 舰队:容器密度和弹性内存(不像 VM 预分配固定 RAM);原生 GPU、TPU、快照/恢复支持;不依赖嵌套虚拟化,任何云或本地 Linux 节点一致部署,Northflank 就用它沙箱化 GPU 工作负载。
捐赠 gVisor 有一个明确的工程动因。包括 Google 在内,各家沙箱基础设施厂商都维护着宿主机内核补丁,把 gVisor 的 I/O 性能拉到接近原生 Linux,但上游维护者因项目归单一厂商所有而拒绝合并。治理转向中立后,这些内核优化可以走上游化路径。蚂蚁集团、Modal、Tines 已承诺加入维护者,OpenAI、腾讯、NVIDIA 继续贡献。gVisor 正走向 CNCF Incubation 阶段。
OpenRL 把自托管的 Python RL 后训练循环直接搬上 Kubernetes:用 sample、forward_backward、optim_step、save_state 四个原语写训练循环,通过 Tinker 兼容 API,权重和数据留在自己的集群,现有 tinker-cookbook 配方无需改动,支持 LoRA 适配器和全参数微调。调度用 Kubernetes 的 Dynamic Resource Allocation(DRA)划分加速器池;训练用 PyTorch/AutoModel,采样用 vLLM,Gemma 和 Qwen 已验证可用,TPU 支持在路线图上。它与 llm-d 配对——llm-d 是 Red Hat、Google Cloud、IBM Research、CoreWeave、NVIDIA 创立的 CNCF 分布式推理与 RL 项目,最近达到 1.0。llm-d 提供两件事:前缀感知的 rollout 路由,把多轮 rollout 路由给已持有匹配 KV 缓存前缀的采样器,减少冗余 prefill 计算;GPU 时间切片,让采样和训练共享同一组物理 GPU。
OpenRL 是整个栈里最新的层次:2 月还是研究预览,被刻意提早送进 CNCF。它的北极星是“任何模型、任何加速器上的同一个配方”,而单靠一家公司做不到。提高 Agent 的安全与效率,需要跨运行时、调度器、编译器、芯片的联合设计;厂商中立的治理让云厂商、硬件厂商、独立软件公司平等参与。Google 的预期是这三个项目像 Kubernetes 那样加速 Agent 工作负载的开发和采用。KubeCon 盐湖城 11 月 9–12 日有更多披露;Sandbox 申请编号分别是 gVisor #521、Agent Substrate #523、OpenRL #518。

