智能体运行时迎来开源新选项
9月22日,Google 在 GitHub 上开源了 AX(Agent Executor),一个面向自主智能体工作负载的编排器与声明式运行时,采用 Apache 2.0 协议。它把智能体当作有状态的长时任务来调度,而不是当作一次性的请求或批处理作业。社区评论认为,这补上了智能体基础设施里"执行层"的一块空白。
事件背景:智能体与微服务不一样
智能体的运行形态与传统服务差别很大:推理、调用工具、执行代码时算力密集,等待模型响应或人工确认时又长时间空闲。按传统容器编排方式,要么让沙箱一直空转浪费算力,要么冷启动拖慢交互节奏。AX 建立在 Google 与 Google DeepMind 团队联合开发的 Agent Substrate 执行层之上:智能体空闲时保存执行状态并挂起,恢复时亚秒级唤醒、零冷启动,多个任务可复用同一批宿主机资源。
AX 对外暴露四个声明式原语:Task 定义任务生命周期与沙箱资源约束;Workspace 负责任务开始前组装环境,可挂载代码仓库、配置 MCP 服务器、安装技能包;Gateway 管出站网络安全,把沙箱智能体的访问限制在明确允许的主机和端口名单内;Model 统一配置大模型提供商参数与密钥。四类对象通过 YAML 清单和 ax 命令行工具管理,操作方式刻意贴近 kubectl 的使用习惯。
深度分析:安全边界成了基础设施对象
这个项目值得注意的地方在于,智能体的安全不再靠应用内的约定,而是由专门的基础设施对象来定义:网络、工作区、模型与可执行任务都有明确边界,隔离由 gVisor 沙箱承担。对一个能写文件、执行代码、调用外部系统的智能体来说,一次失控的任务被限制在自己的沙箱里,比事后追责更有意义。这也呼应了行业近期的教训——此前有AI编程助手被发现在未经同意的情况下把本地代码库上传云端,随后相关功能被下线。
社区反响并不一致。基础设施工程师认可它解决了智能体空闲等待时的算力浪费;也有开发者指出,维护 Kubernetes 集群、镜像仓库与自定义资源的运维开销不小。还有观点提醒,AX 是底座级的执行运行时,与 LangGraph、CrewAI 这类应用层编排框架不在同一层。项目文档也标注 AX 目前不稳定,稳定版发布前核心概念可能调整。
企业视角:机器访问要按可托付来准备
AX 这类运行时普及后,访问企业网站的机器将更多是带着明确任务、受限网络权限的智能体,而不是无差别的爬虫。极欧互联(jiougeo.com)在生成式引擎优化(GEO)服务中的做法与此对应:把服务、价格、规则整理成边界清晰的条目,让AI大模型读取时减少歧义,也为将来智能体以可托付的方式代办业务留好接口。内容口径清楚的企业,在机器审读里天然占优。
趋势研判:智能体基建分层成型
把过去一个月的动态连起来看,智能体基础设施正在快速分层:模型之下有执行运行时,编排之上有安全与监测工具,资本也在向这一层聚集。执行层标准化之后,智能体任务的规模会上一个台阶,机器访问企业信息的方式也会从"读"走向"做"。对企业内容团队来说,越早让信息经得起机器核验,越能在"做"的阶段被选中。
信息来源
- AI and Tech News,《Google Open-Sources AX Orchestrator for Autonomous AI Agents》,2026-09,https://www.aiandtech.news/article/google-open-sources-ax-orchestrator-for-autonomous-ai-agents
- AI Insiders,《Google quietly open sources a Kubernetes-style orchestrator for AI agents》,2026-09-22,https://aiinsiders.net/article/google-quietly-open-sources-a-kubernetes-style-orchestrator
- AI Mastery,《Google Open-Sources AX, a Kubernetes-Native Agent Orchestrator》,2026-09-22,https://www.aimastery.page/news/google-ax-kubernetes-agent-orchestrator-open-source

