作家 ｜ 梁义衢州预应力钢绞线规格及参数

议论 ｜ Kitty

Agent 应用时期已呼之欲出

自本轮大模子时期爆发以来，Agent 获得了曩昔关注。参加 2026 年后，跟随 OpenClaw 的景观爆火，Agent 是破圈，参加了广袤的各人视线。同期，若是说以往的 Agent 多用于 Demo 或些相对定制的场景，那么经过频年 Agent Skills 等时期的出现和迟缓锻练，如今的 Agent 仍是不错处理多的试验场景，不错认为 Agent 应用样式的时期可能行将到来。

Agent 应用的断代

各别——非细则

在 Agent 应用出现前，论是早的单机应用，如故如今曩昔使用的云原生微办事应用，确切面向应用的诡计秘要领本质上齐是由东谈主面向些特定应用场景建造的，要领的逻辑因为是建造者东谈主工编写的，有很强的细则。但到了 Agent 的时期，Agent 启动的具体逻辑仍是从由东谈主编程罢休换成了由大模子生成，而大模子的输出论是业务的 Owner 如故应用的建造运维东谈主员、以致 Agent 框架和大模子自身的研发东谈主员齐法准确预测，因而口舌细则的。

但是现存的多量基础要领仍然是面向云原生以趁早时期的细则应用造的，并不成很好地知足 Agent 应用的启动条件。这很可能是接下来制约 Agent 确切走向企业大规模应用的个宏大扼制，但同期亦然基础要领域研发翻新东谈主员在 Agent 时期濒临的个很好的时期翻新契机。

Agent 的非细则带来的

特启动特征和挑战

动态——Agent 逻辑动态不细则法预先先见

传统应用般是东谈主面向特定业务场景建造的，因而在大多数情况下齐是静态不变的。应用的建造运维东谈主员惟有富裕了解要领代码逻辑，基本上就不错准确预判应用可能的实行情况，况兼这些要领论是在何时何地启动，其实行逻辑在本质上不错认为亦然换取不变的。以云原生微办事为例，每个微服求实例对每个申请的处理逻辑简直齐是样的，建造运维东谈主员对此齐额外明晰，因此通过将微办事逻辑包在个统的镜像内，即可通过 K8s 部署多个换取规格的容器实例，复旧大规模的企业应用。

但是到了 Agent 时期，情况变了。如下图所示，Agent 的实行逻辑是大模子驱动的，面对的是用户千奇百怪的当然话语发问，大模子相应地可能每次给出不样的输出，进而又驱动 Agent 去调用多样各样不同的外部器具，以致去实行些由大模子根据本次申请输入动态生成的代码，如斯持续轮回直至大模子认为用户问题仍是获得了解决为止，致 Agent 试验上对每个申请的处理流程可能齐是不样的。

比如，有些轻便申请可能很快就实行完，也不需要太多资源。而有些复杂申请则可能需要多轮交互 / 器具调用 / 实行 AI 生成代码等等，有些新的 Agent 时期以致需要在启动中拉起新的子 Agent，这些齐需要永劫候和多的诡计资源。在此情况下，Agent 应用的运维东谈主员预先法规划个申请的具体实行流程会有多复杂，比如不知谈它会有若干次的大模子往返交互能力科罚，也不知谈会需要调用哪些外部器具、是否会动态实行某些 AI 生成代码等等。

简言之，以往的应用是轻便静态的，而 Agent 应用是复杂动态的。

由此先带来个很现实的问题，该如何分拨 Agent 应用的资源？以往在容器微办事时期，建造运维东谈主员不错凭借对代码启动逻辑的了解结些试验警告，就不错给每个容器微办事成就换取的资源。但到了 Agent 应用时期，光 Agent 需要若干启动资源就成了个不好规划的问题，给少了可能启动出错或影响办事质料，拍脑袋给每个实例齐分拨很大的资源规格则昭彰会带来宏大的资源挥霍。

不安全——器具和 AI 生成代码不果然衢州预应力钢绞线规格及参数

Agent 的另个特征是实行逻辑可能不安全。Agent 启动中需要实行像大模子生成的代码粗略去调用某些外部器具，这些 AI 生成代码和器具的实行试验上齐可能会带来安全风险。而传统容器的壅塞又比较低，旦启动了些坏心代码，就有可能出现容器叛逃等安全问题。

种容易猜想的目标是用安全的容器或凭空机来代替传统容器，但仍然通过容器接口与 K8s 等传统的容器挪动框架对接，从而让 Agent 不错启动在现存容器基础要领上，并提供的安全壅塞能力。事实上，业界现时好多面向 Agent 提供的安全沙箱如实亦然采用的这些时期。

但是即便如斯可能仍然不够，比如下图的例子，旦将 Agent 自身逻辑和 AI 生成代码或其它有风险的器具调用混在个安全容器 / 凭空机内实行，即便安全容器 / 凭空机壅塞了对 Host 的风险膺惩，但仍然存在容器 / 凭空机内的某些热切隐讳信息（比如探听大模子的说明）被风险代码探听窃取的可能，并不成在试验 Agent 应用场景下杜安全风险。

理的作念法是 Agent 旦需要实行这些 AI 生成的代码粗略有风险的器具调用，就将其如下图所示按需动态地挪动到另个干净的安全容器 / 凭空机里面启动，与 Agent 实质壅塞开来，从而避风险。

但是这就条件基础要领除了在部署阶段轻便复旧各个容器应用的静态部署外，还需要复旧应用启动中随时按需动态挪动拉起新的安全容器 / 凭空机实例并实行某些代码任务，这种任务的动态挪动实行能力是传统 K8s 容器微办事时期体系不具备的。

长会话——永劫启动如何保证会话情状致

云原生微办事以往为了便运维和水平弹扩缩实例数，般提倡情状微办事。而好多应用的试验业务逻辑也如实比较轻便，比如好多的业务数据自己就仍是在数据库里保存，申请的处理流程只需要根据申请参数修改数据库，实行逻辑自身如实是情状的。

但是 Agent 是条件有情状的，比如在多轮对话场景下，用户的前后屡次输入需要能弥远交由同个 Agent 实例处理，以保证高下文的致，从而确保 Agent 能接着正确处理。

同期，Agent 直在往处理复杂任务的向演进，使得当前 Agent 对单个申请的实行处理流程变得越来越长，且流程中有多量的外部器具调用。旦在出产环境中遭遇申请处理流程中的实例故障，此时针对该申请可能已实行了几轮 Agent loop，且部分外部器具调用仍是生。此类故障情形下，雷同以往微办事场景下轻便地将实例再行拉起，将申请再行实行，可能会因为 Agent 实行逻辑的不细则，走入不同的实行分支，致又调用了其它些不样的器具，使得 Agent 出现不该有的屡次相互不致的外部器具调用，终致出现业务法剿袭的失实实行后果，在企业出产应用中引起致命问题。

举个例子，如上图所示，假如个订票 Agent 在故障前的申请处理流程中仍是调用某个器具帮你预定了某个行程的机票，后果还没比及处理完这个申请出现了机器故障，之后 Agent 从故障中复原过来后再次处理这个申请，后果由于 Agent 的非细则，试验实行逻辑出现了变化后又帮你新订了张同业程的铁票，这么的故障昭彰会形成宏大的业务亏本。尤其是咱们知谈在试验企业出产环境中，惟有启动时候长了，锚索集群中定是会出现机器故障的。

综上，Agent 非细则带来的动态、不安全、长会话等特征对现存以 K8s 容器微办事为代表的基础要领体系组成了宏大挑战，很难径直基于现存体系达成确切的 Agent 大规模落地，那么 Agent 时期又需要怎样的散播式基础要领呢？

Agent 时期需要怎样的散播式基础要领

K8s 等传统散播式基础要领试验上确切擅长的是将集群的资源以容器的式管束起来并分拨给各个应用使用。K8s 对分出去的容器内跑什么样的应用逻辑，容器内的资源是否获得了充分的运用等所知也并不蔼然。这些齐是 K8s 的用户需要蔼然的，同期容器需要分拨若干资源这件事 K8s 也丢给了用户，K8s 只崇委用福用户指定例格的容器。这在细则启动的云原生微办事时期并莫得什么太大问题，但到了非细则的 Agent 时期，就当然遭遇了前边的多样挑战。

围绕前边讲的 Agent 非细则引入的动态、不安全、长会话的特征和挑战衢州预应力钢绞线规格及参数，本质上，Agent 时期需要的已不仅仅把细则的应用逻辑由东谈主工打算装载到多个边幅的容器里面署起来各自强启动，而是需要个加生动刚劲的散播式系统。它不错让 Agent 在挪动拉起之后的永劫启动流程中保管自身正确的会话情状，同期还不错根据试验启动需要动态拉起些新的子任务去单启动某些可能有风险的代码 / 子 Agent 等等，况兼还复旧它们之间分享和传递些要津的高下文数据。另外 Agent 和它拉起的子任务 / 子 Agent 等齐应该按试验启动的资源需求去动态地去运用集群上的资源，而不需要也法由用户预先指定。

看到这里，有莫得以为这么的启动特征似曾闪现？它其实就像咱们在单机 OS 上跑要领样，要领不错进度的式永劫启动束缚探听修改里面内存变量，同期不错根据自身实行逻辑的需要去动态拉起新的子进度，通过 RPC 粗略分享内存等式传递数据和协同，所有的进度齐按自身试验启动需要去使用单机上的资源，而不需要用户来预先指定。

唯的死别是面向企业 Agent 应用，咱们面前需要将 Agent 启动在集群上。是以本质上咱们需要的是个集群上的散播式系统，具备雷同单机 OS 的灵算作态挪动、弹运用资源能力，并复旧永劫候有情状启动。同期由于散播式系统的非凡，须要复旧在故障情形的自动复原且保证复原后的情状致。

那现时业界有这么知足 Agent 启动需求的散播式系统吗？

业界关系职责

谜底是有的，这里简要先容些作家认为比较关系的业界职责供读者参考。

openYuanrong

从现时咱们了解到的情况看，匹配的开源系统是 openYuanrong[1]。

openYuanrong 的中枢联想理念恰是构建套类单机 OS 的散播式内核，并通过这套内核统复旧各种可能的散播式应用负载，这额外适解决前述 Agent 场景的典型问题。

复旧 Agent 动态

通过将 Agent 启动在 openYuanrong 上，可复旧 Agent 实例的自回荡，需运维东谈主员关注如何成就容器资源。openYuanrong 在此采用了典型的 Serverless 自回荡时期，不错复旧根据申请数量动态疗养 Agent 实例数量，以致申请不错缩容到 0。除了这种水平弹能力外，openYuanrong 还有特的垂直弹能力，不错按 Agent 试验启动的资源需求动态疗养每个实例地方容器规格大小，这么既可弹复旧应用申请负载波动变化，也不错达成每个实例对资源的动态运用，从而排斥 Agent 应用如何成就资源的困扰。

此外 openYuanrong 还有很热切的动态挪动能力，不错复旧 Agent 在启动中动态拉起新的子任务 / 子 Agent，以致不错并发拉起多个子任务 / 子 Agent，达成散播式并行处理，这额外适像 Agent Swarm 等些新的 Agent 场景。

解决 Agent 不安全问题

openYuanrong 复旧多田户和安全壅塞，通过与底层 K8s 等配，可将实例按需挪动至各种不同容器中启动。在 Agent 场景下，通过与自身的动态挪动能力结，openYuanrong 不错作念到将 AI 生成的代码等确切有风险的代码挪动至个立的安全容器内启动，与 Agent 实质启动的容器达成的壅塞，从而避因为混用同个容器致的大模子探据说明等隐讳流露。

复旧 Agent 长会话

openYuanrong 复旧有情状实例的挪动和永劫启动，从而不错知足 Agent 自身情状探听需求。同期在多轮会话场景下，openYuanrong 不错复旧会话高下文亲和的申请路由，确保多轮会话场景下高下文致。另外还可通过 openYuanrong 的数据系统复旧 Agent 将自身情状及时散播式备份，从而确保即便遭遇故障，在实例复原后仍然不错保抓情状致，从而确保语义致的断点续实行，达成终的正确后果输出。

除了能很好地匹配 Agent 的这些特征以外，openYuanrong 还提供了异构算力复旧等能力，不错将 Agent 和大模子理办事、Agentic RL 等负载挪动在同个集群内，达成协同，并充分分享运用集群上的各种算力资源。

Ray

和 openYuanrong 样，Ray[2] 亦然业界未几的雷同具备锻练的任务动态散播式挪动能力的系统，因此不错匹配 Agent 启动中动态拉起子任务等需求。同期 Ray 的 Actor 亦然有情状的，不错知足 Agent 永劫有情状启动的条件。

但 Ray 此前多用在离线散播式诡计场景，复旧在线办事类应用时可能需要在申请接入等面多作念些职责。此外皮安全壅塞、多租、弹等面相对来说还存在较多的能力欠缺，这使其现时仍难以很好解决 Agent 在安全和资源运用上的问题，因此可能还不适径直复旧企业大规模 Agent 在线应用。

Anthropic Managed Agents

在构念念本篇著作的流程中，作家也关注到了 Anthropic 新的篇对于 Managed Agents 的著作[3]。这篇著作中，Anthropic 在其之前建议的 Harness、Tool 等成见外，还明确建议了 Session、Sandbox 等新的成见，并明确建议将这些成见达成相互解耦，以好地知足容错、安全等沟通。

尽管念念考问题的角度略有不同，但对于将 Sandbox 剥离出 Harness、Many Brains、Many Hands 这些想法和本文的不雅点额外契。比如，将 Sandbox 剥离出 Harness 恰是为了解决咱们前述的隐讳流露等问题，Many Brains 则对应咱们前边讲的多个 Agent 实例的部署和水平弹，Many Hands 则是咱们前边讲的在 Agent 启动流程中不错动态拉起多个器具并行实行。但可惜著作在抛出了这些 Meta-Harness 理念外，并未胪陈现时的达成情况以及如何达成。

追思与规划

Agent 是对传统应用样式的颠覆，带来了不同以往应用的非细则，其动态、不安全、长会话的启动特征是传统 K8s 容器微办事时期体系难以知足的，对散播式基础要领域建议了全新挑战，条件雷同单机 OS 样加生动刚劲的散播式系统能力。红运的是，业界仍是有像 openYuanrong 等的开源系统已在此向蚁集了好多能力不错很好匹配 Agent 应用的关系诉求。

比拟于 Anthropic 等行业前锋，现时大部分企业可能齐还停留在云原生微办事应用时期，还遍及短缺 Agent 关系的大规模应用落地实践。但 Agent 应用如实又很可能行将在短时候内迎来爆发，因此比拟于 K8s 在云原生时期的进步程度，企业需要面向 Agent 时期尽早储备关系时期，构建适自身需要的 Agent 散播式基础要领。

作家先容

梁义，华为通用 Serverless ，华为元帅架构师，openYuanrong Maintainer

博士毕业于浙江大学诡计机学院，曾任职于 Ask.com、同花顺、阿里巴巴、蚂趋承团等公司，耐久从事散播式系统向职责，涵盖搜索荐、大数据、及时诡计、在线机器学习、散播式诡计、 Serverless、AI Infra 等域，面前注于构建统复旧包括 AI 在内各种散播式场景的通用 Serverless 散播式诡计引擎 openYuanrong。

参考府上

[1] https://docs.openyuanrong.org/

[2] https://www.ray.io/

[3] https://www.anthropic.com/engineering/managed-agents

1.本网站以及本平台支持关于《新广告法》实施的“极限词“用语属“违词”的规定，并在网站的各个栏目、产品主图、详情页等描述中规避“违禁词”。
2.本店欢迎所有用户指出有“违禁词”“广告法”出现的地方，并积极配合修改。
3.凡用户访问本网页，均表示默认详情页的描述，不支持任何以极限化“违禁词”“广告法”为借口理由投诉违反《新广告法》衢州预应力钢绞线规格及参数，以此来变相勒索商家索要赔偿的违法恶意行为。