Google 开源 ax：Kubernetes 风格的 AI 智能体编排系统，7.8K+ Star

ax 简介

AX 是 Google 开源的一套面向 AI 智能体工作负载的声明式编排系统。它不是传统意义上的应用编排框架，而是针对 AI 智能体这类新型计算任务设计的运行平台。Agent 通常会长期持有状态、访问外部模型和工具服务，并执行不可完全预测的操作，因此需要隔离执行、资源限制、网络围栏、状态恢复和可观测能力。

AX 通过类似 Kubernetes 的 YAML 清单和 CLI 交互方式，把 Agent 任务抽象为 Task、Workspace、Gateway、Model 等核心原语，让用户可以声明式地定义智能体的工作空间、网络网关、底层模型及执行任务，实现从单节点调试到数十亿级任务调度的统一管理。

亮点特性

01 Kubernetes 风格的原生体验

CLI 命令（apply、get、watch、delete）和 YAML 清单设计与 kubectl 高度一致，支持多文档 YAML 和 kubectx 上下文切换，极大降低学习成本。

02 四大核心原语抽象

提供 Task（沙箱执行）、Workspace（环境与依赖预热）、Gateway（出站网络白名单）、Model（LLM 凭证配置）四个基础概念，覆盖智能体生命周期管理。

03 基于 Agent Substrate 的安全沙箱

底层依赖 Agent Substrate 实现严格的 CPU/内存限制与环境隔离，确保不可信的智能体代码不会危害宿主机或集群。

04 智能体状态检查点机制

原生支持 ax suspend 和 ax resume 命令，能够暂停空闲智能体并在恢复时精确接续之前的状态，有效优化计算资源与 API 成本。

使用场景

场景 1：安全运行不可信 AI 智能体代码

在 Kubernetes 集群中大规模运行不可信的 AI 智能体代码，利用沙箱机制限制 CPU/内存并隔离环境。

场景 2：预配置标准化工作空间

为 AI 智能体预配置包含特定 Git 仓库、MCP 服务器和技能包的标准化工作空间，确保每次启动环境一致。

场景 3：出站网络白名单管控

通过严格的出站网络白名单（Gateway）管控智能体的 外部 API 调用，防止恶意或意外的网络访问与资金消耗。

场景 4：长时间任务挂起与恢复

对长时间运行的智能体任务进行挂起（Suspend）和恢复（Resume），实现状态的检查点保存与断点续跑。

快速上手

1. 安装 CLI 工具

需要 Go 环境，通过以下命令安装 ax 命令行工具：

go install github.com/google/ax/cmd/ax@latest

确保 $(go env GOPATH)/bin 已加入系统的 PATH 环境变量。

2. 部署控制平面

需要一个 Kubernetes 集群、ko 工具（可通过 brew install ko 安装）、集群可拉取的容器镜像仓库，以及可达的 Agent Substrate Control API。

make deploy AX_IMAGE_REPO=<your-registry>

该命令会部署 Redis 并使用 ko 构建部署控制平面镜像，所有组件将部署在 ax-system 命名空间中。

3. 编写并应用任务清单

创建一个 task.yaml 文件，声明工作空间和任务：

apiVersion: ax.io/v1alpha1
kind: Workspace
metadata:
name: golang
spec:
git:
    - repo: https://github.com/golang/go.git
branch: "my-fix"
---
apiVersion: ax.io/v1alpha1
kind: Task
metadata:
name: test
spec:
workspaces:
    - name: golang
goal: "Ensure that Go tool chain is available and is built from source"
debug: true

4. 核心操作命令

# 应用配置
ax apply -f task.yaml

# 查看任务列表与详情
ax get tasks
ax describe task test

# 实时监听任务状态变化
ax watch task test

# SSH 进入沙箱环境调试（需开启 debug: true）
ax ssh test -- ls -al /workspace

# 挂起与恢复任务
ax suspend task test
ax resume task test

替代方案

对比 1：Kubernetes Jobs/CronJobs

传统的 K8s 批处理任务缺乏针对 AI 智能体的专属抽象（如 LLM 模型绑定、MCP 服务器挂载、网络白名单），且无法原生支持智能体状态的挂起与恢复。

对比 2：Ray（Anyscale）

Ray 更侧重于分布式计算和机器学习训练/推理框架，而 AX 专注于 AI 智能体工作负载的声明式编排与安全沙箱隔离，定位更加垂直。

对比 3：LangGraph / CrewAI

这类框架主要解决智能体内部的逻辑编排和多智能体协作问题，属于应用层框架；AX 则是基础设施层的调度器，负责这些智能体应用在集群中的运行、隔离与扩缩容。

相关资源

项目地址：github.com/google/ax

如果对这类 AI 基础设施项目感兴趣，也欢迎到 云栈社区 一起交流。