https://github.com/google/ax Google 把 AX…

github.com/google/ax

Google 把 AX 开源了，可以理解成 Agent 版的 Kubernetes。

要处理的问题在规模上。跑一个 agent 是玩具，同时跑几千、几万甚至更多的任务，账就完全不同。执行环境要隔离，CPU 和内存得限住。Git 仓库工作空间、MCP Server、Skills、模型设定、状态管理、任务暂停与恢复、大批 agent 的生命周期，件件都得有人管。

AX 直接跑在 Kubernetes 加 Agent Substrate 上，操作方式故意做得像 kubectl，ax apply、ax get tasks、ax describe task、ax watch task，还能 ax ssh 直接钻进 agent 的沙箱，看它此刻在干什么。仓库挂在 GitHub。

Workspace 那块最有意思。仓库、MCP 服务器、技能包可以预先备好，agent 一启动直接开工，不用现配。Google 给它的定位听着夸张，一个集群执行数十亿级的自主任务。

规划这半是我判断下一阶段的依据。现在的 AI 编程还停在"我开个工具帮我写"，往后会变成：一个 agent 规划任务，拆成一百个子任务，每个建独立沙箱，平行跑完回收环境。这条链一通，要的就不只是框架，是基础设施。这跟前面批决策、工作树隔离那两篇正好接上，规模上去之后，沙箱和回收就是绕不开的账。

我留的疑问是实测。数十亿级是定位不是数字，单集群到底扛多少并发、沙箱冷启动多快，得等有人真跑起来给数。

想试的去把仓库翻出来，先在自家 K8s 上起个小集，拿 ax watch 盯一天任务流水，比读十页文档管用。