AX: Google-ის ღია ორკესტრატორი აგენტური დავალებებისთვის

AX — ღია კოდის მართვის სიბრტყე AI-აგენტების გასაშვებად: დავალებას YAML-ში აღწერ, სისტემა კი მას სენდბოქსში ათავსებს, სამუშაო გარემოს ამზადებს, ქსელს ზღუდავს და კლასტერზე დიდი რაოდენობით მსგავს დავალებას უშვებს. პროექტი GitHub-ზე google/ax-ის სახელითაა ხელმისაწვდომი, Apache 2.0 ლიცენზიით, პრეზენტაცია კი agentexecutor.io-ზეა გამოქვეყნებული.

ოთხი პრიმიტივი

AX აგენტურ ინფრასტრუქტურას ოთხ დეკლარაციულ ობიექტამდე ამცირებს. Task არასანდო აგენტურ კოდს CPU-სა და მეხსიერების ლიმიტების მქონე სენდბოქსში უშვებს და მისი შექმნა, შეჩერება ან განადგურება იაფია. Workspace ჩამოთვლის Git-რეპოზიტორიებს, MCP-სერვერებსა და უნარებს, რომლებიც აგენტს სჭირდება — ან უბრალოდ აღწერს მიზანს — და ყოველ სენდბოქსში დავალების დაწყებამდე მზადდება. Gateway ქსელურ პოლიტიკას განსაზღვრავს: ტრაფიკი ჰოსტებისა და პორტების ცხად ნებადართულ სიაზე იკეტება, გამავალ მოთხოვნებში კი სერთიფიკატები ინექცირდება. Model ბლოკი მოდელებს, პარამეტრებსა და საიდუმლოებს ერთ ადგილას ინახავს, ამიტომ გასაღების როტაცია ან მოდელის კონკრეტულ ვერსიაზე დამაგრება ერთი apply-ით სრულდება.

როგორ მუშაობს

AX ეყრდნობა გარემოს, რომელსაც პროექტი Agent Substrate-ს უწოდებს — ის სიმკვრივისა და სწრაფი stateful აქტორებისთვისაა შექმნილი. თითოეული დავალება მსუბუქ აქტორად მუშაობს, რაც, პროექტის მტკიცებით, კლასტერზე მილიარდობით პარალელურ აგენტურ სესიამდე მასშტაბირების საშუალებას იძლევა ორკესტრატორის ლიმიტების გარეშე. მოდელის ან ინსტრუმენტის პასუხსა და ადამიანის დადასტურებას მოლოდინში მყოფი აგენტები ჩეკპოინტდება და იჩერება, შემდეგ კი წამზე ნაკლებ დროში უბრუნდება მუშაობას ცივი გაშვების გარეშე; ათეულობით დავალება საერთო რესურსს იყენებს, ამიტომ ლოდინის დრო თავისუფალ გამოთვლით სიმძლავრედ იქცევა. ბრძანებათა ხაზი იმავე დეკლარაციულ მოდელს მიჰყვება: ax apply -f task.yaml ქმნის სამუშაო სივრცესა და დავალებას, ax watch და ax get tasks აჩვენებს ფაზასა და worker-ის IP-ს, ax ssh სენდბოქსში შელს ხსნის, ხოლო ax suspend, ax resume და ax delete სასიცოცხლო ციკლს მართავს.

საიდან მოდის

პროექტი საკუთარ თავს Google-ში დაბადებულად წარმოადგენს, სადაც აგენტური გარემოების კვლევა frontier გამოთვლებს შეხვდა; ნაწილი Google DeepMind-ის კვლევაზეა დაფუძნებული. არგუმენტი ასეთია: აგენტები არც მიკროსერვისები არიან და არც პაკეტური დავალებები — ისინი მდგომარეობას აგროვებენ, მკაცრ იზოლაციას საჭიროებენ, მოდელების API-ებსა და ინსტრუმენტულ სერვერებს მიმართავენ და ზედამხედველობის გარეშე რესურსებს ფლანგავენ. უსტატუსო სერვისებისთვის შექმნილი ტრადიციული ორკესტრატორები ძვირი ხდება, როცა უმოქმედო სენდბოქსები უნდა შეინარჩუნონ, და მათ ბუნებრივად არ გააჩნიათ წამზე სწრაფი შეჩერება-განახლება. AX მკვლევრებზეცაა გათვლილი: მათ შეუძლიათ რეპროდუცირებადი სენდბოქსები შექმნან ტრაექტორიების შესაგროვებლად, reinforcement learning-ის ციკლებისთვის და აგენტების მასშტაბური შეფასებისთვის.

პლატფორმაში გენერაციული ფუნქციებიც შედის: სამუშაო გარემოს აღწერა ჩვეულებრივი ინგლისურით შეიძლება, AX კი ამ მიზანს პირველივე გაშვებისას აგენტს გადასცემს, რომ ხელსაწყოები დააყენოს და დამოკიდებულებები შეამოწმოს. პროექტის თანახმად, ის ინტერაქტიულ კოდირების აგენტებს, ხანგრძლივად მომუშავე აგენტურ სერვერებს, Jupyter-ის ნოუთბუქებს, headless ბრაუზერის ტესტირებასა და მორგებულ ინსტრუმენტულ გარემოებს უშვებს.