Агентний ШІ в Kubernetes: новий рівень управління інфраструктурою

AI-агенти вже здатні спостерігати за кластерами Kubernetes, міркувати про побачене й діяти в наперед визначених межах. У матеріалі, опублікованому на The New Stack, Ріс Оксенгем, віцепрезидент і генеральний менеджер напряму AI у SUSE, доводить, що цінність таких систем залежить не стільки від моделей, скільки від контексту, який бачить агент, і від рамок, які встановлює команда. Без стану кластера, політик і правил доступу агент може лише здогадуватися.

Що змінюється, коли AI доходить до рівня інфраструктури

Колись команди вважали AI справою застосунків: моделі стояли над наявними системами, а стек під ними майже не змінювався. Коли AI-навантаження виходять у продакшн, вони висувають нові вимоги до інфраструктурного шару, який охоплює обчислення, зберігання даних і мережу; потреби в ресурсах зростають і спадають хвилями навчання та інференсу. Нещодавній звіт Forrester описує сучасний стек AI-обчислень як такий, що тягнеться від самих моделей углиб інфраструктури під ними, де Kubernetes став контрольною точкою для планування навантажень, застосування політик і поєднання дата-центрів, хмар та периферії.

Чому саме контекст визначає користь агентів

Традиційна автоматизація виконує той самий скрипт незалежно від змін у середовищі, а агентна система спостерігає, міркує й діє, зазвичай після підтвердження людиною. Саме сигнали, які отримує агент, контекст політик і доступу та визначені межі відрізняють його від звичайного асистента.

Ручне керування ще тримається на кількох кластерах, але стає ненадійним у середовищі, що швидко зростає; кожен новий кластер додає роботу з життєвим циклом: оновлення, патчі, конфігурацію та продовження термінів. Дрейф конфігурації — високий ризик, а політики можуть застосовуватися нерівномірно від команди до команди. Кластери, розкидані між дата-центрами, хмарами та периферією, залишають команди без єдиної картини, а знання розпорошені між логами, метриками та регламентами.

Повторювану частину цієї роботи Оксенгем називає «toil»: повторний тріаж, ручне зіставлення сигналів, реакція на оповіщення та рутинні перевірки. Ці завдання не складні, але з'їдають час і увагу. Нещодавнє опитування дійшло того самого висновку: скорочення рутини — одна з найясніших можливостей. Під наглядом людини агенти можуть збирати сигнали, зіставляти їх і пропонувати ймовірну причину.

Чотири принципи агентних операцій у Kubernetes

Автор визначає чотири принципи: починайте зі спостережуваного контексту, щоб агент бачив стан кластера, політики та історію перед дією; відокремлюйте пропозиції від дій, щоб будь-яка зміна чекала на схвалення людини й визначені межі; підключайте агентів до наявних правил доступу, ідентичності й аудиту; тримайте екосистему відкритою. SUSE вказує на свою платформу Rancher Prime, яку називає першою в галузі контекстно-обізнаною агентною AI-екосистемою, де спеціалізовані агенти працюють за інтелектуальним маршрутизатором і діють через наявні контролі доступу. Там, де контроль змін має залишатися повністю ручним, роль агентів може обмежуватися спостереженням і пропозиціями.