Google 開源 AX：專為 Agent 打造的叢集編排引擎　目標支援億級自主任務

Google 開源 AX：專為 Agent 設計的叢集編排引擎

AX 是一個高吞吐量的宣告式編排器，可在叢集中執行數十億個自主 agent 工作負載。它運行於 Agent Substrate 之上，提供沙盒化執行環境。對熟悉 Kubernetes 的人來說，AX 的使用體驗非常類似。

Google DeepMind 近日正式開源一款名為 AX 的 agentic 編排框架，試圖為業界長期缺乏共識的「agent 究竟該怎麼跑」問題，提出一套具體且可大規模部署的解法。專案以 Apache 2.0 授權釋出，原始碼公開於 github.com/google/ax。

為什麼需要 AX：Agent 是新形態的工作負載傳統的工作負載模型分兩種：無狀態的微服務，或跑一次就結束的批次任務。但 agent 不一樣 — 它會累積狀態、需要嚴格的隔離、要呼叫模型 API 與工具服務，而且只要沒人在監控，它可以在迴圈裡燒光你的預算。

【Google Cloud 官方】用 Google Cloud AI agent 平台把 prototype 推到 production

【Google AI Deep Dive Ep 2】動手打造新一代 Agentic AI 架構

AX 把所有這些麻煩事抽成四個小原語，讓使用者用宣告式 YAML 表達，剩下的交給平台處理。

這四個原語都寫成 ax.io/v1alpha1 格式的 manifest，只要一行指令 ax apply 就能部署。

快速上手：三步把第一個 agent 跑起來

1. 安裝 CLI

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

這會把 ax 這個執行檔放到 $(go env GOPATH)/bin，記得把這個目錄加進 PATH。

2. 部署 control plane

使用者需要準備 Kubernetes 叢集、ko（brew install ko）、叢集可拉取的 container registry、以及可達成的 Agent Substrate Control API（in-cluster 預設：api.ate-system.svc.cluster.local:443）。

make deploy AX_IMAGE_REPO=<your-registry>

這會先部署 Redis，再用 ko 建置並部署 control plane 映像檔，全部歸在 ax-system namespace。

3. 跑你的第一個任務

ax apply -f examples/task.yaml       # Task + Workspace + Gateway + Model 一檔搞定
ax get tasks
ax watch task task123                # 即時串流 phase 與 condition 變化
ax ssh task123 -- ls -la /workspace  # 鑽進沙盒內部查看
ax suspend task task123              # checkpoint 並暫停
ax resume task task123               # 從中斷點接續

想看完整生命週期，直接跑 ./demo.sh — 它會套用自訂 workspace、等待就緒、用 ax ssh 跑指令，最後把任務 suspend 起來。

為什麼 AX 不是另一個 K8s 分支

AX 跑在 Agent Substrate 之上，後者是一套從底層為高密度、快速有狀態 actor 生命週期設計的運算 runtime。

每個任務都是輕量級 actor，可以擴展到每叢集數十億個並行 agent session，不會碰到傳統 orchestrator 的天花板。幾個關鍵設計：

• 閒置 agent 自動 checkpoint：等模型回應、等工具呼叫、等人的回應時，會被暫停、序列化、1 秒內原地喚醒，零冷啟動延遲
• 共享 worker 資源：數十個任務共用 worker，把等待時間轉成閒置算力，只有 agent 在思考和跑程式碼時才計費
• 原生生成式整合：用自然語言描述 workspace 設定，環境會在任務開始前自動準備好

為誰設計：builder 與 researcher

AX 官方表示，設計初衷是「讓處理 agentic 基礎設施變簡單，這樣你可以專心做自己的事」。在功能取捨上，他們堅守兩個原則：

• 讓 runtime 保持精簡、輕量，只在必要時加入大家都需要的功能
• 專注於 ergonomics、快速迭代、愉悅的工作流

AX 誕生於 Google 內部，當 agentic runtime 系統研究遇上前沿運算基礎設施。經過多年打造與維運 agentic 執行引擎，Google 內部多個團隊意識到 agentic 工作負載需要專屬平台。這個專案奠基於 Google DeepMind 在 agentic runtime 的研究，加上團隊在大規模隔離、resumption、調度方面的實戰經驗，目標是打造一個開放、宣告式的控制平面，讓 agent 不必再依附於 Kubernetes 通用 workload 上。

🚨 為什麼這件事重要

Google 把 agent runtime 視為「值得專門打造基礎設施」的品類，這是業界少見的表態。

過去兩年 agent 框架百家爭鳴 — LangChain、AutoGen、CrewAI、Anthropic 的 Claude Agent SDK — 但幾乎沒有人專注在「agent 跑在大規模叢集上」這層。

AX 的開源有三層訊號值得解讀：

1. 驗證「agent 是 workload 不是 prompt」：當 Google 願意為它寫一套 Kubernetes 等級的編排系統，代表 agent 在 Google 內部已經是基礎設施級的負載類型，不是 demo 玩具
2. DeepMind 工程實力外溢：Agent Substrate 是 DeepMind 多年研究的結晶，現在以開源形式釋出，等於承認閉門造車對生態不利
3. 生態卡位：當 Anthropic 押 Claude Code、OpenAI 押 Codex Agents、Google 用 AX 搶 agent runtime 的底層 — 這是一場看不見硝煙的「誰來當作業系統」之爭對台灣與中文圈的開發者來說，AX 的價值在於：它的 manifest 格式 (ax.io/v1alpha1) 借鏡 Kubernetes，如果你熟悉 kubectl，上手 AX 只需要半天。

🚨 數據解讀

297 HN 積分、113 留言、上線當天就衝到當週 Top 5（截至 2026-09-21）— 在這個以基礎設施項目為主的版面，這是相當高的參與度。值得追蹤的數字：

• 沙盒冷啟動時間：官方聲稱「1 秒內原地喚醒、零 cold-start delay」。這個數字會是判斷 AX 是否真的「生產可用」的第一個指標 — agent 等 30 秒才回應跟等 1 秒，使用體驗差非常多
• 叢集規模上限：官方稱「每叢集數十億並行 agent session」。這是規格書的數字，不是實測。要等第三方 benchmark 出來才知道
• API 穩定度：官方 README 開頭的 WARNING 明確承認 v1alpha1 仍在快速演進，「可能會在穩定版前引入重大破壞性變更」。等於告訴使用者「現在別拿來跑 production」

目前 v1alpha1 API 還在快速演進，官方警告：「可能會在穩定版前引入重大破壞性變更」。這是 alpha 階段的正常節奏，但企業用戶短期內不適合拿來跑關鍵任務。

目前狀態與取得方式

• GitHub：https://github.com/google/ax
• 官方網站：https://agentexecutor.io
• 授權：Apache 2.0
• 狀態：v1alpha1（alpha 階段，API 不穩定）
• 進入點：需具備 Go 環境（用 go install 安裝 CLI）+ Kubernetes 叢集 + container registry

編按：本文綜合整理自 AX 官方網站（agentexecutor.io）、Google AX GitHub 專案 README，並加入 Siami 編輯部觀點與分析。