AX

AX 是 Google 开源的声明式编排器，用来在集群规模上运行智能体工作负载。它的出发点是：Agent 既不是聊天会话，也不是微服务，而是一种新的工作负载类型，它会累积状态、需要严格隔离、会调用模型 API 与工具服务，而且如果没人盯着，它可以在循环里持续烧钱。AX 用 YAML 清单和一个刻意做成 kubectl 形状的命令行工具来应对这些问题。

所有资源都是 ax.io/v1alpha1 清单，用一条命令即可 apply；项目自述的目标是单集群运行数十亿个任务。沙箱执行被交给独立的 Apache-2.0 运行时 Agent Substrate。

核心功能

四个原语：Task 是带 CPU 与内存上限的隔离沙箱，创建、暂停、丢弃都很廉价；Workspace 会在任务开始前把 Git 仓库、MCP 服务器和技能包预置好；Gateway 用显式的域名与端口白名单表达网络策略，并向出站请求注入凭证；Model 把模型、参数和密钥放在一个对象里，轮换密钥或固定新版本只需一次 apply。
kubectl 形状的 CLI：ax apply、get、describe、watch、delete，外加智能体专属动词。ax ssh task -- ls -la /workspace 可以直接进入运行中的沙箱，ax suspend / ax resume 则能把 Agent 检查点暂停、再原地续跑。
跟随 kube context：AX 会解析并隧道连接到当前上下文的控制面，所以 kubectx prod-cluster && ax get tasks 无需额外配置即可工作。
可替换的 Runner：控制面与任务容器之间的契约是公开的，你可以构建自己的 runner 镜像来替代默认实现。
声明式状态：ax get task <id> 会以 YAML 返回 spec 与实时状态，ax watch 则流式输出阶段与条件变化。

适用场景

平台团队：需要在硬隔离、花费上限和审计链路下运行 Agent 生成的代码，而不是让它跑在开发者的笔记本上。
批量 Agent 任务：代码迁移、测试修复、数据抽取或评测，需要成百上千个互相独立的沙箱，而不是一个长会话。
长周期 Agent：步骤之间应该被暂停，suspend / resume 可以停止资源消耗而不丢失工作区。
受限网络环境：Agent 只能访问显式白名单中的域名与端口。

定价

AX 本身是 Apache License 2.0 的开源项目，免费使用。你需要承担的是自己的 Kubernetes 集群、容器镜像仓库，以及 Agent 实际产生的模型 API 调用费用，凭证统一放在 Model 资源里。截至 2026-09-25，项目官网没有提供托管的 AX 服务。

快速开始

安装 CLI：go install github.com/google/ax/cmd/ax@latest。
部署控制面：make deploy AX_IMAGE_REPO=<your-registry>。需要 Kubernetes 集群、ko 以及集群可拉取的镜像仓库，所有组件会部署到 ax-system 命名空间。
提交任务并观察运行：

ax apply -f task.yaml
ax watch task test
ax ssh test -- ls -la /workspace

仓库自带 ./demo.sh，会完整走一遍生命周期：apply 一个 workspace、等待就绪、通过 ax ssh 执行命令，最后 suspend 任务。

局限与风险

未到 1.0，官方明确说明不稳定：README 提醒核心概念、协议与规范仍在演进，稳定版之前可能出现大规模破坏性变更。截至 2026-09-25，最新发布标签是 2026-09-20 的 v0.3.0，仓库有 38 个未关闭 issue。
跑单个 Agent 太重：第一个任务之前就需要 Kubernetes 集群、ko 和镜像仓库。
没有托管控制面：AX 是需要你自己运维的基础设施，升级、Redis 依赖、集群安全都由你负责。
文档在仓库里：准备好阅读 concepts 与 manifests 指南，而不是一份打磨过的产品手册。

常见问题

AX 是模型还是 Agent 框架？

都不是。它是面向智能体工作负载的调度器与控制面。Agent、模型和工具由你提供，AX 决定它们在哪里运行、如何隔离。

可以用哪些模型？

Model 资源是按提供商建模的。仓库里的示例默认使用 Gemini，集群能访问到的任何提供商都可以通过 Kubernetes Secret 里的凭证配置。

和 LangGraph、CrewAI 有什么区别？

那些框架描述单个 Agent 的逻辑如何流转，AX 描述大量 Agent 如何运行：调度、隔离、网络策略与生命周期。二者互补，AX 的任务完全可以只是启动一个 LangGraph 或 CrewAI 应用。

必须有 Kubernetes 经验吗？

实际上需要。CLI 的设计让 kubectl 用户能立刻上手，与 kubectx 的互操作也是官方一等特性。

替代方案

LangGraph：问题在 Agent 逻辑而非集群调度时的图式编排方案。
Google ADK：Google 的 Agent 开发套件，用来构建 AX 将要调度的 Agent。
E2B 与 Daytona：不想自己运维控制面时可直接使用的托管沙箱 API。
Strands Harness：负责 Agent 循环本身的 harness SDK。

结论

AX 回答的是大多数团队在第一个 Agent demo 跑通之后才会遇到的基础设施问题：当你需要一万个 Agent 同时运行，并且要求隔离、可审计、成本可控时该怎么办。Google 的赌注是 YAML 加 Kubernetes 习惯会胜过定制的 Agent 运行时。项目很年轻也公开承认不稳定，现在适合用它做原型，等规范稳定后再评估生产可用性。

先读 AX 官方文档与仓库里的 concepts 指南，可以快速掌握全部原语。