AX 推出高密度沙箱式代理執行環境，支援大規模任務

核心重點

Google 內部研發的 AX（Agent eXecution）平台，提供一套可在沙箱中安全執行代理程式的完整基礎建設。它以 CPU / 記憶體限制、網路政策、模型與密鑰管理 為基礎原語，讓開發者能在單一叢集內同時啟動 數十億 個代理會話，且每個會話皆保持嚴格隔離與即時回復。

背景與技術設計

1. 為何需要 AX

傳統的 微服務 或 批次作業 無法同時滿足以下需求：

累積狀態：代理程式往往需要在多輪交互中保留前置資訊。
嚴格隔離：執行不受信任的程式碼時，必須防止資源濫用或資料外洩。
呼叫模型 API 與工具伺服器：AI 代理常需即時存取大型語言模型或外部工具。
成本控制：若無監控，迴圈執行可能無限消耗金錢。

AX 以四個小原語（沙箱、資源清單、網路政策、模型配置）以宣告式方式解決上述問題，讓使用者只需描述「需要什麼」而非「怎麼做」。

2. 沙箱與資源限制

輕量沙箱：在每個沙箱內執行代理程式，設定 CPU 與記憶體上限，建立、暫停、銷毀成本極低。
資源清單：使用者可列出 Git 倉庫、MCP 伺服器、所需技能，或直接描述最終目標，AX 會在任務啟動前自動配置完成。

3. 網路政策與憑證注入

明確允許清單：只允許特定主機與埠的流量，避免不必要的外部連線。
憑證注入：在進入請求時自動加入 API 金鑰或其他密鑰，確保安全性。

4. 模型與密鑰集中管理

單點配置：模型版本、參數、密鑰皆可在同一位置設定。
即時更新：只要一次 apply，即可完成金鑰輪換或模型升級，減少部署摩擦。

運作機制與效能優勢

AX 建構於 Agent Substrate 之上，這是一套從零開始設計的運算執行環境，專為 高密度 與 快速狀態化演員（actor）週期 而生。其關鍵特性包括：

| 特性 | 說明 | |------|------| | 輕量演員 | 每個任務皆作為輕量演員執行，可在叢集內同時支援數十億個並發代理會話。 | | 即時檢查點 | 代理在等待模型回應、外部工具或人工回覆時會被快照、暫停，恢復時間低於 1 秒，無冷啟動延遲。 | | 資源共享 | 多個任務共享工作者資源，將閒置等待時間轉化為可用計算力，僅在代理「思考」時付費。 | | 生成式 AI 整合 | 直接在平台內使用生成式模型，例如以自然語言描述所需工作區，AX 會自動在首次啟動時安裝工具鏈、驗證相依性。 |

這些機制讓開發者能夠快速建立 可重現的沙箱，用於收集軌跡、執行強化學習迴圈、或在大規模下評估代理效能。

產業影響與未來展望

AX 的設計哲學是 「降低基礎建設門檻、提升開發者體驗」。對於 AI 應用開發者、研究人員 以及 企業內部自動化團隊，它提供了：

即時迭代：開發者可在幾秒鐘內部署新版本的代理，並透過單一介面管理所有依賴。
成本可視化：只有在代理真正執行程式碼時才產生費用，避免長時間空閒的資源浪費。
安全合規：細緻的網路與憑證政策滿足企業級安全與資料保護需求。

未來，隨著 生成式 AI 與 自動化工具 持續深化整合，AX 有望成為大型雲端服務供應商與企業內部 AI 平台的標準執行層。開放 API 與跨雲支援將進一步擴大其生態系，讓更多開發者能在不同雲端環境中以相同方式部署與管理高密度代理。

結語

AX 以「沙箱 + 宣告式資源管理」的全新模式，解決了大規模代理執行的核心痛點。對於想要在 千億級別 任務規模下仍保持安全、成本與開發效率的組織而言，AX 提供了一條可行且具前瞻性的道路。未來，隨著平台功能持續擴充與生態系成熟，AI 代理的開發與部署將更加平順，成為企業數位轉型的重要推手。