Google open-sourct AX: Orchestrator für Milliarden von AI-Agenten

Google hat AX veröffentlicht, einen offenen, deklarativen Orchestrator für AI-Agenten. Das Projekt ist aus internem Google-Research entstanden und adressiert ein Problem, das klassische Infrastruktur nicht lösen kann: Agenten sind weder Microservices noch Batch-Jobs.

Agenten als neue Workload-Klasse

Agenten akkumulieren State, brauchen strikte Isolation, rufen Model-APIs und Tool-Server auf - und können in einer Endlosschleife Geld verbrennen, wenn niemand hinschaut. AX kapselt das in vier kleine Primitive:

• Task: Untrusted Agent-Code läuft in einer Sandbox mit CPU- und Memory-Limits. Billig zu erstellen, zu suspendieren und wegzuwerfen.
• Workspace: Man listet Git-Repos, MCP-Server und Skills auf - oder beschreibt das Goal einfach in natürlicher Sprache. AX richtet die Umgebung vor Task-Start in jeder Sandbox ein.
• Gateway: Netzwerk-Policies als explizite Allowlist von Hosts und Ports, inklusive Credential-Injection.
• Model: Modelle, Parameter und Secrets an einem Ort. Key-Rotation oder neue Modell-Version mit einem Apply.

Milliarden Tasks, Sub-Sekunden-Resume

AX baut auf dem “Agent Substrate” auf, einem Compute-Runtime für massive Dichte und schnelle Stateful-Actor-Lifecycles. Jeder Task läuft als leichtgewichtiger Actor, was Milliarden gleichzeitiger Agent-Sessions pro Cluster ermöglicht - ohne Orchestrator-Limits. Idle Agenten, die auf Model-Responses oder menschliche Freigabe warten, werden gecheckpointed, suspendiert und in unter einer Sekunde wieder aufgeweckt - ohne Cold-Start. Dense Multiplexing sorgt dafür, dass Dutzende Tasks sich Worker-Ressourcen teilen.

Generative Workspaces

Das Charmierende: Man kann einen Workspace per YAML-Ziel beschreiben (“Richte eine Python-3-Entwicklungsumgebung ein”), und AX übergibt das beim ersten Boot an einen Agenten, der die Toolchain installiert und Dependencies verifiziert. Für Research-Workflows lassen sich massenhaft reproduzierbare Sandboxes aufsetzen - für Trajectory-Collection, RL-Loops oder Agent-Evaluation im großen Stil.

Link: AX Projektseite | GitHub: google/ax