当前位置:首页 > 文章列表 > 科技周边 > 业界新闻 > CNCF OpenShell 与 Agent Substrate 怎样补齐生产 AI agent 基础设施

CNCF OpenShell 与 Agent Substrate 怎样补齐生产 AI agent 基础设施

来源:17golang原创 2026-11-19 15:04:24 0浏览 收藏

如果你最近在看 Kubernetes 上的 AI agent 基础设施,很容易把“运行 agent”“隔离 agent”“限制 agent 能访问什么”混成一件事。CNCF 在 2026 年 11 月 10 日的官方公告里把 OpenShell 与 Agent Substrate 都列为新的 Sandbox 项目,但它们落点并不相同:OpenShell 更靠近运行时治理与策略控制,Agent Substrate 更靠近 Kubernetes 上的零信任执行和不可信代码隔离。

官方资料入口:https://www.cncf.io/announcements/2026/11/10/cncf-hits-major-milestones-with-global-community-growth-record-industry-investment-and-a-new-generation-of-projects-to-build-ai-systems-in-production/

先记住一句话:OpenShell 解决“agent 可以怎样行动、能碰哪些资源”,Agent Substrate 解决“agent 代码放在哪里执行、怎样隔离不可信部分”。两者都处于 Sandbox 阶段,公告可以支持定位判断,不能替代项目文档、部署测试或生产承诺。

先把 CNCF 公告里的两个信号分开

这次公告同时讲了项目加入 CNCF 的治理状态和 AI 基础设施的技术方向。CNCF 对 Sandbox 的定义是尚未广泛经过生产验证、仍处于前沿探索的项目。因此,“进入 CNCF Sandbox”说明项目开始进入公开协作和生态治理视野,不等于它已经像 Graduated 项目一样被广泛采用。

技术上,公告给出的信息足够我们建立一张边界图:OpenShell 被描述为 autonomous AI agents 的 secure runtime;Agent Substrate 被描述为在 Kubernetes 上执行 AI agents 的 zero-trust runtime,并隔离 untrusted code。下面只解释这两个描述之间的分工,不补写公告没有给出的性能、版本或部署细节。

OpenShell 运行时治理与文件网络凭据模型端点之间的静态关系说明图
图1:运行时治理结构说明图,展示 OpenShell 关注的策略与资源边界,不是官方截图。

OpenShell 解决的是 agent 的运行时治理

把 agent 看成会调用工具的执行单元,真正进入生产环境后,问题不只是模型能不能回答,而是它是否可以读取某个文件、访问某段网络、使用某组凭据,或者把请求发往某个模型端点。CNCF 公告对 OpenShell 的描述,正好落在这些“行动边界”上:它治理 agent 如何执行、可以访问哪些资源,以及推理请求如何路由。

因此,OpenShell 更适合被理解成 agent 周围的控制层。它不是在公告中被定义为新的模型,也不是一个替代 Kubernetes 的调度器。读者阅读项目资料时,可以沿着四个问题继续追:策略在哪里声明,策略怎样被执行,文件/网络/凭据分别怎样被约束,模型端点路由由哪一层负责。只有项目文档明确回答后,才能进一步判断是否适合自己的平台。

Agent Substrate 把不可信代码隔离在 Kubernetes 运行时

Agent Substrate 的关注点更偏执行环境。公告把它描述成 Kubernetes 上的零信任运行时,并强调隔离不可信代码。这里的关键词是“运行时”和“隔离”:平台需要把 agent 代码放入可管理的执行边界,同时降低这类代码对宿主环境和其他工作负载的暴露。

它与 OpenShell 的关系可以这样看:前者回答“代码在哪里、以什么隔离边界运行”,后者回答“运行中的 agent 能够访问什么、允许做什么”。这是阅读公告时最有用的分层方式,但不应把两者简单理解为必须一起部署的套件;公告没有给出这种绑定关系。

Agent Substrate 在 Kubernetes 上隔离不可信 agent code 的零信任运行时结构说明图
图2:零信任运行时结构说明图,展示 Agent Substrate 的隔离位置,不是部署截图。

放回 Kubernetes AI 基础设施后,应该怎样读这条新闻

我会把它放进三层模型里看。第一层是 Kubernetes 等承载平台,负责工作负载与资源的基础承载;第二层是 Agent Substrate 这类执行与隔离边界,关注不可信代码如何运行;第三层是 OpenShell 这类治理层,关注 agent 的权限、资源访问和推理请求控制。这个模型不是 CNCF 发布的架构图,而是基于公告能力描述做的阅读框架。

这样读的好处是不会把“AI agent 上 Kubernetes”误读成只有模型服务或 GPU 调度。生产化还会涉及身份、审计、密钥、网络出口、数据边界和故障恢复,而本次公告只给出了项目定位。要做选型,下一步应分别查看项目的架构、威胁模型、支持的 Kubernetes 范围、策略语义和观测能力,再用自己的工作负载做小范围验证。

结语:先记边界,再等待实践证据

这次 CNCF 公告最值得记住的不是“又多了两个项目”,而是生产 AI agent 正在形成两条基础设施问题线:一条是运行时治理,一条是隔离执行。OpenShell 和 Agent Substrate 分别落在这两条线上,但它们目前都是 Sandbox。对新闻读者来说,准确复述项目边界比提前下生产结论更重要。

相关问题

Sandbox 项目可以直接用于生产吗?

不能仅凭 Sandbox 身份下结论。应以项目自身文档、支持范围、安全模型和实际验证结果判断。

OpenShell 是模型运行服务吗?

公告把它定位为 autonomous AI agents 的 secure runtime,并强调策略与资源治理,不应直接把它等同于模型服务。

Agent Substrate 会替代 Kubernetes 吗?

公告描述它是在 Kubernetes 上执行 AI agents 的零信任运行时,因此更适合视为 Kubernetes 之上的执行与隔离层。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
NATS 成为 CNCF 毕业项目后,云边消息系统看哪些生产能力NATS 成为 CNCF 毕业项目后,云边消息系统看哪些生产能力
上一篇
NATS 成为 CNCF 毕业项目后,云边消息系统看哪些生产能力
Karmada 毕业后多集群调度怎样理解其生产定位
下一篇
Karmada 毕业后多集群调度怎样理解其生产定位
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    1117次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    1106次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    1277次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    1220次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    1069次使用