Docker Agent позволяет собирать AI-агентов с помощью YAML-конфигурации

Docker Agent позволяет собирать AI-агентов с помощью YAML-конфигурации

Docker Engineering выпустила docker-agent — инструмент для создания, запуска и обмена AI-агентами. Агенты описываются декларативной YAML-конфигурацией, поддерживают богатую экосистему инструментов и мультиагентную оркестрацию. Проект распространяется под лицензией Apache-2.0 и уже собрал 3,4 тыс. звёзд на GitHub.

Build, run, and share AI agents with a declarative YAML config, rich tool ecosystem, and multi-agent orchestration.
  1. Olscore

    Интересно видеть подходы других людей к оркестрации.

    Я работал над Pullboard и только что открыл его исходники: https://github.com/pullboard-dev/pullboard

    Для меня оркестрация — не самая главная проблема. Более серьёзная задача — поддерживать согласованность агентов на протяжении длительного времени (дрейф), поэтому моё решение — это живая система в стиле форума, где агенты перекрикиваются друг с другом, документируют работу в элементах и следуют доктрине, переданной разработчиком, и работают в соответствии с известной спецификацией, которую можно проверить. Я использовал этот рабочий процесс в нескольких крупных проектах, которые ДОЛЖНЫ быть корректными, и он работает для меня. Сейчас привожу его в порядок для других пользователей.

  2. woah

    > docker-agent позволяет создавать и запускать интеллектуальных AI-агентов, которые взаимодействуют для решения сложных задач — без кода.

    Как «без кода» может быть преимуществом, когда у всех нас есть агенты, которые почти мгновенно выплёвывают весь нужный код, пусть и не совсем правильный?

  3. blakeashleyjr

    Хотя я люблю новые open source разработки (особенно на Go!), обвязки для агентов превращаются в JS-фреймворки из прошлых лет.

    У всех крутых ребят такая есть!

  4. McScrooge

    https://docker.github.io/docker-agent/configuration/sandbox/

    Если, как и я, вы не смогли найти никакой информации о безопасности на указанной странице.

  5. blutoot

    Честно говоря, я теряюсь, для какого основного сценария/рабочего процесса предназначен каждый из них:

    1. https://kagent.dev/

    2. https://github.com/kubernetes-sigs/agent-sandbox

    3. https://github.com/docker/docker-agent (этот проект)

    4. https://docs.langchain.com/oss/python/deepagents/sandboxes#s...

    5. https://www.cloudflare.com/products/sandboxes/

  6. rodolphoarruda

    В прошлом году (2025) я сбился со счёта, сколько раз пытался использовать LLM для настройки Docker. Это была ещё эпоха промптов, когда копируешь ответ и смотришь, сработает ли... и почти никогда не срабатывало. Здорово видеть этот новый Docker agent. Для меня было бы ещё привлекательнее увидеть агента и модель, специализирующихся на Docker, работающих вместе, способных предлагать продвинутые конфигурации и заставлять их работать с первой попытки.

  7. CBLT

    Пару недель назад я очень старался заставить это работать для себя, но это была самая хрупкая обвязка из всех, что я использовал. Вернусь, когда она станет более зрелой.

  8. beckford

    Docker Agent может быть полезен для исследовательских работ. Например, при написании статьи по ML об агентах мне нужно перезапускать эксперименты, чтобы:

    - другие могли повторить мои результаты

    - убедиться, что вариативность LLM не вызывает излишней самоуверенности в результатах

    Но сейчас uv достаточно хорош для создания изолированных, воспроизводимых сред. И он не ограничен Linux, как стандартный Docker. Так что когда я хочу протестировать небольшие выборки на GPU своего локального ПК (Windows или mac) перед запуском на более мощном железе, я могу сделать это легко.

Ещё за этот день

2026-10-07