Agentes de inteligência artificial e Kubernetes definem papéis distintos no ciclo de controle

laptop computer on glass-top table — Carlos Muza / Unsplash

O Kubernetes e os agentes de inteligência artificial possuem funções diferentes dentro de um ciclo de controle, embora ambos lidem com a gestão de estados. Enquanto o Kubernetes utiliza controladores que monitoram o estado atual e tomam ações para atingir um estado desejado declarado, os agentes de inteligência artificial são aplicados quando o resultado esperado é claro, mas o caminho para alcançá-lo não é.

Nos últimos 18 meses, as ferramentas de agentes deixaram de ser projetos secundários para se tornarem parte da pilha nativa de nuvem. A CNCF aceitou estruturas de agentes em seu Sandbox, e o Kubernetes SIG Apps adotou o Agent Sandbox como um subprojeto para a execução segura de cargas de trabalho de agentes.

Um operador de Kubernetes é projetado para ser previsível, reconciliando recursos com base em regras codificadas e repetindo operações que falharam. Em contrapartida, um agente de inteligência artificial pode investigar situações desconhecidas, coletar contexto de múltiplos sistemas, avaliar compensações e propor ações.

Um padrão arquitetural seguro combina essas capacidades, onde o agente fornece o raciocínio e o contexto, enquanto sistemas determinísticos, como operadores e mecanismos de política, mantêm o controle da execução. O projeto de código aberto kagent, do Sandbox da CNCF, exemplifica isso ao executar agentes de inteligência artificial como recursos do Kubernetes, conectando-os a ferramentas de observabilidade, Helm e ao próprio Kubernetes.

Nesse modelo, operações de leitura não sensíveis podem ser automáticas, mas alterações como a aplicação, correção ou exclusão de recursos exigem aprovação explícita. Isso evita que um processo de raciocínio incerto tenha autoridade irrestrita sobre o cluster. O ciclo operacional resultante consiste em observar, diagnosticar, propor, aprovar, reconciliar e verificar.

O Karpenter serve como exemplo dessa distinção, pois já atua como um operador que avalia restrições de agendamento. Substituir sua lógica por um modelo de linguagem grande tornaria o ciclo de controle menos previsível. Um agente baseado em kagent deve operar acima do Karpenter, inspecionando configurações, logs e métricas para diagnosticar por que o comportamento observado difere da meta da equipe.

O resultado do agente não deve ser uma recomendação vaga, mas sim a apresentação de evidências e a produção de uma correção de configuração específica. Após a aprovação por um portão de política, o Karpenter realiza a reconciliação. O agente então monitora o resultado para verificar se a melhoria ocorreu sem causar interrupções prejudiciais.

Outro exemplo envolve o Argo CD na atualização de um gráfico do Helm. Enquanto o Argo CD mostra quais recursos diferem, um agente pode explicar o significado dessas diferenças para a carga de trabalho, comparando notas de lançamento e manifestos para identificar riscos operacionais e criar solicitações de alteração focadas.