O Kagent é um framework de programação de código aberto e uma plataforma nativa do Kubernetes para criar, executar e gerenciar agentes de IA. Em vez de exigir uma infraestrutura sob medida, o framework transforma os agentes em definições de recursos personalizados (CRDs) padrão do Kubernetes que as equipes podem implantar, escalar e proteger usando suas pipelines de GitOps existentes. Isso permite que equipes com experiência em Kubernetes criem agentes personalizados sem precisar aprender um novo modelo operacional. O Kagent oferece um runtime integrado com rastreamento via OpenTelemetry, sandboxing seguro, suporte a memória e integrações nativas com o Model Context Protocol (MCP) para conectar facilmente os agentes a ferramentas externas e provedores de modelos.
Movemos o Kagent para “Experimente” após usá-lo com sucesso no suporte a ambientes de produção. Em um cliente recente, migramos um bot de suporte multiagente para o Kagent a partir de uma ferramenta anterior que restringia conexões a um único servidor MCP e exigia hospedagem em uma conta pessoal. Como a equipe do cliente já estava familiarizada com o Kubernetes, a migração foi simples. A implantação resultante conta com um orquestrador e múltiplos agentes especialistas que usam o A2A (Agent-to-Agent) Protocol integrado do Kagent para se comunicar, ajudando as pessoas desenvolvedoras a depurar incidentes e responder a dúvidas gerais diretamente nos canais da equipe.
Kagent é um framework de código aberto para executar IA com agentes dentro de clusters Kubernetes. Ele permite que agentes baseados em LLM planejem e executem tarefas operacionais, como diagnosticar problemas, remediar configurações ou interagir com ferramentas de observabilidade por meio de APIs nativas do Kubernetes e integrações com o Model Context Protocol (MCP). Seu objetivo é trazer o "AgentOps" para a infraestrutura cloud-native, combinando gerenciamento declarativo com raciocínio autônomo. Como um projeto Sandbox da CNCF, o Kagent deve ser introduzido com cuidado, especialmente dados os riscos de conceder aos LLMs capacidades de gerenciamento operacional. Técnicas como a análise de fluxo tóxico podem ser especialmente valiosas ao avaliar e mitigar esses riscos.
