Potoki agentów AI: agent-pool na Google AI

Automatyzacja agentów AI: pociągi, sygnały i planistyczne w agent-pool

Serwer MCP agent-pool ułatwia zarządzanie fraktalnymi zespołami agentów bezpośrednio w IDE i Gemini CLI. Wyróżnione zadania są delegowane przez wyróżnione wątki, tworząc podgrupy. Rano orkiestracja była ręczna, teraz dostępne są pociągi, bounce-back, cron i uruchomienia SSH — wszystko w jednej subskrypcji Google AI.

Główny problem: orkiestrator zużywa zasoby na oczekiwanie na wyniki zależnych kroków (analiza → refaktoryzacja → testy). Teraz demon pociągu uruchamia wątki w tle, automatycznie przekazując zależności.

Pociągi dla łańcuchów zadań

Narzędzie create_pipeline definiuje kroki z góry. Demon procesu detached uruchamia wątki po wyzwalaczu:

• on_complete — uruchomienie po konkretnym kroku.
• on_complete_all — oczekiwanie na grupę wątków (fan-in).
• on_file — reakcja na utworzenie pliku.

Przykład schematu:

          ┌─ frontend ─┐
research ─┤            ├── deploy
          └─ backend  ─┘

Demon działa nawet po ponownym uruchomieniu IDE, zapewniając ciągłość.

Sygnały i bounce-back do komunikacji

Agenci sygnalizują zakończenie za pomocą signal_step_complete. Gdy dane są niekompletne, bounce_back zwraca zadanie do poprawy z powodem błędu — analogiczne do "Zażądaj zmian" w GitHubie.

Limit maxBounces zapobiega cyklom. Wątek otrzymuje feedback (np. "brakuje logów"), koryguje i sygnalizuje ponownie.

Planista cron zadań

schedule_task wiąże agenta z wyrażeniem cron, np. 0 9 *. Planista używa blokad plikowych atomowych, aby zagwarantować unikalność wykonania nawet przy wielu sesjach IDE.

Wyniki są zapisywane w .agents/scheduled-results/. Idealne do monitorowania serwerów lub raportowania.

Odległe uruchomienia SSH

W agent-pool.config.json konfiguruje się SSH:

{
  "runners": {
    "remote": {
      "type": "ssh",
      "host": "dev-server.company.com",
      "user": "agent",
      "geminiPath": "/home/agent/.nvm/versions/node/v22.0.0/bin/gemini"
    }
  }
}

Delegowanie:

delegate_task(
  prompt: "Uruchom testy w izolowanym środowisku",
  runner: "remote"
)

Zadania kontynuują działanie po zamknięciu lokalnej sesji. Agenci pracują w gałęzi, committują i wysyłają PR.

Sesje do przekazywania kontekstu

CLI Gemini przechowuje historię w sesjach. Przekazanie session_id pozwala kontynuować:

# Analiza
delegate_task(prompt: "Proszę przeanalizować src/auth/") -> task_1

# Wynik
get_task_result(task_1) -> { session_id: "abc-123" }

# Kontynuacja
delegate_task(
  prompt: "Wykorzystując wyniki analizy, napisz testy",
  session_id: "abc-123"
)

list_sessions pokazuje aktywne sesje.

Polityki dostępu i katalogi

policy ogranicza narzędzia:

• read-only — tylko odczyt.
• safe-edit — edycja plików bez poleceń.

Przykład:

delegate_task_readonly(
  prompt: "Sprawdź src/auth/ pod kątem luk bezpieczeństwa",
  policy: "read-only"
)

include_dirs rozszerza widoczność poza katalog roboczy.

Grupy agentów i integracja z pociągami

create_group grupuje konfiguracje:

create_group({
  name: "backend",
  runner: "remote",
  skill: "node-dev",
  policy: "safe-edit",
  max_agents: 3
})

delegate_to_group("backend", "Refaktoryzuj moduł auth", count: 2)

Grupy są zapisywane w .agents/groups.json. W pociągach:

create_pipeline({
  name: "Build & Test",
  steps: [{
    name: "run_tests",
    group: "backend",
    count: 3,
    prompt: "Uruchom zestaw testów dla swojej części"
  }]
})

Demon uruchamia count agentów z AGENT_INDEX, czeka na wszystkie z fail-fast: błąd jednego anuluje pozostałe.

Co jest ważne

• Pociągi automatyzują zależności, oszczędzając orkiestratorowi zasoby.
• Bounce-back z limitem zapobiega zacykleniu.
• Uruchomienia SSH i cron zapewniają rozproszone wykonanie.
• Polityki i grupy minimalizują powtarzalność konfiguracji.
• Sesje przekazują pełen kontekst między agentami.

— Editorial Team