Project Chrysalis של גוגל: ארכיטקטורת ייחוס לסוכן SRE שמתפתח-עצמית, וגדרות ההגנה סביבו
Project Chrysalis של Google Cloud הוא ארכיטקטורת ייחוס מחקרית לסוכנים שמתקנים, מבקרים ומחברים מחדש את עצמם במהלך תקלה, בנוי על Gemini platform ו-ADK. מה הפוסט טוען, מה רק סומלץ, ומה לבדוק לפני שמעתיקים את הדפוס.
ב-22 באוקטובר הבלוג של Google Developers פרסם ארכיטקטורת ייחוס לסוכנים שמשנים את עצמם תוך כדי תיקון תקלת פרודקשן. גוגל קוראת לזה Project Chrysalis. המספרים בכותרת באים מסימולציית Black Friday של cache stampede, לא ממערכת פרודקשן אמיתית, ולא הרצתי את הקוד. החלק ששווה את הזמן שלכם הוא פחות ההאצה ויותר שרשרת ה-governance בת ארבעת השערים שגוגל שמה סביב הסוכן.
קראתי מקור ראשוני אחד: הפוסט של Anant Nawalgaria, Architecting Governed, Self-Evolving AI Agents on Google Cloud. לא פתחתי את מאגר ה-GitHub המקושר או את תיעוד המוצר. התוצאות מוצגות בתמונה בעמוד שלא הצלחתי לקרוא, אז אני מסתמך על המספרים בטקסט הפוסט.
מה גוגל מתארת
הפוסט מתייג את Chrysalis כארכיטקטורת ייחוס מחקרית של Google Cloud שיכולה לרוץ על Gemini platform ועל Agent Development Kit (ADK). הוא מפרט חמישה דברים שמערכת כזו צריכה לעשות: לאבחן שורשי בעיה על פני שכבות cache ובסיס נתונים, לתקן-עצמית על ידי סינתזה וחיבור של כלי mitigation, לבקר-עצמית על ידי מתן ציון לכל פעולה, לזכור על ידי שמירת עקרונות תפעוליים חתומים, ולארכת מחדש על ידי חיווט מחדש של היררכיית ריבוי-הסוכנים שלה עם אישור אנושי.
התרחיש
התקלה המסומלצת היא מכירת פלאש. מפתחות מלאי קרים מפספסים את ה-cache של Memorystore (Redis), התעבורה פוגעת ב-Cloud SQL, pool החיבורים של PostgreSQL מוצה, והצ'קאאוטים נכשלים עם HTTP 500. הפוסט קורא לאתחול pool החיבורים "רפלקס הפאניקה של 3:00 בלילה" ואומר שב-stampede חי זה מחמיר את המצב.
שלושה עמודי מחקר
לפי הפוסט, העיצוב משלב שלושה רעיונות מחקריים:
| עמוד | מה הוא עושה, לפי גוגל |
|---|---|
| Dream-RSI, סימולציה קונטרפקטואלית serverless | משחזר הגדרות rate-limit מועמדות מול request traces שיוצאו ל-BigQuery, אופליין |
| APEX, קו-אבולוציה תלת-רמתית | מפצל אבולוציה לשלושה סרגלים זמניים: hotpatches בזיכרון, זיקוק עקרונות חתומים לתוך vector search, וחיווט מחדש של טופולוגיה |
| AgentEvolver, ייחוס Shapley ברמת הצעד | נותן ציון לקרדיט השולי של כל פעולה מטלמטריה של לפני-ואחרי כמו חביון P99, שיעור 5xx ורוויית ה-pool |
ההליך בארבעה שלבים
1. בסיס התקלה. גל של 50 בקשות פוגע ב-15 מפתחות קרים. יחס ה-cache hit יורד ל-0, ה-pool מוצה, והפוסט מדווח על שגיאות HTTP 500 של 72.7% עד 80.0%.
2. מיון ו-hotpatch. סוכן supervisor של ADK, שהפוסט אומר שרץ על Gemini 4 Argon, מקבל את ההתראה אחרי ש-Model Armor סורק אותה. הסוכן כותב rate limiter מסוג token-bucket בזיכרון. שלושה שערים רצים לפני שהוא מחובר: בדיקת AST למודולים אסורים, בדיקת Open Policy Agent שקצב המילוי הוא לפחות 10 בקשות לשנייה, וחתימת Cloud KMS שמאומתת דרך Binary Authorization.
3. ייחוס וחיווט מחדש. המערכת מענישה את רפלקס האתחול ומתגמלת את ה-rate limiter. היא שומרת כלל חתום נגד אתחול בסיס הנתונים במהלך cache stampedes. היא אז מציעה להוסיף Traffic Shaping Specialist Agent, שעוצר לאישור אנושי מפורש לפני שגרף הסוכנים משתנה בזיכרון.
4. שחזור ובדיקת כאוס. BigQuery משחזר 400 מדיניות מועמדות. סוכן red-team מרוקן את ה-cache ושוגר 200 בקשות מקבילות ב-sandbox צללים.
המספרים, ואיך לקרוא אותם
גוגל אומרת שעל פני תקלות Black Friday מסומלצות, הזמן ל-mitigation ראשון ירד מ-15 עד 45 דקות ל-1.8 שניות, שגיאות 5xx מ-72.7% עד 80.0% ל-0.0%, וחביון P99 מ-519.8 ms ל-18.2 ms. היא גם אומרת ש-400 מדיניות קונטרפקטואליות הוערכו בבערך 0.5 ms.
קראו את אלה כתוצאות דמו. הפוסט אומר שהן באות מסימולציית דמו, הבסיס "15 עד 45 דקות" הוא טווח בלי מקור מוצהר, והפוסט לא אומר אם ה-1.8 שניות כוללות זיהוי ואבחון בסביבה אמיתית. ה-mitigation היה rate limiter שהשיל 40 מתוך 50 בקשות עם HTTP 429, אז שיעור השגיאה של 0% משקף בחלקו throttling מכוון.
שרשרת ה-governance
זה החלק השימושי. גוגל מפרטת ארבעה שערים שכל patch, זיכרון ושינוי טופולוגיה חייבים לעבור:
1. סניטציית ingress ו-AST. Model Armor סורק התראות ל-prompt injection ונתונים רגישים. מבקר AST בודק קוד שנוצר לפני קומפילציה.
2. מקור קריפטוגרפי. Artifacts ועקרונות חתומים עם Cloud KMS. Middleware מסרב לחבר קוד שהחתימה שלו לא מתאמתת.
3. מדיניות-כקוד ואישור אנושי במשמורת כפולה. OPA אוכף מגבלות כך שהסוכן לא יכול, למשל, לצמצם את עצמו לתוך תקלה. שינויים מבניים מחכים ל-SRE מורשה וטוקן אישור קריפטוגרפי.
4. Audit חסין-שיבוש. כל צעד כותב רשומות מובנות ל-Cloud Logging.
העיקרון המוצהר של הפוסט הוא שהסוכן רשאי לפתח טקטיקות, אבל הסמכות שלו לבצע חסומה על ידי מדיניות, מקור מפתחות ומשמורת אנושית.
מה הייתי בודק
אלה הצעות שלי שלא נבדקו.
1. פתחו את המאגר והריצו את הדמו לפני שמתייחסים למספרים כמשמעותיים. בדקו איזה מודל תעבורה ובסיס הוא משתמש.
2. בדקו את השערים בפני עצמם. נסו להעביר patch גרוע דרך בדיקת ה-AST, מדיניות ה-OPA ובדיקת החתימה, אחד בכל פעם.
3. שאלו מה החתימה מוכיחה. חתימה מראה מי הפיק artifact, לא שהקוד נכון. שערי המדיניות וה-AST נושאים את העומס ההוא.
4. הסתכלו על מסלול כתיבת הזיכרון. כלל מאוחסן שחוסם פעולה הוא חזק. בדקו איך כלל שגוי או מורעל נסקר ומוסר.
5. השוו עם runbook פשוט. Rate limiter סטטי עם התראה עשוי לעשות את רוב מה שהדמו מראה. מדדו את הפער.
6. בדקו את העלות וההרשאות של שירותי גוגל המעורבים לפני שאתם מניחים שזה מתאים להתקנה שלכם.
מה לא הייתי מסיק
- שסוכנים יכולים לתקן בבטחה תקלות פרודקשן אמיתיות לבדם. הראיה כאן היא סימולציה.
- ש-1.8 שניות הן זמן תגובה מקצה לקצה ריאליסטי.
- שהגישה עובדת מחוץ ל-Google Cloud. הפוסט קושר כל שער לשירות של גוגל.
- ששינוי-עצמי בזיכרון בטוח כברירת מחדל. הפוסט מסתמך על השערים שלו בשביל זה.
שאלות נפוצות
מהו Project Chrysalis?
שם קוד לארכיטקטורת ייחוס מחקרית של Google Cloud לסוכנים מתפתחים-עצמית ומנוהלים, שתוארה בפוסט בבלוג Google Developers ב-22 באוקטובר.
על מה הוא רץ?
לפי הפוסט, Gemini platform ו-Agent Development Kit, עם Memorystore, Cloud SQL, BigQuery, Cloud KMS, Model Armor ו-Cloud Logging בדמו.
האם זה מוצר שאפשר לקנות?
הפוסט קורא לזה ארכיטקטורת ייחוס מחקרית ומקשר למימוש ב-GitHub. לא בדקתי את המאגר או הזמינות.
האם התוצאות נמדדו בפרודקשן?
לא. הפוסט אומר שהן באות מתקלות cache-stampede מסומלצות של Black Friday בדמו.
איך זה נשאר בטוח?
ארבעה שערים: סניטציית קלט וקוד, חתימה קריפטוגרפית עם Binary Authorization, בדיקות מדיניות בתוספת אישור אנושי לשינויים מבניים, ולוג audit.
האם בן אדם מאשר שינויים?
לעדכונים מבניים בסיכון גבוה יותר כמו חיווט מחדש של גרף הסוכנים, כן: הפוסט מתאר אישור במשמורת כפולה לפני שהביצוע ממשיך. ה-patch של ה-rate limiter בזיכרון עובר דרך שערים אוטומטיים.
למה משמש ייחוס ה-Shapley?
לתת ציון כמה כל פעולה בתקלה עזרה או הזיקה, בשימוש בטלמטריה לפני ואחרי כל צעד, כדי שהמערכת תוכל ללמוד אילו צעדים לחזור עליהם או להימנע מהם.
מקורות
- Google Developers Blog, Architecting Governed, Self-Evolving AI Agents on Google Cloud (22 באוקטובר 2026): ארכיטקטורה, תרחיש, שערים, תוצאות סימולציה. תמונת התוצאות והמאגר המקושר לא נקראו.
קריאה נוספת
- Agent Compute Engine של גוגל: sandbox של microVM בלי credentials בפנים, ומה גוגל עוד לא שיחררה
Google Cloud הכריזה על Agent Compute Engine ב-22 באוקטובר ב-AGNTCon + MCPCon: microVMs מבודדי-חומרה לסוכנים, אפס סודות ב-sandbox, ו-Agent Substrate בקוד פתוח ל-GKE. מה שני הפוסטים טוענים, מה עדיין ב-preview, ומה כדאי לבדוק.
- מודלי OpenAI מגיעים ל-Google Cloud Model Garden: preview פרטי, חיוב ומה בונים צריכים לבדוק
OpenAI ו-Google Cloud אומרות ש-GPT-6 Astra, GPT-6.1 Sol ו-GPT-6 Luna מתגלגלים ב-Model Garden ב-preview פרטי, בחיוב דרך Google Cloud Marketplace. מה כל צד אומר, מה עדיין 'בקרוב', ומה לאמת.
- Developer Knowledge API ושרת MCP של גוגל: תיעוד רשמי לסוכן הקוד שלכם, והמגבלות שגוגל מפרטת
מה ה-Developer Knowledge API של גוגל, שרת ה-MCP, פקודות gcloud וה-agent skill עושים, איך האימות עובד, ומגבלות הטריות וההיקף שגוגל מתעדת. נקרא מהתיעוד של גוגל עצמה.
יומן הבנייה
לעקוב אחרי העבודה.
מאמרים ואבטיפוסים חדשים, ישר לקורא ה-RSS שלכם. מנויי המייל בהשהיה זמנית, עד שאחבר שירות משלוח עובד. לא נאסף כאן אימייל.
עקבו ב-RSS