วันที่ข่าว: 15 กันยายน 2026
Google Cloud ประกาศเปิดให้ใช้งาน Agent Substrate บน Google Kubernetes Engine (GKE) ซึ่งเป็น runtime แบบโอเพนซอร์สที่ออกแบบมาเพื่อรัน AI Agent จำนวนมากใน sandbox ที่แยกออกจากกัน โดยมุ่งแก้โจทย์สำคัญขององค์กร ได้แก่ การรันโค้ดที่ Agent สร้างขึ้นอย่างปลอดภัย การลดทรัพยากรที่สูญเปล่าระหว่างรอโมเดลหรือเครื่องมือ และการกู้ session กลับมาทำงานได้อย่างรวดเร็ว
Google ระบุว่า Agent Substrate ถูกออกแบบให้รองรับ sandbox ระดับหลายล้านชุด มีความหนาแน่นสูงกว่าการใช้ container runtime ทั่วไปถึง 10 เท่า และสามารถ resume งานได้ภายในเวลาต่ำกว่า 500 มิลลิวินาที อย่างไรก็ตาม ตัวเลขเหล่านี้เป็นข้อมูลจาก Google Cloud และองค์กรควรทดสอบกับ workload จริงก่อนใช้เป็นสมมติฐานด้าน capacity หรือต้นทุน
ทำไม AI Agent ต้องมี Runtime ต่างจากแอปทั่วไป
AI Agent ในระดับองค์กรไม่ได้เพียงตอบข้อความ แต่สามารถเขียนและรันโค้ด เรียก command-line tool เปิด browser ติดตั้ง package และเข้าถึงไฟล์งานได้ พฤติกรรมเหล่านี้สร้างความเสี่ยงใหม่ เพราะโค้ดอาจยังไม่เคยผ่านการตรวจโดยมนุษย์ และหากใช้ kernel หรือเครือข่ายร่วมกันโดยไม่มีขอบเขตที่แข็งแรง อาจนำไปสู่การหลุดออกจาก sandbox การขโมย credential หรือข้อมูลไหลออกนอกระบบ
อีกด้านหนึ่ง Agent ส่วนใหญ่มักหยุดรอ model inference, tool response หรือการอนุมัติจากผู้ใช้ การจอง CPU และ RAM ไว้ตลอด session จึงทำให้ต้นทุนเพิ่มขึ้นอย่างรวดเร็วเมื่อขยายจาก Agent หลักสิบไปสู่หลักพันหรือมากกว่า
สถาปัตยกรรมของ Agent Substrate
Agent Substrate แยกชั้น execution ของ Agent ออกจากการจัดการเครื่อง โดยใช้ Kubernetes ดูแล node, autoscaling, multi-zone scheduling และความพร้อมใช้งาน ขณะที่ data plane เฉพาะทางรับผิดชอบวงจร suspend/resume ที่เกิดถี่มากโดยไม่ต้องสร้าง Pod ใหม่ทุกครั้ง
- Kernel isolation: เลือกใช้ Cloud Hypervisor microVM เพื่อความเข้ากันได้กับ Linux kernel หรือใช้ gVisor เมื่อต้องการ isolation ที่มี overhead ต่ำกว่า
- Network control: gateway และ egress proxy ควบคุมปลายทางที่ Agent เข้าถึงได้ พร้อมฉีด credential นอกพื้นที่ที่ตัว Agent อ่านได้โดยตรง
- Fast resume: snapshot สถานะไปยัง local disk และ Google Cloud Storage เพื่อคืน session เดิมภายในเวลาต่ำกว่า 500 มิลลิวินาทีตามข้อมูลของ Google
- Active-only compute: เมื่อ Agent ว่าง ระบบจะคืน CPU และ RAM ให้ workload อื่น โดย Google ระบุว่าสามารถเก็บ Agent ที่พักอยู่ได้มากกว่า 1,000 session ต่อ host
- Portable: โครงการเป็นโอเพนซอร์สและรันบน Kubernetes ได้หลายสภาพแวดล้อม ไม่ได้จำกัดเฉพาะ GKE แม้จะปรับแต่งให้ทำงานกับ GKE ได้เต็มที่
Filestore Agent Volumes เติมชั้นข้อมูลให้ Agent
Google Cloud เปิดตัว Filestore agent volumes ควบคู่กัน เพื่อจัดพื้นที่ไฟล์แบบ persistent ให้ sandbox โดยอัตโนมัติ ระบบสามารถ attach หรือ detach NFS workspace ภายในระดับมิลลิวินาที มีการแยกสิทธิ์ต่อ workspace และรองรับ Read-Write-Many รวมถึง POSIX file locking สำหรับ Agent หลายตัวที่ทำงานบนชุดไฟล์เดียวกัน
แนวทางนี้เหมาะกับ coding agent, pipeline วิเคราะห์ข้อมูล และงานแบบ human-in-the-loop ที่อาจหยุดรอเป็นเวลานาน เพราะ compute สามารถพักได้โดยไม่สูญเสียไฟล์หรือบริบทของงาน ทั้งยังช่วยลดการจอง storage ขนาดคงที่ให้ทุก session
สิ่งที่องค์กรควรประเมินก่อนนำไปใช้
- Trust boundary: แยกให้ชัดว่า Agent ใดรันโค้ดที่ไม่น่าเชื่อถือ และข้อมูลหรือ credential ใดห้ามเข้าถึงโดยตรง
- Egress policy: กำหนด allowlist สำหรับ API, package registry และเว็บไซต์ที่จำเป็น หลีกเลี่ยงการเปิดอินเทอร์เน็ตออกทั้งหมด
- Identity ต่อ Agent: ใช้สิทธิ์อายุสั้นและขอบเขตแคบ พร้อมเก็บ audit trail ของ tool call และการเข้าถึงข้อมูล
- State lifecycle: วางนโยบายอายุ snapshot, workspace, log และข้อมูลที่ Agent สร้าง รวมถึงวิธีลบข้อมูลเมื่อจบงาน
- Benchmark จริง: ทดสอบ cold start, resume latency, จำนวน session ต่อ node, storage I/O และต้นทุนในรูปแบบการใช้งานจริง
- Production readiness: ขณะประกาศ Agent Substrate และ Filestore agent volumes เปิดให้ลูกค้าทั่วไปใช้กับ non-production workload ส่วนการสนับสนุน Production แบบ GA ต้องขอผ่าน allowlist
มุมมองสำหรับธุรกิจไทย
ข่าวนี้สะท้อนว่าโครงสร้างพื้นฐานสำหรับ AI Agent กำลังแยกตัวออกมาเป็นหมวดเฉพาะ เช่นเดียวกับที่ container และ Kubernetes เคยเปลี่ยนการดูแล application platform มาก่อน องค์กรที่กำลังทดลอง coding agent, service desk agent หรือ Agent ที่เข้าถึงข้อมูลภายใน ควรออกแบบ sandbox, network policy, identity และ observability ตั้งแต่ระยะนำร่อง แทนการรอแก้เมื่อจำนวน Agent เพิ่มขึ้น
สำหรับองค์กรที่ต้องเก็บข้อมูลภายในประเทศหรือไม่ต้องการผูกกับ public cloud แนวคิดจาก Agent Substrate ยังนำมาประยุกต์กับ Private AI ได้ ได้แก่ microVM/gVisor isolation, egress gateway, credential broker, snapshot และ active-only scheduling โดยต้องเลือกเทคโนโลยีที่เหมาะกับข้อกำหนดของแต่ละองค์กร
CYN ให้คำปรึกษาและออกแบบ Private AI Infrastructure, Kubernetes, GPU platform, network security และระบบ Agent สำหรับองค์กร ตั้งแต่การทำ proof of concept ไปจนถึง production หากต้องการประเมินสถาปัตยกรรม sandbox หรือสร้างแพลตฟอร์ม AI Agent ที่ควบคุมข้อมูลและสิทธิ์ได้ ติดต่อทีม CYN เพื่อจัดทำ readiness assessment และ roadmap ที่เหมาะกับระบบเดิมได้