2026-07-13

自研 AI Agent 如何进入生产环境？——基于 Kubernetes、Kagent 与 Zadig 的实践

开发 Agent 是开始，把它管起来才是正事 🤖 Kagent + Zadig 把 Agent 纳入工程体系，从代码到上线走通了。

今天，企业开发 AI Agent 已非难事，但落地生产时，部署、升级、治理、观测等工程问题才是真正的拦路虎——它们属于 Runtime 与交付体系，而非框架层。本文结合 Kagent 与 Zadig，讲解如何将自研 Agent 融入企业现有软件工程体系，实现从代码提交到生产运行的完整闭环。

# 一、企业已经学会开发 Agent，但在生产环境中，Agent 仍然没有进入工程体系。

过去一年，AI Agent 在企业中的落地速度明显加快。开发一个 Agent 已经不再困难：LangGraph、CrewAI、AutoGen、各类大模型 API 与低代码平台，让“做出一个能跑的 Agent”变得非常容易。

但一个更现实的问题正在出现：

能跑 ≠ 能上线，更不等于能长期运行。

大量 Agent 项目停留在 PoC 阶段的原因，并不在于模型能力不足，而在于缺少一套“运行与治理体系”。

企业在生产环境中通常会遇到三类核心问题：

部署问题：Agent 不再是无状态服务，它可能包含模型配置、工具链、记忆与会话状态
治理问题：Agent 的行为具有不确定性，需要权限控制与审计能力
可观测问题：一次任务可能涉及多轮推理、多工具调用，难以定位问题

换句话说：

企业已经学会开发 Agent，却还没有学会管理 Agent。

# 二、Agent 缺的不是 Framework，而是 Runtime

当前市场上，Agent Framework 已经非常丰富，但它们大多解决的是“如何构建 Agent”，而不是“如何运行 Agent”。

在企业生产环境中，一个典型的应用已经有成熟的生命周期：

Git → CI → 镜像构建 → CD → Kubernetes → 监控与治理

但 Agent 的情况不同。

Agent 不只是一个运行中的服务，它通常还包含：

模型配置（Model）
工具调用（Tool）
会话与记忆（Memory）
Prompt 与策略（Policy）
权限与边界（Guardrail）

这些能力，使得 Agent 本质上已经不再是“普通微服务”。

因此问题变成：

现有软件工程体系，无法直接理解 Agent 这种新型工作负载。

于是，一个关键缺口出现了：

Agent Runtime

当前主流 Agent 平台分三类，各有短板：

类型	典型代表	擅长	短板
大模型厂商平台	百度文心 AgentBuilder、阿里通义 AgentStudio	快速体验模型能力	私有化成本高，被厂商锁定
低代码 Agent 平台	Coze、Dify	低门槛搭建原型	复杂流程和权限治理弱
开源 Agent 框架	CrewAI、AutoGen、LangGraph	灵活定制逻辑	运维、安全责任全部自己扛

# 三、为什么 Kubernetes 需要 Agent Runtime？

Kubernetes 已经成为云原生时代的标准运行平台，它能够很好地管理 Deployment、StatefulSet、Job 等工作负载。

但 Kubernetes 并不“理解 Agent”。

因为在 Kubernetes 的抽象中：

Pod 是计算单元
Deployment 是副本控制
Service 是网络访问
Job 是一次性任务

而 Agent 具有完全不同的语义：

有状态会话
动态工具调用
外部系统交互
长周期运行逻辑
行为可演化性

因此，如果直接用 Kubernetes 管理 Agent，会出现一个问题：

Kubernetes 只能管理容器级别的工作负载，但无法表达 Agent 的语义模型。

Kagent 的作用正是在这里：

将 AI Agent 抽象为 Kubernetes 原生资源（CRD），并提供 Agent 生命周期管理能力。

通过这种方式：

Agent 成为 Kubernetes 中的一等资源
Agent 可以被声明式管理
Agent 可以纳入 GitOps 流程

Kagent 本质上做了一件事：

补齐 Kubernetes 对“智能工作负载”的原生认知。

# 四、为什么选择 Kagent + Zadig？

要让 Agent 真正进入生产环境，仅有 Runtime 还不够，还需要完整的软件交付体系。

整个体系分为两部分：

# 4.1 Software Delivery（Zadig）

Zadig 负责 Agent 的持续交付：

代码构建
镜像生成
自动化测试
多环境部署
灰度发布/蓝绿发布
版本回滚

它解决的是：

Agent 如何被交付到生产环境

# 4.2 Agent Runtime（Kagent）

Kagent 负责 Agent 的运行：

Agent 生命周期管理
运行状态管理
模型与工具调度
会话与记忆管理
可观测能力

它解决的是：

Agent 如何在生产环境中运行

# 4.3 总体关系

Zadig 负责 Delivery
Kagent 负责 Runtime
企业系统提供业务能力

这三层分别对应交付、运行与业务能力三个关键维度。

# 五、整体架构

整个系统可以抽象为四层结构：

架构说明：

Software Delivery（Zadig）： 负责将 Agent 从代码转化为可部署的生产版本，并通过 CI/CD 流水线完成构建、测试、发布与回滚。

Agent Runtime（Kagent）： 在 Kubernetes 内运行 Agent，并将其抽象为 CRD 资源，统一管理 Agent 生命周期、模型、工具、记忆与运行状态。

Enterprise Tools： Agent 在执行任务时调用的外部能力，包括企业内部系统与第三方服务。这些能力可以通过 MCP、HTTP API 或 SDK 等方式接入。

三者共同构成 Agent 从开发到运行的工程闭环。

# 六、实践演示：5 分钟完成一个自研 AI Agent 的生产部署

本章展示如何将一个自研 Agent 从代码快速部署到生产环境，并纳入企业交付体系。

源码地址：https://github.com/koderover/zadig/tree/main/examples/kagent-demo (opens new window)

# 6.1 部署 Kagent Runtime

在 Kubernetes 集群中部署 Kagent。

# 安装 kagent cli
 brew install kagent

# 安装 kagent 到集群
kagent install --profile minimal

# 6.2 注册自研 Agent

通过 YAML 定义 Agent 资源（CR），并提交到集群。

apiVersion: kagent.dev/v1alpha2
kind: Agent
metadata:
  name: hello-devops-agent
  namespace: kagent
spec:
  description: DevOps runbook assistant backed by a Go ADK agent.
  type: BYO
  byo:
    deployment:
      image: $hello-agent-image$
      env:
        - name: MODEL_PROVIDER
          valueFrom:
            secretKeyRef:
              name: hello-agent-model-config
              key: MODEL_PROVIDER
        - name: MODEL_BASE_URL
          valueFrom:
            secretKeyRef:
              name: hello-agent-model-config
              key: MODEL_BASE_URL
        - name: MODEL_API_KEY
          valueFrom:
            secretKeyRef:
              name: hello-agent-model-config
              key: MODEL_API_KEY
        - name: MODEL_NAME
          valueFrom:
            secretKeyRef:
              name: hello-agent-model-config
              key: MODEL_NAME
        - name: MODEL_TIMEOUT
          valueFrom:
            secretKeyRef:
              name: hello-agent-model-config
              key: MODEL_TIMEOUT