Principais destaques
- Três projetos na CNCF: Google transfere Agent Substrate, gVisor e OpenRL para uma governança independente, aberta à participação de outras empresas.
- Até 10 vezes mais agentes: Agent Substrate 1.0 promete aumentar a capacidade de execução por máquina e reduzir o desperdício de recursos com agentes ociosos.
- Disputa pela infraestrutura de IA: A iniciativa coloca o Google em uma posição estratégica diante de projetos concorrentes da NVIDIA e de outras empresas.
O Google está preparando o terreno para uma nova etapa da inteligência artificial: um mundo em que milhares de agentes trabalham simultaneamente, executam códigos, acessam ferramentas e permanecem disponíveis para receber novas tarefas.
Na quinta-feira, 5 de novembro, a empresa anunciou a transferência de três projetos de tecnologia para a Cloud Native Computing Foundation (CNCF), organização responsável pela governança de importantes iniciativas de código aberto na infraestrutura de nuvem.
Os projetos são Agent Substrate, gVisor e OpenRL. Todos foram aceitos no CNCF Sandbox em outubro, abrindo caminho para uma governança independente de um único fornecedor.
A movimentação acontece em um momento importante. À medida que os agentes de IA deixam de ser simples assistentes conversacionais e passam a executar tarefas complexas, a infraestrutura necessária para mantê-los funcionando se torna um dos principais desafios da indústria.
O problema dos agentes que passam o dia esperando 💤
Um agente de inteligência artificial pode parecer extremamente ocupado, mas boa parte do tempo ele simplesmente está esperando.
Segundo o Google, agentes interativos podem passar entre 90% e 95% do tempo aguardando respostas de modelos de linguagem, APIs externas ou aprovação humana.
Isso cria um problema econômico.
Imagine uma infraestrutura com milhares de agentes, cada um ocupando um Pod dedicado no Kubernetes. Mesmo quando não estão executando nenhuma tarefa, esses ambientes continuam consumindo recursos computacionais.
É justamente esse desperdício que o Agent Substrate pretende resolver.
🔎 A mudança de arquitetura: em vez de manter cada agente permanentemente associado a uma máquina, o projeto separa a identidade e o estado do agente do ambiente computacional utilizado para executá-lo.
O sistema trabalha com dois componentes principais:
- Actors: armazenam a memória, os arquivos e a identidade de cada agente.
- Workers: são ambientes isolados e reutilizáveis, disponibilizados a partir de um conjunto de recursos previamente inicializados.
Quando um agente fica ocioso, seu estado é salvo no armazenamento. O ambiente de execução pode então ser liberado para outras tarefas.
Quando o agente precisa voltar a trabalhar, seu estado é restaurado em menos de 500 milissegundos.
💡 O objetivo é simples: manter milhares de agentes disponíveis sem precisar manter milhares de ambientes computacionais permanentemente ativos.
Agent Substrate 1.0 chega ao Google Kubernetes Engine 🚀
Além da transferência para a CNCF, o Google anunciou que o Agent Substrate chegou à versão 1.0.
A tecnologia também está disponível em caráter geral como serviço gerenciado no Google Kubernetes Engine (GKE).
Segundo a empresa, a nova versão apresenta números expressivos:
| Indicador | Capacidade anunciada |
|---|---|
| Densidade de agentes por máquina | Até 10 vezes maior |
| Operações de suspensão e retomada | Mais de 500 por segundo |
| Restauração de agentes | Menos de 500 ms |
| Ganho de capacidade | Comparação com runtimes convencionais de contêineres |
O projeto também acumulou mais de 100 contribuidores desde o início de seu desenvolvimento público, em maio de 2026.
Por que isso importa?
A economia de recursos pode fazer diferença especialmente em aplicações corporativas que utilizam agentes para atendimento, automação de processos, desenvolvimento de software e análise de dados.
Em vez de dimensionar a infraestrutura para manter todos os agentes permanentemente ativos, as empresas podem compartilhar ambientes de execução conforme a demanda.
gVisor: segurança sem depender de uma única empresa 🔐
O segundo projeto transferido é o gVisor, uma tecnologia que atua em uma camada fundamental da infraestrutura: o isolamento de códigos não confiáveis.
Criado pelo Google e disponibilizado como código aberto em 2018, o gVisor funciona como um kernel leve executado no espaço do usuário.
Na prática, ele cria uma barreira entre o código executado por uma aplicação e o sistema operacional hospedeiro.
Isso é especialmente importante para agentes de IA.
Afinal, agentes podem executar scripts, instalar dependências, manipular arquivos e interagir com ferramentas externas. Sem isolamento adequado, uma falha ou comportamento inesperado pode comprometer outros componentes da infraestrutura.
🏢 Quem já utiliza? Segundo o Google, o gVisor é adotado por empresas como:
- Anthropic e OpenAI, para isolamento da execução de código.
- Snowflake e Modal, em seus ambientes de sandbox.
- Tencent, em ambientes de produção.
A mudança de governança também pode ter consequências técnicas.
O Google afirma que mantenedores do Linux resistiram à incorporação de patches que acelerariam o gVisor enquanto o projeto permanecia sob controle de uma única empresa.
Com a governança neutra, essa barreira pode diminuir.
Ant Group, Modal e Tines já se comprometeram a participar como mantenedoras. O código também está sendo transferido para uma organização própria no GitHub.
OpenRL quer simplificar o treinamento de IA no Kubernetes 🧠
O terceiro projeto é o OpenRL, apresentado em fevereiro de 2026 como uma prévia voltada à pesquisa.
Sua proposta é executar ciclos de treinamento de aprendizado por reforço utilizando Python puro no Kubernetes.
O projeto trabalha em conjunto com o llm-d, iniciativa da CNCF voltada à inferência distribuída de modelos de linguagem.
O aprendizado por reforço é uma abordagem importante para aprimorar modelos de inteligência artificial por meio de ciclos de interação, avaliação e otimização.
Ao levar esse processo para uma infraestrutura baseada em Kubernetes, o Google busca facilitar a execução e o gerenciamento de cargas de trabalho de treinamento distribuídas.
Isso também reforça a estratégia da empresa de construir um ecossistema aberto para diferentes etapas do ciclo de vida da inteligência artificial.
NVIDIA também quer dominar essa infraestrutura ⚔️
O Google não está sozinho nessa disputa.
A NVIDIA também está desenvolvendo sua própria infraestrutura para agentes de inteligência artificial.
Seu projeto OpenShell foi aceito no CNCF Sandbox em setembro de 2026.
Embora os dois projetos estejam relacionados à execução de agentes, suas propostas apresentam diferenças importantes.
| Projeto | Principal objetivo |
|---|---|
| Google Agent Substrate | Executar milhares de agentes com eficiência, especialmente quando permanecem ociosos |
| NVIDIA OpenShell | Controlar o que os agentes podem fazer e quais recursos podem acessar |
| Google gVisor | Isolar a execução de códigos não confiáveis |
| Google OpenRL | Executar ciclos de treinamento de aprendizado por reforço no Kubernetes |
⚡ A diferença estratégica: enquanto o OpenShell enfatiza permissões e limites de atuação dos agentes, o Agent Substrate concentra seus esforços na eficiência da infraestrutura de execução.
As duas abordagens não são necessariamente incompatíveis. Pelo contrário, segurança, isolamento e eficiência computacional são componentes complementares de uma infraestrutura preparada para agentes autônomos.
KubeCon será o próximo palco dessa estratégia
O Google pretende apresentar esse conjunto de tecnologias durante a KubeCon + CloudNativeCon North America, em Salt Lake City, entre 9 e 12 de novembro.
A transferência dos projetos para a CNCF também tem um significado estratégico.
Ao permitir que outras empresas participem da governança, o Google reduz a dependência de uma infraestrutura controlada exclusivamente por um fornecedor.
Isso pode facilitar a adoção por empresas que desejam evitar dependência tecnológica de um único provedor de nuvem.
A empresa defende que a governança neutra permite que provedores de nuvem, fabricantes de hardware e desenvolvedores independentes participem em condições mais equilibradas da evolução das cargas de trabalho baseadas em agentes.
O próximo desafio será transformar essa abertura em adoção real.
Se os agentes de IA realmente caminharem para milhares de execuções simultâneas dentro das empresas, tecnologias capazes de suspender, restaurar, isolar e compartilhar recursos poderão se tornar tão importantes quanto os próprios modelos de inteligência artificial.
E talvez a próxima grande disputa da IA não aconteça apenas para descobrir qual modelo responde melhor, mas também para determinar quem consegue executar milhões de agentes com segurança e menor custo.
