Ohh, fcuk!!.. А вот и подоспел ответ на сумасшедшее стремление корпораций эвалюейтить перфоманс инженеров по тому, кто сколько токенов потратил. Логичное решение 🤣🤣 Как пели Bloodhound Gang - Burn-mthfcker... Burn! 😭🤣

Happy Friday, коллеги 🍻🍸🎁🎁🎁

https://github.com/dtnewman/burn-baby-burn

Доброго начала рабочей недели, коллеги! И у меня есть новость, возможно пролетевшая мимо популярных сми и каналов. Про Google I/O 2026 конечно уже писали и жук и жаба. Но помимо всем понятной и в целом ожидаемой истории с 3.5 серией моделей Gemini, а так же весьма впечатляющей мультимедия модели Omni, на конференции упоминали еще один продукт, который может оказаться очень важным для DevOps и AI инженеров.

Во-первых, потому что это базовая инфрастуктура.
Во-вторых, это про агентную интеграцию.
Ну и в-третьих, это про k8s и про опенсорс решение от Google, так что есть все шансы что оно взлетит и станет одним из распространенных тулов в DevOps инструментарии через пол-годика - год.

Речь идет про Kubernetes Agent Sandbox.
Как сейчас обычно готовят агентов? Агент оркестратор запускает саб-агентов в отдельных контейнерах через docker api. Напрямую через docker socket если деплоим апликуху прямо на машине, или через docker-in-docker сайд контейнер внутри пода, если запускаем в кубере. В итоге это все имеет только вертикальный скейлинг, медленный старт, не самую секьюрную изоляцию. 🙈
Более навороченные велосипеды ходят в кубер апи и запускают полноценные deploy/sts, но это все равно костыльно. И любые инфраструктурные фичи под эту основу - это сложно, дорого и по сути костыли и велосипеды.😬

Продукт от гугл добавляет в любой ваш k8s кластер отдельный контроллер и CRD ("Sandbox", "SandboxClaim", "SandboxTemplate" etc). Которые описывают поды специально подходящие для агентных workloads. Выглядит этот CRD почти как обычный под:

apiVersion: agents.x-k8s.io/v1alpha1
kind: Sandbox
metadata:
  name: dynamic-ephemeral-sandbox
spec:
  replicas: 1
  shutdownPolicy: Delete
  shutdownTime: "${SHUTDOWN_TIME}"
  podTemplate:
    spec:
      containers:
      - name: workspace
        image: alpine:latest
        command: ["sleep", "infinity"]

Но при этом имеет множество важных фич⚠️:

- 😮стабильная сетевая identity (полноценный заранее извсетный хостнейм у каждого пода) и роутинг через X-Sandbox-ID хедер
- улучшенная работа с вольюмами. вольюмы переживают рестарты и рескедулинг между нодами и подключаются к новым подам без костылей
- scheduled deletion
- снапшоты состояния пода (можо через апи откатить сандбокс на любой момент его исполнения, получаем нативный бранчинг агент рантайма)
- 😮SandboxWarmPool - прогретый стак подов, ваши субагенты будут запускаться <1sec., гугл пишет про 90% прирост скорсти по сравнению с cold starts
- плагины для навороченный изоляции через gVisor/Kata, по сути запускаем полноценную изолированную виртуалку, а не обычный контейнер. Сесурити!🦾🔒

Ну и это все отлично скейлится горизонтально, удобно раскидываются по нужным нодгруппам с подходящим обьемом железа, работает с guardrails в виде OPA полиси. А так же отлично интегрируется в мониторинг.

Ну и киллер🔥фича - вся эта прелесть деплоится прямо из go/питон кода вашего приложения через свою SDK!

from k8s_agent_sandbox import SandboxClient

client = SandboxClient()

sandbox = client.create_sandbox(
    template="python-sandbox-template",
    namespace="default",
)
try:
    result = sandbox.commands.run("echo 'Hello from Agent Sandbox!'")
    print(result.stdout)
    # Hello from Agent Sandbox!
finally:
    sandbox.terminate()

Продукт залаунчили уже давно (на нынешней IO2026 его упоминали в контексте того, что гугл его гоняет у себя в gcloud для ентерпрайз агент решений(Managed Agents API)). И уже в стадии GA, то есть полноценно подходит для продакшн энвов.

Так что если вы все еще костылите как запускать ваших агентов в обычных deployments или dind-sidecar - делайте PoC, несите демо вашему архитекту, и изабвляейтсь от всех головняков и костылей😉


Качественной вам продакшн инфраструктуры, коллеги! 🌡

Придумал идейку, а куда же все таки использовать DeepSeek 🧠🤔

Стандартный Explore субагент использует ту же самую модель, с которой ты работаешь в основной сессии. Зачастую это медленно, и относительно дорого, во время чтения код базы мы загружаем очень много инпут токенов. Решение - отдельный субагент для code exploration тасок, который гоняется на DeepSeek V4 🔥 Он быстрый, дешевый, и у него большой контекст на лям - как раз для больших ресерчей.

Потестил простым запросом "Explore the codebase and find all API endpoint definitions." на код базе нашего текущего проекта, в +-миллион строк (js/ts)
Задача слегка со звездочкой, потому что классических API ендпойнтов на проекте нет😅 Но есть множество cli entrypoints и 8 разных External API References (Outbound Calls). Цель была посмотреть как полноценно субагент проведет ресерч, ну и скорость/цена конечно.

Итого:
* DeepSeek V4 Pro - 2 минуты 30 секунд. 113к токенов, $0.23 - Четкий полный ресерч, расписало подробно все энтрипойнты, нашло все external api calls

* DeepSeek V4 Flash - 1 минута 32 секунды, 88к токенов, $0.02 - В доках написано что модель бесплатная, но посчитало как 2 цента. Какой-то урезаный ответ, нашло все энтрипойнты, но отдало минимум деталей по ним окрекстратору. Показало только 4 основных External API calls, не все.

Сравнил с обычным Explore который запускается на текущих моделях:
* Kimi K2.6 - 4 минуты. почему-то только 50к токенов и $0.11 центов (если сранить с 113к токенов DS Pro - цена почему-то одинаковая). Но чуть урезаный вариант, все cli, 4 екстеранала как у флеш, без подробностей 🥲

* GLM-5.1 - 4 минуты 58 секунд, 90к токенов, $0.48 - Охренеть какой подробный обзор🤯по каждому методу, со сводными таблицами, с количеством всех вызовов в гитхаб, гитлаб, джиру, вобщем вся подноготная проекта. В данном случае это наверное излишне... 🤔



Вобщем DeepSeek V4 Pro видется как лучший вариант для ресерч сабагента. Ну и забавная фича нашлась - OpenCode сначала никак не хотел подтягивать нового сабагента и запускал стандартный встроенный Explore. Что помогло?

"mv deepseek-code-search.md 00-deepseek-code-search.md" 😂 Похоже опенкод читает ямлы с агентами по очереди, и алфавитно приоритетное имя файла решило проблему))

Такие дела 🌡 Пробуйте, ставьте, решение видется довольно неплохое 😎

Промпт агента пишу в коментарии