Google Cloud 的自演化运维 Agent,关键不是自治而是刹车
Google Cloud 介绍 Project Chrysalis,用多层策略约束能诊断和修复故障的 Agent。真正值得借鉴的是审批、签名和回滚边界。
做线上故障处理时,我最不放心的一句话是“让 Agent 自己修”。不是因为它一定会判断错,而是因为“修好”通常意味着修改多个系统:扩容、改配置、重启工作负载、清理队列,甚至改变流量路线。只要其中一个动作没有边界,Agent 就可能把一个局部故障变成更大范围的事故。
Google Developers Blog 在 2026 年 10 月 22 日介绍了 Project Chrysalis,一套面向 Google Cloud 的受治理、自演化 Agent 架构。文章描述了 Gemini Enterprise Agent Platform、Agent Development Kit、BigQuery,以及四道防线:Model Armor、Cloud KMS、Binary Authorization 和 OPA Policy Controller。它还描述了 Dual-Custody Human-in-the-Loop,也就是永久性变更需要 SRE 明确签字。
我不会把这篇文章当成“生产环境已经可以无人值守”的证明。它更像一份架构方向:Agent 可以提出并执行更具体的修复动作,但每个动作都要被策略、身份和审计系统包住。
让 Agent 先产生补丁,再决定能不能用
一个实用的边界是把诊断、生成补丁、验证补丁、应用补丁拆开。诊断可以只读;生成补丁可以在隔离环境运行;验证要有明确的健康指标;应用则按风险等级决定是否需要人批准。Agent 的“自主”不应该等价于“跳过这些状态”。
Google 的文章提到,Model Armor 用来处理 prompt injection 和数据泄露,Cloud KMS 与 Binary Authorization 用来签署合成的补丁并阻止未验证代码挂载,OPA Policy Controller 用来执行策略约束,人工双重控制则守住永久性修改。这些组件听起来很企业,但思想可以缩小到普通 Kubernetes 项目。
例如我会把一个修复请求的最小记录写成这样:
incident: checkout-timeout
mode: shadow
allowed:
- scale_deployment
- collect_readonly_diagnostics
blocked:
- change_secret
- delete_persistent_volume
approval: sre-oncall
rollback: required
这里的 mode: shadow 很重要。Agent 可以提出“把 checkout 从 6 个副本扩到 10 个”的动作,并模拟影响,但不会真的改线上。等我确认指标、成本和回滚路径后,才把某个动作提升到 Paper 或人工批准的执行状态。代码里存在一个修复器,不等于服务已经被授权自动修复。
速度指标不能代替安全证据
Google 的搜索摘要提到 Project Chrysalis 在一个场景中以 1.8 秒完成故障修复。即使这个数字在文章语境中成立,我也不会拿它当自己的 SLO。不同的拓扑、故障类型、数据延迟和审批流程,都会改变结果。对我而言,先要知道它做了什么、改了谁、失败时停在哪里。
运维 Agent 至少要保留动作级审计:输入的告警和时间窗口、使用的工具、读取过的资源、生成的差异、策略判定、批准人、执行结果和回滚结果。日志不能只写“remediation succeeded”。如果最终只留下一个成功布尔值,下一次事故仍然要靠猜。
还有一个容易被忽略的问题是自我改进。Agent 如果能把一次临时修复固化成新的工具或规则,确实可能减少重复工作;但它也可能把一个误诊写成永久行为。我会要求任何新规则先进入候选区,带版本号、来源事件和失效条件,经过离线回放后再进入生产策略。
云平台的防线,和团队的责任边界
Project Chrysalis 也提醒我,治理不是最后加一个审批按钮。身份、补丁签名、策略控制器、观测和人工批准必须在同一条执行链上,否则 Agent 可能在一个系统里被限制,在另一个系统里绕开限制。Kubernetes 上的准入控制、只读 ServiceAccount、NetworkPolicy、PodDisruptionBudget 和明确的 rollout 策略,都是相同思路的本地版本。
我会先让 Agent 做三类事情:收集只读诊断、生成可审查的变更、在隔离环境重放故障。至于扩容、重启和流量切换,可以逐步放权;删除数据、修改密钥和改变权限则继续保持人工门槛。真正成熟的运维 Agent,不是它敢做多少事,而是它知道哪些事必须停下来等人。
参考来源:Google Developers Blog:受治理的自演化 AI Agent、Google Cloud Model Armor、Google Cloud Binary Authorization、OPA Policy Controller
