top of page

Doação do NVIDIA OpenShell Coloca a Segurança de Agentes sob Governança Compartilhada

há 1 hora
13 min de leitura
Illustrative photograph. Photo: Anastasia Shuraeva / Pexels.

A NVIDIA anunciou sua contribuição do OpenShell para a governança comunitária em 10 de novembro, ao lado de ferramentas de infraestrutura que ainda se encontram em diferentes estágios de prontidão. A doação do NVIDIA OpenShell coloca um runtime, o ambiente de software que executa e supervisiona agentes, dentro da Cloud Native Computing Foundation. A questão central é quanto controle operacional a infraestrutura compartilhada oferece às empresas que implantam software autônomo.

O anúncio é voltado a equipes que executam agentes de IA, sistemas de software que usam modelos e ferramentas para concluir tarefas. Essas equipes precisam de permissões aplicáveis, ambientes de trabalho persistentes e infraestrutura capaz de lidar com uma demanda variável. O código aberto lhes dá código para inspecionar, mas operar esse código ainda exige decisões de segurança, manutenção e responsabilização.

O Google faz parte dessa história por meio do Agent Substrate, seu framework para operar ambientes de agentes no Kubernetes, o sistema de código aberto para gerenciar cargas de trabalho de aplicações. A NVIDIA está contribuindo para esse projeto enquanto expande seu próprio software de infraestrutura. A principal tensão está entre a infraestrutura compartilhada e a responsabilidade que cada operador mantém. A propriedade comunitária pode ampliar a participação sem eliminar as decisões de implantação.

A Doação do NVIDIA OpenShell Muda a Administração, Não Sua Maturidade da Noite para o Dia

A Cloud Native Computing Foundation, ou CNCF, recebeu o OpenShell como um projeto Sandbox na KubeCon + CloudNativeCon North America. Sandbox é uma categoria inicial de maturidade de projeto, distinta dos estágios Incubating e Graduated da fundação.

Em seu anúncio sobre a governança do OpenShell, a CNCF descreve uma infraestrutura que estabelece limites aplicáveis em torno do acesso dos agentes a dados, segredos e redes. A fundação também afirma que o OpenShell está adotando Cedar, uma linguagem para expressar políticas de autorização.

A mudança imediata diz respeito a quem pode moldar a camada de segurança, e não a uma declaração abrangente de que toda implantação está pronta.

Essa distinção é importante porque governança e maturidade de software respondem a perguntas diferentes. A governança determina como os colaboradores discutem mudanças, resolvem divergências e influenciam a direção do projeto. A maturidade operacional diz respeito ao comportamento diante de falhas, à compatibilidade entre versões e à capacidade de suportar cargas de trabalho exigentes.

Uma fundação oferece um ambiente para colaboração. Ela não substitui a avaliação de uma empresa sobre sua própria implantação.

A descrição da transição para a comunidade da equipe do projeto apresenta uma mudança em direção à organização neutra ai-openshell. Ela identifica mantenedores da NVIDIA, Red Hat, Docker e Canonical, além de planos para ampliar a participação e estabelecer um roteiro público.

A equipe também afirma que o investimento de engenharia da NVIDIA continuará. Portanto, a contribuição muda a administração do projeto, preservando ao mesmo tempo um papel contínuo para a empresa que o iniciou.

Para compradores corporativos, esse arranjo levanta uma questão mais útil do que saber se a NVIDIA continua envolvida. A questão é se outras organizações podem manter integrações de forma significativa, influenciar prioridades e participar das decisões de lançamento.

Um projeto pode se beneficiar de um importante colaborador corporativo enquanto desenvolve uma comunidade mais ampla. A força desse arranjo se torna visível no trabalho cotidiano de manutenção.

Correções de segurança precisam de revisores. Mudanças precisam de documentação. Operadores precisam de uma explicação clara quando uma atualização altera o comportamento.

Essas atividades fornecem evidências mais fortes de administração compartilhada do que o anúncio por si só. Elas mostram se a participação vai além de endossos e alcança o trabalho necessário para manter a infraestrutura utilizável.

Consequentemente, a doação do NVIDIA OpenShell é significativa como uma mudança no lar institucional do projeto. Ela cria uma via para desenvolvimento compartilhado em torno de controles que, de outra forma, as empresas avaliariam individualmente.

Essa via tem valor prático mesmo antes de o projeto avançar para outro estágio de maturidade. As organizações podem comparar requisitos, examinar mudanças propostas e contribuir com experiência de implantação.

Ainda assim, o status Sandbox deve permanecer visível em discussões de aquisição e avaliações técnicas. Remover essa ressalva transformaria um marco inicial de governança em uma alegação de prontidão mais forte do que as evidências sustentam.

As Equipes de Plataforma Herdam as Decisões que os Agentes Não Podem Tomar

A proposta de segurança do OpenShell começa com uma separação de responsabilidades. Um agente escolhe ações para cumprir uma tarefa; a infraestrutura determina quais ações seu ambiente permite.

Essa separação se torna importante quando um agente encontra instruções enganosas ou toma uma decisão incorreta. Um pedido escrito para agir com cuidado não estabelece o mesmo limite que uma operação negada.

O anúncio pressiona as equipes de plataforma a definir permissões como política operacional, em vez de deixá-las dentro das instruções da aplicação.

Jim Bugwadia, da Nirmata, oferece uma perspectiva prática em uma análise hospedada pela CNCF sobre controles de política para agentes. Ele descreve controles para acesso a arquivos, comportamento de processos, solicitações de rede e credenciais, os segredos usados para autenticar o acesso.

Seu relato também identifica responsabilidades fora do escopo do OpenShell. As equipes de plataforma ainda decidem quais imagens de software podem ser executadas, quanta infraestrutura um ambiente recebe e quem pode alterar permissões.

Essa é uma limitação útil a ser explicitada. Instalar uma camada de aplicação não diz a uma organização o que sua política deve permitir.

Considere um assistente de engenharia ilustrativo que analisa um problema de software. Ele precisa de acesso ao repositório e permissão para executar testes, mas sua tarefa não exige inerentemente acesso irrestrito a sistemas de produção.

A difícil questão organizacional é quem torna essa distinção aplicável. Os desenvolvedores de aplicações entendem o fluxo de trabalho, enquanto as equipes de segurança entendem as consequências de um acesso mais amplo.

Os engenheiros de plataforma então precisam de uma implantação que implemente o limite acordado de forma consistente. Se esses grupos definirem pressupostos diferentes, um runtime de agentes não poderá conciliá-los automaticamente.

Isso desloca parte da conversa de compra para além da capacidade do modelo. Os compradores também precisam entender como as permissões são aprovadas, revisadas e analisadas após um incidente.

Um assistente que conclui uma tarefa com sucesso ainda pode usar mais autoridade do que a organização pretendia. Portanto, as métricas de sucesso precisam coexistir com evidências sobre o que o sistema acessou.

A carga operacional também muda com o tempo. Uma permissão adequada para a revisão de um repositório pode ser excessiva para uma busca em documentação ou insuficiente para uma tarefa de lançamento aprovada.

As equipes precisam de um processo para mudar a autoridade sem tornar permissões amplas a resposta padrão para cada ação bloqueada.

É aqui que a infraestrutura compartilhada cria tanto uma oportunidade quanto uma exigência. Uma implementação comum oferece às organizações algo concreto para examinar em conjunto.

Ela também expõe as decisões de política que elas próprias precisam assumir. Um projeto aberto não pode decidir quais registros internos são sensíveis ou quem deve autorizar o acesso a eles.

Para equipes que gerenciam evidências técnicas, uma base de conhecimento pesquisável pode ajudar a preservar notas de avaliação e decisões de implantação. Essa documentação apoia a revisão, enquanto o runtime continua responsável por aplicar os limites configurados.

A pressão recai mais diretamente sobre organizações que estão levando agentes de demonstrações para o trabalho contínuo. Elas precisam responder quem é responsável pelo ambiente depois que a equipe de aplicações conclui sua integração inicial.

Sem essa responsabilidade, o software compartilhado corre o risco de se tornar mais um componente do qual todos dependem e ninguém mantém de forma consistente.

O Agent Substrate do Google Aborda o Custo da Espera

As permissões dos agentes são apenas parte do problema de infraestrutura. Os ambientes de agentes também precisam persistir enquanto seus usuários, ferramentas ou modelos levam tempo para responder.

Manter um ambiente disponível consome recursos. Reconstruí-lo após cada pausa introduz atraso e pode levar à perda do estado de trabalho, as informações necessárias para continuar uma tarefa.

O Agent Substrate do Google aborda esse problema de ciclo de vida. Em sua descrição técnica de execução de agentes, a NVIDIA explica como o projeto mapeia sessões para um pool compartilhado de workers.

Ambientes ociosos podem ser salvos e posteriormente restaurados com sua memória e arquivos. A NVIDIA também descreve o trabalho de conectar essa camada de execução ao Dynamo, seu framework de inferência, e ao KAI Scheduler, seu alocador de recursos de cluster.

O projeto do Google e o OpenShell abordam problemas operacionais relacionados, mas não devem ser tratados como produtos intercambiáveis.

A distinção ajuda a explicar a contribuição da NVIDIA para um framework originado no Google. Uma plataforma precisa tanto de uma resposta sobre o que um agente pode fazer quanto de uma forma de operar seu ambiente com eficiência.

De uma perspectiva arquitetural, manter componentes separados pode oferecer flexibilidade aos operadores. A aplicação de permissões e o agendamento de ambientes não precisam necessariamente ter cronogramas de lançamento ou escolhas de implementação idênticos.

No entanto, essa flexibilidade cria trabalho de integração. As equipes precisam estabelecer como a identidade, as permissões e o ambiente de trabalho de um agente permanecem associados à medida que a execução é interrompida ou transferida.

Um ambiente que é retomado corretamente deve manter os limites adequados à sua tarefa. Preservar arquivos por si só não responde se sua autorização anterior continua válida.

Essa é uma implicação operacional da arquitetura, e não evidência de uma falha relatada. O anúncio não estabelece que todas as combinações possíveis tenham sido validadas.

A mesma cautela se aplica ao planejamento de capacidade. Liberar recursos durante períodos ociosos parece atraente, mas os benefícios reais dependem de como as cargas de trabalho alternam entre atividade e espera.

Um assistente frequentemente ativo apresenta um padrão diferente de uma sessão deixada sem uso entre solicitações de usuários. Uma avaliação precisa representar a carga de trabalho pretendida.

A comparação também muda a forma como as equipes de plataforma devem interpretar alegações de densidade. Suportar muitas sessões registradas é diferente de atender muitas tarefas ativas simultaneamente dentro de um tempo de resposta aceitável.

Os compradores devem perguntar qual condição um benchmark descreve. Caso contrário, uma manchete sobre agentes suportados pode ocultar os recursos necessários quando esses agentes ficam ocupados ao mesmo tempo.

A colaboração coloca Google e NVIDIA em uma trajetória compartilhada de infraestrutura neste ponto, embora mantenham interesses comerciais distintos. Tratar o anúncio como uma simples disputa entre eles deixaria de perceber essa relação.

Em vez disso, suas abordagens ilustram por que a questão da governança importa. As empresas querem componentes que possam funcionar juntos sem exigir que toda decisão arquitetural venha do mesmo fornecedor.

Essa ambição continua dependente dos detalhes de implementação. Planos de integração estabelecem uma direção; compatibilidade documentada e implantação repetível estabelecem uma combinação utilizável.

Para os operadores, o resultado relevante é um sistema coeso, com responsabilidades claramente atribuídas. Adicionar projetos só ajuda quando seus limites permanecem compreensíveis durante atualizações, falhas e revisões de segurança.

A infraestrutura Kubernetes da NVIDIA dá aos operadores mais controle e mais trabalho

Além de seu trabalho com agentes, a NVIDIA apresentou o NVIDIA Kubernetes Engine e o NVIDIA Kubernetes Recipes. Esses projetos são voltados a provedores que criam serviços Kubernetes gerenciados em unidades de processamento gráfico, ou GPUs, os processadores usados em muitas cargas de trabalho de IA.

A divisão é simples. O NVIDIA Kubernetes Engine, abreviado como NVKE, gerencia clusters, grupos de máquinas que operam como uma plataforma compartilhada de aplicações. O NVIDIA Kubernetes Recipes, ou NVKR, cria os artefatos de software usados por esses clusters.

A descrição da NVIDIA sobre gerenciamento de clusters Kubernetes afirma que os operadores podem adotar os projetos em conjunto ou de forma independente. Ambos estão disponíveis sob a licença de código aberto Apache 2.0.

A ressalva sobre disponibilidade é importante: ambos os projetos estão em prévia pública. A NVIDIA declara explicitamente que eles ainda não são recomendados para cargas de trabalho de produção, e que suas interfaces e comportamentos podem mudar.

A infraestrutura Kubernetes da NVIDIA oferece aos operadores uma base para criar serviços, mantendo a responsabilidade pelo serviço com o operador.

Esse arranjo atrai organizações que desejam controlar as escolhas de implantação e a experiência do cliente. Também exige que elas mantenham o serviço do qual esses clientes dependem.

Há uma diferença substancial entre acessar código e assumir a responsabilidade por sua operação. Um serviço gerenciado precisa de procedimentos para atualizações, recuperação, escassez de capacidade e suporte ao cliente.

O código aberto torna os detalhes de implementação disponíveis para inspeção. Ele não fornece equipe, não determina os compromissos de suporte de uma organização nem resolve todos os problemas de compatibilidade.

A separação entre criar software e gerenciar clusters é, portanto, significativa. Compilações reproduzíveis, que registram os insumos necessários para recriar artefatos de software, podem ajudar na solução de problemas e na revisão de mudanças.

Elas dão às equipes uma base mais clara para identificar o que mudou entre implantações. Isso é particularmente útil quando um problema surge apenas depois que vários componentes de infraestrutura foram atualizados.

Ainda assim, a reprodutibilidade não estabelece que uma combinação específica atende aos requisitos de uma organização. As equipes continuam precisando de validação relevante para seu hardware, aplicações e condições de falha.

Essa é a mesma tensão entre controle e responsabilidade visível no anúncio do OpenShell. Mais acesso à infraestrutura oferece aos operadores mais formas de influenciar o comportamento.

Também reduz o número de decisões que eles podem delegar sem análise. Escolher possuir a plataforma significa escolher possuir suas consequências operacionais.

Para provedores de serviços, a relevância comercial depende da execução. Blocos de construção compartilhados podem reduzir a engenharia duplicada, enquanto a diferenciação se desloca para confiabilidade, suporte e integração especializada.

Essa é uma implicação analítica, não um resultado mensurado do anúncio de prévia. Não há base para afirmar que todos os provedores obterão a mesma eficiência.

Da mesma forma, clientes empresariais devem distinguir os planos de integração de fornecedores de um serviço com suporte disponível para suas cargas de trabalho. Um anúncio pode anteceder documentação de implantação, compromissos contratuais e experiência operacional.

A designação de prévia dá às equipes um motivo para avaliar os projetos com cuidado. Ela não exige que tratem a avaliação como uma decisão imediata de migração.

Por enquanto, a infraestrutura Kubernetes da NVIDIA amplia as opções de implementação disponíveis. Se essas opções simplificam um ambiente específico depende do trabalho necessário para operá-las em conjunto.

Os resultados de inicialização do Snapshot exigem uma leitura restrita

O NVIDIA Snapshot aborda outro obstáculo: colocar novamente em operação uma carga de trabalho de serviço de modelos após a inicialização.

Ele usa checkpointing, a captura do estado de uma carga de trabalho em execução para restauração posterior. Em vez de repetir a inicialização, um ambiente compatível retoma a partir do estado salvo.

A publicação técnica da NVIDIA sobre restauração de cargas de trabalho de GPU relata uma avaliação da Crusoe usando o modelo GLM-5.3 em sistemas NVIDIA HGX B300. Segundo a NVIDIA, a prontidão da carga de trabalho caiu de aproximadamente oito minutos para 31 segundos.

Esse é o resultado de uma carga de trabalho de um parceiro, relatado pelo fornecedor. Não é um benchmark independente realizado para este artigo.

A melhoria relatada diz respeito à prontidão da carga de trabalho, não a um aumento universal na velocidade de geração de respostas.

A distinção afeta como compradores de infraestrutura interpretam o número. Uma carga de trabalho ficar pronta mais cedo não estabelece a rapidez com que processa solicitações após a inicialização.

Nem uma medição de restauração descreve necessariamente todo o processo de provisionamento. A NVIDIA afirma que o provisionamento de infraestrutura e o carregamento de imagens de contêiner permanecem fora de seu caminho de restauração medido.

Sua documentação também especifica requisitos de compatibilidade, incluindo o mesmo modelo de GPU e driver para a operação de restauração descrita.

Esses limites são centrais para o resultado. Eles determinam o que uma equipe precisa reproduzir antes de esperar um benefício comparável.

Para um serviço que enfrenta demanda repentina, a inicialização pode atrasar a chegada de capacidade utilizável. Reduzir esse atraso é operacionalmente valioso quando a inicialização é o gargalo relevante.

No entanto, uma restauração mais rápida não pode eliminar a escassez de máquinas compatíveis. Ela também não pode tornar armazenamento lento ou infraestrutura indisponível irrelevantes apenas porque a inicialização foi encurtada.

A avaliação correta, portanto, começa com o atraso real do serviço. As equipes precisam determinar qual parte decorre da obtenção de recursos, do carregamento de software, da inicialização da carga de trabalho ou da restauração do estado salvo.

Essa separação impede que um benchmark preciso se transforme em uma promessa imprecisa. Ela também ajuda a identificar se o Snapshot resolve o problema que um operador realmente tem.

O estado salvo introduz suas próprias questões de gestão. Os operadores precisam saber qual configuração de software produziu um artefato e quando uma carga de trabalho atualizada exige uma substituição.

Um mecanismo de restauração também precisa de um caminho de falha definido. Se a restauração não puder prosseguir, o serviço ainda precisa de uma rota compreendida para a disponibilidade.

Essas são questões de avaliação decorrentes do design, e não alegações de que o Snapshot falha nessas condições. Elas pertencem a uma revisão de implantação porque o resultado de inicialização relatado não as responde.

A distinção entre persistência de agentes e restauração de modelos também importa aqui. O Agent Substrate preserva o ambiente de um agente; o Snapshot restaura cargas de trabalho de GPU inicializadas.

Ambos dizem respeito ao estado, mas atuam em partes diferentes do sistema. Tratá-los como um único recurso confundiria qual componente é responsável por cada comportamento de recuperação.

O exemplo do parceiro torna concreto o anúncio de infraestrutura. Seu valor vem da identificação de uma melhoria específica com condições explícitas.

Preservar essas condições torna o resultado mais útil para compradores. Expandir isso para uma alegação geral sobre velocidade de inferência o tornaria menos informativo.

Observe a participação dos mantenedores, as versões com suporte e os resultados reproduzíveis

A próxima fase deste anúncio deve ser avaliada por meio de mudanças observáveis, e não de adoção presumida. A doação do NVIDIA OpenShell estabelece um marco de governança, enquanto o software ao redor segue caminhos separados rumo à maturidade operacional.

O primeiro sinal é uma participação mais ampla na manutenção. Nos próximos meses, procure organizações além da NVIDIA assumindo responsabilidade visível por revisões, versões, processos de segurança e manutenção de integrações.

A propriedade compartilhada se torna significativa quando as organizações realizam o trabalho necessário para sustentar o projeto.

Uma lista crescente de usuários seria encorajadora, mas a responsabilidade pela manutenção fornece um tipo diferente de evidência. Ela mostra se a direção e a continuidade do projeto repousam sobre uma base mais ampla.

Se colaboradores externos assumirem de forma consistente trabalhos importantes, o argumento a favor de uma administração comunitária duradoura se fortalece. Se decisões essenciais permanecerem concentradas, a transição de governança terá proporcionado uma mudança prática mais limitada.

O segundo sinal é uma documentação mais clara de suporte e compatibilidade. Isso inclui mudanças no status de prévia pública de NVKE e NVKR, além de limites de integração documentados para os componentes de agentes.

Uma versão deve explicar quais combinações têm suporte, o que muda entre versões e como os operadores se recuperam de uma atualização malsucedida. Esses detalhes tornam o software avaliável para um ambiente específico.

A chegada deles reforçaria o argumento de que componentes compartilhados estão se tornando uma plataforma operável. A incerteza contínua favoreceria avaliações limitadas, em vez de pressupostos de implantação ampla.

O terceiro sinal é evidência reproduzível de cargas de trabalho. O resultado do parceiro do Snapshot oferece aos avaliadores um ponto de partida concreto, mas uma confiança mais ampla exige medições que preservem a métrica original e divulguem suas condições.

Um trabalho de acompanhamento útil distinguiria o tempo de restauração da disponibilidade total do serviço. Também explicaria a compatibilidade de hardware, a configuração de armazenamento, as versões de software e o comportamento quando a restauração falha.

Resultados comparáveis em cargas de trabalho adicionais reforçariam o argumento para reutilização prática. Resultados que dependem de condições estritamente correspondentes limitariam os contextos nos quais o benefício relatado se aplica.

Esses sinais devem permanecer separados. Uma melhoria de governança não valida uma alegação de desempenho, e um benchmark forte não estabelece um processo de suporte maduro.

A importância mais ampla do anúncio está em conectar a segurança de agentes aos sistemas necessários para operar cargas de trabalho de IA. Essa conexão torna a propriedade da plataforma uma parte central da discussão sobre implantação de IA.

Ela também oferece aos compradores empresariais uma forma mais concreta de examinar a abertura. Eles podem perguntar quem mantém o código, quais limites ele impõe e quais responsabilidades operacionais permanecem com eles.

Comece pela evidência relevante para sua implantação. Compare os requisitos de permissão com o modelo de aplicação proposto e, em seguida, examine o comportamento de compatibilidade e recuperação. Mantenha os marcos de governança separados das recomendações de produção e das alegações de desempenho de parceiros. Pergunte se sua equipe consegue explicar quem aprova o acesso, quem mantém as integrações e quem responde quando um ambiente não consegue ser retomado. Registre essas respostas antes de expandir uma avaliação para um compromisso de serviço. A doação do NVIDIA OpenShell cria um espaço compartilhado para desenvolver parte dessa infraestrutura. Use as próximas versões, decisões de manutenção e avaliações reproduzíveis para julgar quão bem essa base compartilhada se ajusta ao trabalho que você precisa que os agentes realizem.

 
 

Comece grátis

Um assistente de IA local-first com gestão de conhecimento pessoal

Para oferecer uma experiência de IA melhor,

atualmente, o remio é compatível apenas com Windows 10+ (x64) e M-Chip Macs.

Seu parceiro de IA no trabalho
Faça mais com o remio

Planeje. Crie. Entregue.
Tudo em um só lugar.

bottom of page