Principales aspectos destacados
- Tres proyectos en la CNCF: Google transfiere Agent Substrate, gVisor y OpenRL a una gobernanza independiente, abierta a la participación de otras empresas.
- Hasta 10 veces más agentes: Agent Substrate 1.0 promete aumentar la capacidad de ejecución por máquina y reducir el desperdicio de recursos causado por agentes inactivos.
- Disputa por la infraestructura de IA: La iniciativa posiciona estratégicamente a Google frente a proyectos competidores de NVIDIA y otras empresas.
Google está preparando el terreno para una nueva etapa de la inteligencia artificial: un mundo en el que miles de agentes trabajan simultáneamente, ejecutan código, acceden a herramientas y permanecen disponibles para recibir nuevas tareas.
El jueves 5 de noviembre, la compañía anunció la transferencia de tres proyectos tecnológicos a la Cloud Native Computing Foundation (CNCF), organización responsable de la gobernanza de importantes iniciativas de código abierto relacionadas con la infraestructura en la nube.
Los proyectos son Agent Substrate, gVisor y OpenRL. Los tres fueron aceptados en CNCF Sandbox en octubre, abriendo el camino hacia una gobernanza independiente de un único proveedor.
El movimiento llega en un momento importante. A medida que los agentes de IA dejan de ser simples asistentes conversacionales y comienzan a ejecutar tareas complejas, la infraestructura necesaria para mantenerlos funcionando se convierte en uno de los principales desafíos de la industria.
El problema de los agentes que pasan el día esperando 💤
Un agente de inteligencia artificial puede parecer extremadamente ocupado, pero buena parte del tiempo simplemente está esperando.
Según Google, los agentes interactivos pueden pasar entre el 90 % y el 95 % del tiempo esperando respuestas de modelos de lenguaje, API externas o aprobaciones humanas.
Esto crea un problema económico.
Imaginemos una infraestructura con miles de agentes, cada uno ocupando un Pod dedicado en Kubernetes. Incluso cuando no están ejecutando ninguna tarea, estos entornos siguen consumiendo recursos computacionales.
Precisamente este desperdicio es lo que Agent Substrate pretende solucionar.
🔎 El cambio de arquitectura: en lugar de mantener cada agente asociado permanentemente a una máquina, el proyecto separa la identidad y el estado del agente del entorno computacional utilizado para ejecutarlo.
El sistema trabaja con dos componentes principales:
- Actors: almacenan la memoria, los archivos y la identidad de cada agente.
- Workers: son entornos aislados y reutilizables, disponibles a partir de un conjunto de recursos previamente inicializados.
Cuando un agente queda inactivo, su estado se guarda en el almacenamiento. El entorno de ejecución puede liberarse para otras tareas.
Cuando el agente necesita volver a trabajar, su estado se restaura en menos de 500 milisegundos.
💡 El objetivo es sencillo: mantener miles de agentes disponibles sin necesidad de mantener miles de entornos computacionales permanentemente activos.
Agent Substrate 1.0 llega a Google Kubernetes Engine 🚀
Además de la transferencia a la CNCF, Google anunció que Agent Substrate ha alcanzado la versión 1.0.
La tecnología también está disponible de forma general como servicio gestionado en Google Kubernetes Engine (GKE).
Según la compañía, la nueva versión presenta cifras destacadas:
| Indicador | Capacidad anunciada |
|---|---|
| Densidad de agentes por máquina | Hasta 10 veces mayor |
| Operaciones de suspensión y reanudación | Más de 500 por segundo |
| Restauración de agentes | Menos de 500 ms |
| Ganancia de capacidad | Comparación con runtimes convencionales de contenedores |
El proyecto también ha acumulado más de 100 colaboradores desde el inicio de su desarrollo público, en mayo de 2026.
¿Por qué es importante?
El ahorro de recursos puede marcar la diferencia, especialmente en aplicaciones empresariales que utilizan agentes para atención al cliente, automatización de procesos, desarrollo de software y análisis de datos.
En lugar de dimensionar la infraestructura para mantener todos los agentes permanentemente activos, las empresas pueden compartir entornos de ejecución según la demanda.
gVisor: seguridad sin depender de una sola empresa 🔐
El segundo proyecto transferido es gVisor, una tecnología que actúa en una capa fundamental de la infraestructura: el aislamiento de código no confiable.
Creado por Google y publicado como código abierto en 2018, gVisor funciona como un kernel ligero que se ejecuta en el espacio de usuario.
En la práctica, crea una barrera entre el código ejecutado por una aplicación y el sistema operativo anfitrión.
Esto es especialmente importante para los agentes de IA.
Al fin y al cabo, los agentes pueden ejecutar scripts, instalar dependencias, manipular archivos e interactuar con herramientas externas. Sin un aislamiento adecuado, un fallo o comportamiento inesperado puede comprometer otros componentes de la infraestructura.
🏢 ¿Quiénes ya lo utilizan? Según Google, gVisor es utilizado por empresas como:
- Anthropic y OpenAI, para aislar la ejecución de código.
- Snowflake y Modal, en sus entornos sandbox.
- Tencent, en entornos de producción.
El cambio de gobernanza también puede tener consecuencias técnicas.
Google afirma que los mantenedores de Linux se resistieron a incorporar parches del kernel que acelerarían gVisor mientras el proyecto permaneciera bajo el control de una sola empresa.
Con una gobernanza neutral, esta barrera podría desaparecer.
Ant Group, Modal y Tines ya se han comprometido a participar como mantenedores. El código también está siendo trasladado a una organización propia en GitHub.
OpenRL quiere simplificar el entrenamiento de IA en Kubernetes 🧠
El tercer proyecto es OpenRL, presentado en febrero de 2026 como una versión preliminar orientada a la investigación.
Su propuesta consiste en ejecutar ciclos de entrenamiento de aprendizaje por refuerzo utilizando Python puro en Kubernetes.
El proyecto trabaja junto con llm-d, una iniciativa de la CNCF orientada a la inferencia distribuida de modelos de lenguaje.
El aprendizaje por refuerzo es un enfoque importante para mejorar modelos de inteligencia artificial mediante ciclos de interacción, evaluación y optimización.
Al llevar este proceso a una infraestructura basada en Kubernetes, Google busca facilitar la ejecución y gestión de cargas de trabajo de entrenamiento distribuidas.
Esto también refuerza la estrategia de la compañía de construir un ecosistema abierto para diferentes etapas del ciclo de vida de la inteligencia artificial.
NVIDIA también quiere dominar esta infraestructura ⚔️
Google no está solo en esta disputa.
NVIDIA también está desarrollando su propia infraestructura para agentes de inteligencia artificial.
Su proyecto OpenShell fue aceptado en CNCF Sandbox en septiembre de 2026.
Aunque ambos proyectos están relacionados con la ejecución de agentes, sus propuestas presentan diferencias importantes.
| Proyecto | Objetivo principal |
|---|---|
| Google Agent Substrate | Ejecutar miles de agentes de manera eficiente, especialmente cuando permanecen inactivos |
| NVIDIA OpenShell | Controlar qué pueden hacer los agentes y a qué recursos pueden acceder |
| Google gVisor | Aislar la ejecución de código no confiable |
| Google OpenRL | Ejecutar ciclos de entrenamiento de aprendizaje por refuerzo en Kubernetes |
⚡ La diferencia estratégica: mientras OpenShell enfatiza los permisos y los límites de actuación de los agentes, Agent Substrate concentra sus esfuerzos en la eficiencia de la infraestructura de ejecución.
Los dos enfoques no son necesariamente incompatibles. Por el contrario, la seguridad, el aislamiento y la eficiencia computacional son componentes complementarios de una infraestructura preparada para agentes autónomos.
KubeCon será el próximo escenario de esta estrategia
Google pretende presentar este conjunto de tecnologías durante KubeCon + CloudNativeCon North America, en Salt Lake City, entre el 9 y el 12 de noviembre.
La transferencia de los proyectos a la CNCF también tiene un significado estratégico.
Al permitir que otras empresas participen en la gobernanza, Google reduce la dependencia de una infraestructura controlada exclusivamente por un proveedor.
Esto puede facilitar la adopción por parte de empresas que desean evitar la dependencia tecnológica de un único proveedor de servicios en la nube.
La compañía sostiene que una gobernanza neutral permite que proveedores de nube, fabricantes de hardware y desarrolladores independientes participen en condiciones más equilibradas en la evolución de las cargas de trabajo basadas en agentes.
El próximo desafío será convertir esta apertura en adopción real.
Si los agentes de IA realmente avanzan hacia miles de ejecuciones simultáneas dentro de las empresas, las tecnologías capaces de suspender, restaurar, aislar y compartir recursos podrían llegar a ser tan importantes como los propios modelos de inteligencia artificial.
Y quizás la próxima gran batalla de la IA no se libre únicamente para descubrir qué modelo responde mejor, sino también para determinar quién puede ejecutar millones de agentes con mayor seguridad y menor coste.
