Przejdź do głównej zawartości
AggregaAggrega
Wybierz język: Polski
Ta strona została przetłumaczona maszynowo. Przeczytaj oryginał w języku angielskim.

Wizja i pozycjonowanie

Ten rozdział określa podstawową przestrzeń problemów, ścisłe antycele platformy, jej relację z szerszym ekosystemem oraz nadrzędne filozofie, które rządzą ekosystemem Aggrega.

Semantyczna luka infrastruktury i jak Aggrega ją pokonuje

Krajobraz chmury korporacyjnej jest dziś ograniczony przez uporczywą lukę semantyczną: tradycyjne narzędzia Infrastructure-as-Code (IaC) zarządzają stanem fizycznym, ale z natury nie mają kontekstu warstwy aplikacji.

Podstawowe narzędzia, takie jak Terraform, są menedżerami stanu. Udostępniają fizyczne węzły obliczeniowe, ale nie modelują logicznych przepływów danych L7 zachodzących między tymi węzłami. Nie potrafią natywnie przeanalizować architektury, aby udostępnić semantyczne zapory sieciowe potrzebne do śledzenia łańcuchów promptów AI lub powstrzymywania ataków typu „Confused Deputy”. Z kolei narzędzia natywne dla Kubernetes (takie jak KubeVela) działają jako aktywne kontrolery środowiska uruchomieniowego; statyczne, tworzone z wyprzedzeniem (ahead-of-time) artefakty zgodności, których wymagają zespoły bezpieczeństwa w przedsiębiorstwach, wykraczają poza ich zakres.

Aggrega odpowiada na ten problem, działając jako topologiczny kompilator Ahead-of-Time (AOT), ukierunkowany na następujące wąskie gardła współczesnej inżynierii platform i obciążeń AI:

1. Abstrakcyjna pojemność a fizyczna mechanika

  • Problem: gdy programiści piszą tradycyjne IaC, ograniczenia fizycznej infrastruktury (takie jak zakodowane na stałe wolumeny AWS EBS czy rozmiary instancji EC2) często przenikają do logiki aplikacji. To ścisłe powiązanie zmniejsza przenośność i niezamierzenie wiąże obciążenia z konkretnymi dostawcami chmury.
  • Rozwiązanie: Aggrega strukturalnie deleguje granicę między abstrakcyjną pojemnością a fizyczną mechaniką do katalogu platformy. Zamiast polegać na zakazach zakodowanych w kompilatorze, Platform Architects tworzą ścisłe deklaracje w JSON Schema 2020-12 (zwykle w formie kompaktowej — skróconym zapisie w stylu YAML, który mieści ograniczenia każdego pola w jednym wierszu), aby dokładnie określić, czego programiści mogą żądać. Zwykle programiści są ograniczeni do abstrakcyjnych wymagań przetrwania (np. storage_size: 100Gi lub hardware/accelerator: gpu) i nie mogą wstrzykiwać dowolnych klas pamięci masowej w chmurze, po prostu dlatego, że schemat komponentu je odrzuci. Jeśli aplikacja naprawdę wymaga konkretnego typu fizycznej instancji EC2, Architect musi jawnie udostępnić to pokrętło w interfejsie komponentu, dzięki czemu uzależnienie od dostawcy staje się świadomym, zarządzanym wyborem, a nie przypadkowym wyciekiem.

2. Prawdziwe odwrócenie sterowania i semantyczne łączenie

  • Problem: ręczne łączenie adresów IP, ciągów połączeń z bazami danych (DSN) i portów sieciowych między mikrousługami tworzy kruche architektury przywiązane do środowiska. Choć organizacje radzą sobie dziś z tymi zmianami za pomocą złożonych warstw nadpisań zmiennych, poprawek Kustomize lub zduplikowanych skryptów wdrożeniowych, utrzymywanie tej ręcznej logiki translacji wprowadza znaczne tarcie operacyjne i obciążenie poznawcze przy przenoszeniu obciążeń z lokalnego laptopa do produkcyjnej chmury.
  • Rozwiązanie: Aggrega zastępuje zakodowane na stałe zależności infrastrukturalne prawdziwym odwróceniem sterowania (True Control Inversion) poprzez jawny Injection Contract. Programiści po prostu deklarują semantyczną krawędź topologiczną (np. „Agent A używa bazy danych B”) i określają, w jaki sposób ich kod oczekuje otrzymania danych połączenia (np. jako zmiennej środowiskowej lub zamontowanego pliku). Kompilator przyjmuje deterministyczne wskaźniki przypisane celowi przez zespół Ops — czy to wewnętrzną nazwę DNS Kubernetes, ciąg interpolacji Terraform, czy DSN sformatowany przez Wasm — i przesyła je bezpośrednio do szablonów renderowania, nie rozwiązując ich. To abstrahuje fizyczne trasowanie i porty od programisty w przypadku współczesnych obciążeń. Kompilator przekazuje deterministyczne ciągi znaków; stabilne łączenie zależności między środowiskami jest właściwością dyscypliny tworzenia encji Recipe (zespół Ops dostarcza deterministyczne wskaźniki odpowiednie dla środowiska), a nie gwarancją rdzenia kompilatora.

3. Połączenie ogrodzonego ogrodu AI z rzeczywistością cloud-native

  • Problem: frameworki AI zakładają, że infrastruktura po prostu istnieje, pozostawiając zespołowi Ops ręczne łączenie agentów, potoków RAG i baz danych za pomocą rozproszonych, zakodowanych na stałe plików YAML.
  • Rozwiązanie: Aggrega działa jako tłumacz topologiczny. Kompilując deklaratywny DSL programisty, kompilator generuje dokładne konfiguracje potrzebne do podłączenia złożonych wieloagentowych pętli rozumowania bezpośrednio do standardowej infrastruktury chmurowej, bez pisania przez programistów skryptów infrastrukturalnych.

4. Bariery ochronne egzekwowane przez infrastrukturę i obrona MCP

  • Problem: bariery ochronne na poziomie oprogramowania zawodzą, jeśli aplikacja zostanie przejęta lub AI zacznie halucynować, mając dostęp do narzędzi wewnętrznych przez Model Context Protocol (MCP).
  • Rozwiązanie: Aggrega przenosi granice zaufania z kodu aplikacji do infrastruktury sieciowej poprzez ścisłe przekazanie wykonania (Execution Handoff). Po zwalidowaniu statycznego grafu aplikacji przez wymienne gniazdo zarządzania WebAssembly kompilator wykonuje wtyczki renderujące, aby wygenerować dokładne konfiguracje wymagane przez proxy przechwytujące L7 (takie jak maskowanie danych czy webhooki zatwierdzania przez człowieka). Następnie przekazuje te artefakty orkiestratorowi czasu wykonania, który fizycznie egzekwuje reguły i blokuje nieautoryzowane działania.

5. Centralizacja ruchu AI i zarządzanie bramami

  • Problem: zarządzanie ruchem LLM wymaga wysoce wyspecjalizowanego trasowania (budżety tokenów, buforowanie semantyczne, przełączanie awaryjne), którego brakuje standardowym bramom mikrousług.
  • Rozwiązanie: ponieważ Aggrega jest agnostyczna wobec możliwości, granica między aplikacją a infrastrukturą zależy wyłącznie od użytkownika. Aggrega może służyć do encji Aggregates czystej infrastruktury typu „greenfield” albo generować na żądanie konfiguracje dla korporacyjnych AI Gateways, jeśli programista jawnie zażąda ich jako części swojej aplikacji. Na żądanie kompilator wykorzystuje wtyczki renderujące WebAssembly i encje Ops Recipes, aby wygenerować dokładne artefakty dla tych bram, umożliwiając infrastrukturze czasu wykonania fizyczne realizowanie buforowania semantycznego i łańcuchów awaryjnych między dostawcami.

6. Stanowa pamięć poznawcza i hosting modeli lokalnych

  • Problem: traktowanie wektorowych baz danych i dzienników epizodycznych jako ogólnej, płaskiej pamięci pozwala przejętym agentom łatwo nadpisywać krytyczne fakty semantyczne.
  • Rozwiązanie: Aggrega traktuje magazyny wektorowe i modele lokalne jako jawne węzły architektury w grafie topologii. Opierając się ściśle na tym, czego żąda użytkownik i co zespół Ops zaimplementował w swoich Recipes, kompilator wykorzystuje wtyczki WebAssembly, aby wygenerować dokładne artefakty potrzebne do ich zabezpieczenia. Obejmuje to generowanie ścisłych zasad sieciowych potrzebnych do przypisania autonomicznych agentów do odizolowanych partycji pamięci oraz formatowanie konkretnych ograniczeń planowania (takich jak nodeSelectors w Kubernetes), aby orkiestrator czasu wykonania umieszczał modele lokalne na zoptymalizowanym sprzęcie GPU.

7. Prawdziwa niezależność od chmury i możliwości (późne wiązanie)

  • Problem: przeniesienie złożonej architektury z lokalnego środowiska testowego Docker do produkcyjnego Kubernetes wymaga utrzymywania całkowicie oddzielnych, zduplikowanych skryptów wdrożeniowych.
  • Rozwiązanie: Aggrega opiera się na „późnym wiązaniu”. Programiści piszą jeden abstrakcyjny projekt. Operator platformy może następnie odwzorować dokładnie tę samą topologię na Docker Compose do testów lokalnych lub na AWS/EKS do produkcji, po prostu wymieniając plik blokady Manifest i router Release. To czysto oddziela logikę poznawczą aplikacji od fizycznej infrastruktury, dając doświadczenie „napisz raz, uruchamiaj wszędzie” dla architektury podstawowej i czyniąc uzależnienie od dostawcy zarządzanym, celowym wyborem, a nie przypadkowym produktem ubocznym.
graph TD
    A["Single Abstract Blueprint<br/>Aggregate.yaml"]

    subgraph LateBinding ["Late Binding Phase"]
        B{"Manifest Mapping"}
    end

    A --> B

    B -->|"Manifest: local-dev"| C["Local Provider<br/>Docker Compose"]
    B -->|"Manifest: aws-prod"| D["Cloud Provider<br/>EKS + AWS Bedrock"]
    B -->|"Manifest: azure-prod"| E["Cloud Provider<br/>AKS + Azure OpenAI"]

Granice platformy i antycele (czym Aggrega nie jest)

Aby zachować czystość architektury i zapobiec niekontrolowanemu rozrastaniu się zakresu, Aggrega działa w ścisłych, niepodlegających negocjacji granicach. Platforma świadomie wybiera problemy, które rozwiązuje, i równie stanowczo pilnuje tego, czego nie robi.

1. Deterministyczny kompilator, a nie generator IaC

Aggrega nie jest agentem AI, który „pisze Terraform za ciebie”. To deterministyczny kompilator w Go, który parsuje ścisły język dziedzinowy (DSL), aby gwarantować powtarzalne i audytowalne artefakty wdrożeniowe. Nie halucynuje infrastruktury.

2. Żadnej logiki poznawczej ani kodu aplikacji

Podział domen w Aggrega kieruje się prawem Conwaya jako wskazówką, a nie go wymusza, i Aggrega nie wymaga od zespołów przyjmowania własnościowego języka. Nigdy nie zmusza programistów do przepisywania logiki rozumowania AI, węzłów LangGraph czy embeddingów w Pythonie na język chmurowy specyficzny dla platformy. Kompilator traktuje aplikację jak czarną skrzynkę. Konfiguruje bezpieczne drogi i mury; samochodami kierują frameworki aplikacyjne.

3. Antycele operacyjne i dotyczące cyklu życia

  • To nie jest potok CI/CD: Aggrega nie buduje obrazów Docker, nie uruchamia testów jednostkowych i nie zarządza repozytoriami Git. Programiści muszą używać istniejących narzędzi do budowania kodu swoich aplikacji. Aggrega kompiluje wyłącznie deklaratywny plan infrastruktury, który towarzyszy tym kompilacjom.
  • To nie jest aktywny orkiestrator klastrów (bez GitOps): Aggrega jest statycznym kompilatorem Ahead-of-Time (AOT), a nie aktywnym agentem klastra, który nieustannie uzgadnia stan. Generuje standardowe manifesty Kubernetes i konfiguracje Docker Compose, które wdrażają dedykowane narzędzia GitOps (takie jak ArgoCD czy Flux).
  • To nie jest menedżer stanu poznawczego: kompilator wykorzystuje wtyczki do generowania konfiguracji bezpiecznych granic sieciowych i fizycznych baz danych. Nie monitoruje jednak wewnętrznej pętli pamięci agenta AI. Jeśli AI halucynuje lub nie zdoła zapisać danych w swojej bazie, jest to problem frameworka aplikacji.
  • To nie jest narzędzie aprowizacji „Day 0”: Aggrega zwykle zakłada, że bazowa płaszczyzna sterowania już istnieje (np. aktywny klaster Kubernetes lub konto AWS). Kompiluje architekturę aplikacji „Day 1” na tej podstawie; nie wykonuje początkowych skryptów tworzących korporacyjną organizację w chmurze.
  • Wyjątek (platformowe encje Aggregates i mieszane przypadki użycia): ponieważ Aggrega jest agnostyczna względem możliwości, natywnie obsługuje scenariusze „greenfield”. Jeśli Platform Architect zdefiniuje infrastrukturę Day-0 (taką jak VPC i klastry Kubernetes) w platformowej encji Aggregate, Aggrega skompiluje ją i wyrenderuje dokładnie tak samo jak standardową aplikację. Ta agnostyczność płynnie obsługuje środowiska mieszane: ciężki węzeł architektury — taki jak korporacyjna AI Gateway — można zamodelować jako istniejący wcześniej zasób infrastruktury (używając wtyczek formatujących, które tylko przepuszczają ruch) albo wdrożyć bezpośrednio obok aplikacji jako standardowy aprowizowany komponent.

4. Antycele dotyczące paradygmatu aplikacji i infrastruktury

  • Żadnych zdecentralizowanych sieci ani P2P: wygenerowane konfiguracje opierają się na scentralizowanej korporacyjnej płaszczyźnie sterowania (Kubernetes/VPC), zdolnej egzekwować granice sieciowe L4/L7. Kompilator nie potrafi wygenerować bezpiecznego trasowania dla agentów, którzy dynamicznie odnajdują się nawzajem w zdecentralizowanych blockchainach lub publicznych sieciach P2P.
  • Brak systemów zero-copy i z pamięcią współdzieloną: Model bezpieczeństwa Aggrega opiera się na generowaniu konfiguracji przechwytywania na poziomie sieci (np. sidecarów Envoy) w celu egzekwowania zasad. Jeśli rój agentów komunikuje się wyłącznie przez współdzieloną pamięć systemową w obrębie węzła (np. Ray Core Actors), proxy sieciowe nie widzą tej komunikacji i nie mogą egzekwować zabezpieczeń.
  • Żadnych agentów po stronie klienta: Aggrega jest wyłącznie kompilatorem infrastruktury backendowej. Nie potrafi generować konfiguracji dla niezarządzanych modeli AI działających w całości w przeglądarce Chrome użytkownika końcowego lub na mobilnym urządzeniu brzegowym.
  • Żadnego efemerycznego sandboxingu JIT (mikrosegmentacji na żądanie): Aggrega jest statycznym kompilatorem AOT zaprojektowanym do kompilowania artefaktów dla długo działających zasobów obliczeniowych (takich jak Deploymenty Kubernetes). Nie obsługuje natywnie efemerycznego sandboxingu Just-In-Time (JIT), w którym cały kontener jest uruchamiany i niszczony dla każdego żądania, by ograniczyć promień rażenia.

5. Relacja z sąsiednimi narzędziami

Wymienne gniazdo renderowania WebAssembly (Wasm) w Aggrega sprawia, że społeczność może napisać wtyczkę renderującą dla dowolnego narzędzia docelowego. Główny projekt dostarcza wtyczki renderujące dla Helm, Helm-chart, Compose, Terraform i CloudFormation — obejmujące GitOps w Kubernetes, dystrybucję redystrybuowalnych chartów, rozwój lokalny i deklaratywne zasoby chmurowe — a otwarte gniazdo pozwala zespołom celować w inne powierzchnie artefaktów statycznych bez ingerencji w rdzeń. Zespoły oceniające Aggrega często wywodzą się z ekosystemów zbudowanych wokół narzędzi umieszczonych w pobliskich, ale odrębnych częściach stosu. Poniższe narzędzia pogrupowano według ich relacji z Aggrega: formaty artefaktów, do których renderuje, przestrzeń kompilatorów AOT, którą współdzieli, płaszczyzny sterowania, które konsumują jej wynik, oraz sąsiednią dziedzinę zarządzania konfiguracją, w którą nie celuje.

Formaty artefaktów, do których renderuje Aggrega. To wyniki dla Kubernetes i rozwoju lokalnego wytwarzane przez dostarczane wtyczki renderujące; dostarczane renderery Terraform i CloudFormation pojawiają się obok tych narzędzi w następnej grupie.

  • Helm to standardowy format pakowania i szablonów dla oprogramowania Kubernetes. Aggrega emituje zarówno wyrenderowany YAML Helm, jak i umbrella charty jako pełnoprawne cele wyjściowe, więc procesy oparte na Helm bezpośrednio konsumują wynik Aggrega.
  • Docker Compose to standard lokalnego rozwoju wielokontenerowego. Renderer Compose w Aggrega celuje w niego bezpośrednio, więc jeden plan działa lokalnie bez oddzielnej powierzchni tworzenia.

Przestrzeń kompilatorów AOT. Te narzędzia również kompilują abstrakcyjną intencję lub intencję na poziomie kodu do statycznych artefaktów i zatrzymują się przed ich wdrożeniem. Aggrega celuje w kilka tych samych artefaktów końcowych przez swoje otwarte gniazdo renderowania; tam, gdzie dla celu nie jest dostarczana wtyczka renderująca, jest on osiągalny przez jej napisanie, a nie przez zmianę rdzenia.

  • Terraform / OpenTofu aprowizują zasoby chmurowe na podstawie deklaratywnego HCL i zarządzają stanem za pomocą silnika CLI. Aggrega kompiluje do statycznych artefaktów i pozostawia wykonanie stanu środowisku uruchomieniowemu; dostarczany renderer Terraform emituje konfigurację, którą stosuje Terraform lub OpenTofu, i nigdy nie uruchamia żadnego z nich.
  • AWS CloudFormation, Azure Resource Manager (ARM) / Bicep i Google Cloud Deployment Manager to natywne formaty deklaratywnej aprowizacji w swoich chmurach. Aggrega dostarcza renderer CloudFormation, który emituje szablony stosów; ARM / Bicep i Deployment Manager to cele artefaktów statycznych, do których autor może renderować przez otwarte gniazdo.
  • AWS CDK i CDKTF to statyczne kompilatory AOT, które tłumaczą kod ogólnego przeznaczenia odpowiednio na JSON CloudFormation i JSON Terraform. Aggrega celuje w te same rodzaje końcowych artefaktów statycznych przez swoje gniazdo renderowania, więc oba podejścia docierają do jednego artefaktu różnymi drogami: CDK i CDKTF z kodu ogólnego przeznaczenia, Aggrega z deklaratywnego projektu topologii.
  • Pulumi pozwala programistom tworzyć infrastrukturę w językach ogólnego przeznaczenia (TypeScript, Python, Go); jego podstawową wartością jest traktowanie infrastruktury jako wykonywalnego kodu. Powierzchnią tworzenia w Aggrega jest deklaratywny plan YAML — programiści piszą względem abstrakcji, a nie powierzchni API. Każde z nich odzwierciedla inną filozofię tego, gdzie znajduje się kontrakt programisty z infrastrukturą.
  • AWS SAM i Serverless Framework statycznie tłumaczą specyfikację YAML na zasoby funkcji serverless i bram API — wąski podzbiór przestrzeni artefaktów, w którą może celować gniazdo Aggrega.
  • Nitric, Klotho i Winglang to modele programowania świadome chmury, których kompilatory AOT emitują standardowe pliki infrastruktury z kodu aplikacji, a nie z deklaratywnego planu topologii.
  • Score.dev to deklaratywna abstrakcja podstawowej pojemności obciążeń — CPU, pamięci, portów — renderowana do Docker Compose lub Helm. Obejmuje wąski podzbiór tego, co obejmuje Aggrega: topologia między komponentami, gniazdo zarządzania dla zasad, adaptery Wasm i możliwości specyficzne dla AI wykraczają poza zakres Score.

Płaszczyzny sterowania, które konsumują wynik Aggrega. Działają wewnątrz uruchomionego klastra i stosują deklaratywne artefakty. Aggrega działa ściśle ahead-of-time — wytwarza manifesty, które te systemy uzgadniają.

  • ArgoCD i Flux to kontrolery GitOps, które uzgadniają w klastrze manifesty przechowywane w Git. Stosują wynik Kubernetes z Aggrega jak każdy inny deklaratywny YAML.
  • Crossplane i KubeVela to aktywne operatory płaszczyzny sterowania Kubernetes, które uzgadniają stan docelowy z wnętrza klastra. Klaster z Crossplane lub KubeVela może konsumować wynik Kubernetes z Aggrega jak każdy inny deklaratywny YAML; te dwie warstwy się uzupełniają.
  • Microsoft Radius to płaszczyzna sterowania od aplikacji do infrastruktury, która uzgadnia stan docelowy z wnętrza klastra, konsumując deklaratywne artefakty takiego rodzaju, jaki wytwarza Aggrega.
  • Spinnaker to silnik ciągłego dostarczania, który wdraża artefakty na cele VM i Kubernetes, za etapem generowania artefaktów zajmowanym przez Aggrega.

Sąsiednie zarządzanie konfiguracją. Te narzędzia rozwiązują problemy stanu serwerów i łatania YAML, odrębne od kompilacji topologii, a Aggrega nie celuje w ich dziedzinę.

  • Ansible to imperatywne narzędzie do zarządzania konfiguracją, służące do sekwencyjnych playbooków na długo działających maszynach wirtualnych i flotach lokalnych. Aggrega emituje deklaratywne artefakty topologii dla celów kontenerowych i API chmury. Zespoły używające Ansible do zarządzania stanem serwerów obok obciążeń kontenerowych zwykle zachowują je do tej roli, a Aggrega używają do topologii aplikacji.
  • Chef, Puppet i SaltStack to oparte na agentach systemy zarządzania konfiguracją, które doprowadzają stan serwerów do zbieżności w całych flotach — to inna dziedzina problemów niż statyczna kompilacja topologii.
  • Kustomize łata YAML Kubernetes bez szablonów i jest wbudowany w kubectl. Przekształca istniejące manifesty, zamiast kompilować do nich plan topologii.