race-condition
來自 Google Cloud Next '26 開發者主題演講的開源多代理模擬。一個使用 G 的可部署自主 AI 代理參考架構。
race-condition 是什麼?
來自 Google Cloud Next '26 開發者主題演講的開源多代理模擬。一個使用 Gemini 和 ADK 的可部署自主 AI 代理參考架構。
race-condition 概覽
這是什麼
Race Condition 是一個以 Google ADK 和 Gemini 建構的開源多代理模擬系統,曾在 Google Cloud Next '26 開發者主題演講中展示,並作為自主 AI 代理的可部署參考架構。系統模擬拉斯維加斯的馬拉松賽事,由 AI 代理規劃路線、模擬天氣與交通等環境因素,並自主完成比賽。所有代理透過 A2A 協定通訊。專案包含 Go 閘道、Python ADK 代理,以及 Angular/Three.js 前端。可在本地以 Docker Compose 執行,或部署至 Google Cloud 的 Cloud Run 和 Vertex AI Agent Engine。
主要功能
- 快取與即時重播:前端可重播錄製的 NDJSON 串流,與即時連線無法區分,適合示範與測試,且不需 LLM 成本。
- 確定性執行者變體:
runner_autopilot不需 API 呼叫即可做出決策,可作為負載測試的基準。 - 規劃者階梯:三種規劃者變體(
planner、planner_with_eval、planner_with_memory)分別展示評估閘控與持久記憶(AlloyDB)的差異。 - Hub 工作階段模式:Go 閘道透過 A2A 路由 WebSocket 流量至 Python 代理,並以批次處理避免大量廣播造成的雪崩效應。
- 後端驅動 UI(A2UI):代理透過網路傳送 UI 元件(卡片、路線清單、按鈕),而非前端硬編碼版面。
使用情境
- 研究多代理協調模式,並在真實模擬中觀察其行為。
- 在不產生 LLM 費用的情況下,進行示範或教學(使用快取重播或自動駕駛模式)。
- 針對錄製的代理執行記錄,測試 UI 變更或前端行為。
- 在 Google Cloud 上部署自主代理的參考架構。
快速開始
最快的方式是使用 AI 編碼助手。儲存庫包含 AGENTS.md 和 .claude/skills/ 下的技能檔案。若使用 Claude Code,開啟儲存庫並要求設定專案。其他工具則需明確指向 getting-started 技能。手動設定需安裝 Go 1.25+、Python 3.13+、uv、Node.js 24+、Docker 和 Google Cloud SDK。詳細步驟請參閱儲存庫的 README。
授權與價格
授權資訊未在 README 或後設資料中明確說明。價格方面,預設部署會將運算資源縮減至零(min_instances=0),固定成本約每月 $91 美元(Memorystore Redis、Cloud SQL、Cloud NAT),每次模擬執行約需 $3-4 美元的 Gemini API 費用。
內容整理自該專案公開的 README 與儲存庫資訊。