Docker Agent v1.149.0 – 开源 AI Agent 构建器与运行时

TL;DR

Docker Agent v1.149.0（发布于 2026 年 10 月 7 日）提供了一个 Docker-CLI 插件，让你能够完全通过声明式 YAML 文件构建、运行和共享 AI Agent，支持数十种模型提供商，并无需编写代码即可实现多 Agent 编排。

Docker Agent v1.149.0 的实际功能

Docker Agent 是一个 Docker CLI 插件 (docker agent)，它能将 YAML 描述转换为功能完备的 AI Agent 运行时。其核心理念包括：

声明式 YAML – Agent、工具和编排逻辑都在一个版本控制的文件中进行描述，便于存储在 Git 中并推送到 OCI 镜像仓库。
多 Agent 架构 – 你可以定义 Agent 的层级结构（根 Agent、子 Agent 等），从而自动委派任务。
模型提供商无关性 – 内置支持 OpenAI、Anthropic、Gemini、AWS Bedrock、Mistral、xAI、Docker Model Runner 以及任何 MCP (Model Context Protocol) 服务器。
丰富的工具生态 – Agent 可以调用内置工具（思考、待办事项、记忆、RAG）或任何自定义的 MCP 服务，无论是本地、远程还是基于容器的服务。
打包与共享 – Agent 可以被打包为 OCI 镜像并在任何地方拉取/运行，从而实现可复现的 AI 驱动工作流。

这一切无需编写任何 Go 或 Python 代码即可实现；运行时环境承担了繁重的工作。

本次发布亮点功能

功能	重要性
多 Agent 编排	允许将复杂问题拆分给专门的 Agent 处理，减少提示词冗余并提高可靠性。
工具优先设计	内置的“思考”、“待办事项”和记忆工具为 Agent 提供了超越原始 LLM 输出的结构化推理能力。
RAG 集成	BM25、嵌入、混合搜索和重排序功能让 Agent 能够从私有数据源检索最新信息。
模型提供商无关性	无需更改 YAML 即可在 OpenAI、Anthropic、Gemini、Bedrock 等之间切换——只需更新 `model` 字段或提供商别名。
OCI 镜像仓库分发	Agent 成为可移植的制品，像容器一样进行版本控制，从而在团队间实现可复现的 AI 流水线。
遥测（可选择退出）	匿名使用数据有助于 Docker 在尊重隐私的前提下改进工具（详情请参阅遥测页面）。

快速入门指南（答案先行）

# 1️⃣ 安装 – Docker Desktop (4.63+) 已内置该插件
#    或者通过 Homebrew 安装: brew install docker-agent
#    或者从 GitHub Releases 页面下载二进制文件。

# 2️⃣ 为你偏好的提供商导出 API 密钥
export OPENAI_API_KEY=sk-…   # 或 ANTHROPIC_API_KEY, GOOGLE_API_KEY 等。

# 3️⃣ 运行内置的默认 Agent
docker agent run

# 4️⃣ 运行存储在 OCI 仓库中的 Agent
docker agent run myorg/agent:tag

# 5️⃣ 以交互方式生成一个新的 Agent
docker agent new

# 6️⃣ 运行自定义的 YAML 配置
cat > agent.yaml <<'EOF'
agents:
  root:
    model: openai/gpt-5-mini
    description: 一个有用的 AI 助手
    instruction: |
      你是一个知识渊博的助手，帮助用户处理各种任务。
    toolsets:
      - type: mcp
        ref: docker:duckduckgo
EOF

docker agent run agent.yaml

docker agent new 向导可以帮助你构建 YAML 文件框架，而 docker agent run 命令则会在轻量级容器内启动运行时。

Hacker News 上的社区反应

该帖子吸引了 142 条评论，出现了几个主要议题：

编排趋同 – “模型正在（方向性地）趋同，而我们其他人，包括所有这些 Agent 框架，都在试图弄清楚如何保持相关性” (pomsense)。这反映了一个更广泛的行业趋势，即多个项目（Docker Agent、Pullboard、LangChain 沙箱等）正在向相似的编排概念靠拢。

“无需代码”的争论 – “当我们都有能瞬间吐出大部分正确代码的 Agent 时，‘无需代码’怎么还能成为卖点？” (woah)。社区质疑声明式 YAML 是否真的消除了代码，并指出底层的工具链仍然是代码密集型的。

长期一致性 – “更大的挑战是处理 Agent 在长时间跨度内的一致性（漂移）……我构建了一个类似论坛的系统，让 Agent 互相喊话并记录工作” (Olscore)。这突显了许多框架的局限性：在长时间运行的工作流中保持状态和正确性。

安全担忧 – “如果你在链接页面上找不到任何与安全相关的信息” (McScrooge)。用户希望看到更明确的沙箱和隔离保证。

与其他框架的比较 – 多位评论者 (blakeashleyjr, maxdo, esafak) 指出 Docker Agent 感觉就像另一个 JS 风格的框架，并询问当 Modal、e2b 或 Cloudflare 等项目中已经存在类似功能时，为什么还要挂上 Docker 的名字。

用例清晰度 – “我真的搞不清楚这些项目各自的主要用例是什么” (blutoot)。社区希望 Docker Agent 能在 Pullboard、kagent.dev、LangChain 沙箱等项目中明确自身定位。

总的来说，讨论强调了人们对统一的、容器原生的 Agent 运行时的兴奋，但也表达了对更成熟的安全机制、状态管理和明确差异化的渴望。

Docker Agent 在 AI 开发者生态中的定位

容器原生执行 – 通过利用 Docker 现有的沙箱模型，Agent 的运行具有与任何容器相同的隔离保证，解决了对不受信任的 LLM 代码执行的担忧。
版本化、可复现的 AI 流水线 – 将 Agent 存储为 OCI 镜像使 AI 工作流与现有的 CI/CD 实践保持一致，使企业更容易审计和回滚 AI 行为。
可扩展的工具链 – MCP 协议允许任何服务向 Agent 暴露工具，将运行时转变为云、本地和边缘资源的通用编排器。
开源社区 – 凭借 3.7k 个星标、485 个分支和超过 100 名贡献者，Docker Agent 受益于广泛的贡献者基础，这将加速功能的成熟和安全加固。

参与其中

阅读文档 – 完整文档位于 https://docker.github.io/docker-agent/。
贡献代码 – 遵循贡献指南；该仓库使用相同的 docker agent CLI 来构建自身 (docker agent run ./golang_developer.yaml)。
加入社区 – Docker Community Slack (#docker-agent) 是讨论、功能请求和故障排除的主要场所。

总结

Docker Agent v1.149.0 提供了一个生产就绪的、容器原生的平台，用于构建和共享 AI Agent，支持零代码 YAML 配置、多 Agent 编排以及广泛的模型/提供商支持。尽管社区指出该生态系统仍需更强的安全保证和更好的长期状态管理，但该项目标志着向可复现、可移植的 AI 驱动开发者工作流迈出了重要一步。