Alle Artikel
IT & Technologie

Rivet ersetzt schwere Sandboxes durch 72 KB Actors für KI-Agenten

Wie Rivets Actor-Modell den Speicherbedarf um das 7.000-fache und Cold Starts um das 340-fache gegenüber Sandboxes reduziert – mit SQLite auf S3 für dauerhafte, skalierbare Agent-Orchestrierung.

  • #ai-agents
  • #actor-model
  • #orchestration
  • #serverless
  • #sqlite
  • #s3-storage
rivet-actor-model-orchestrator-ai-agents

Rivet, ein Open-Source-Orchestrator eines YC-W23-Teams, führt ein leichtgewichtiges Actor-Primitiv für KI-Agenten-Workloads ein. Statt für jeden Agenten eine Sandbox oder einen Container zu starten, führt Rivet jeden Agenten als Actor aus – einen langlebigen Prozess, der sich einen Node-Prozess teilt, 72 KB RAM belegt und in 4,99 ms (p99) startet [1][5]. Das Projekt hat 6,6k GitHub-Sterne und 6.318 Commits, was auf aktive Entwicklung hindeutet [3].

Warum das Actor-Modell die Agenten-Ökonomie verändert

Traditionelle Agenten-Plattformen reservieren pro Agenten-Session eine vollständige Sandbox (≈ 512 MB). Rivet Actors teilen sich einen einzelnen Worker-Prozess, sodass ein Server Hunderttausende Actors statt Hunderten Sandboxes hosten kann [1][2]. Der Speicherbedarf pro Actor beträgt gemessene 72,4 KB RSS-Zuwachs mit dem Rust SDK [1]. Der Cold Start sinkt von 1,7 Sekunden für eine Sandbox auf 4,99 ms p99 für einen Rivet Actor in einem Drei-Zonen-Cluster [1][5].

Dauerhafter State ohne Datenbank-Server

Jeder Actor erhält seine eigene SQLite-Datenbank. Schreibvorgänge gehen auf lokale SSDs in zwei von drei Verfügbarkeitszonen und werden im Hintergrund gebatcht nach S3 geschrieben – S3 liegt nie auf dem synchronen Schreibpfad [6]. Lesen bedient der SSD-Cache bei warmen Daten und fällt bei kalten auf S3 zurück. Ergebnis: 1,07 ms p99 für dauerhafte Schreibvorgänge und 1,36 ms p99 für Lesen bei einer 50-MB-Datenbank [1]. Die Speicherkosten liegen rund 10,4× unter drei replizierten EBS-gp3-Volumes, basierend auf AWS-us-east-1-Listenpreisen [1].

Hibernation und Wake-on-Demand

Inaktive Actors schreiben ihren State und entladen sich, wobei sie 0 MB im Ruhezustand verbrauchen. Die nächste Anfrage weckt den Actor mit intaktem In-Memory-State und SQLite-Datenbank [1][3]. Ein separater Scheduler ist nicht nötig; Cron- und Timestamp-Scheduling leben in der Control Plane [1].

Operative Form: Single Binary, kein Kubernetes Operator

Die Control Plane wird als einzelnes statisches Rust-Binary ohne externe Abhängigkeiten ausgeliefert. Sie spricht reines HTTP in Ihrem VPC hinter einem Load Balancer – keine CRDs, kein Operator, kein Service Mesh [1]. Actors adressieren sich gegenseitig per Key und rufen sich clusterweit auf, als wären sie lokal [1]. Multi-Region-Placement routet Requests dorthin, wo der jeweilige Actor gerade läuft [1].

Developer Experience: Typisierte SDKs und React Hooks

Actor-Definitionen generieren Client-Typen, sodass eine Signatur-Änderung den Build bricht statt die Produktion [1]. First-Party-React-Hooks abonnieren Komponenten an den State eines Actors und halten sie live, während der Actor Updates empfängt [1]. TypeScript-, Rust-, Python-, Swift- und Effect-SDKs sind verfügbar [2]. Observability liefert OpenTelemetry Traces, Metriken und Logs in Ihren bestehenden Collector [1].

Migrationspfad von Cloudflare Durable Objects

Amp migrierte eine Durable-Object-Workload über ein Wochenende zu Rivet und nutzt es nun zur Orchestrierung von Multiplayer-Agenten [5]. Das Programmiermodell ist ähnlich – durable objects mit WebSockets – aber Rivet läuft auf Ihrer Infrastruktur, nutzt S3 für Dauerhaftigkeit und vermeidet Vendor Lock-in [1][5].

Wann man zu Rivet greifen sollte

Ziehen Sie Rivet in Betracht, wenn Sie viele langlebige Agenten mit dauerhaftem Speicher, Echtzeit-Multiplayer oder Workflows benötigen, die Neustarts überleben müssen. Es eignet sich für Coding Agents, firmenspezifische Agenten auf privaten Daten, persönliche Assistenten und kollaborative Apps [1]. Wenn Ihre Workload in eine zustandslose Request-Response-Funktion passt, reicht eventuell eine einfachere serverlose Plattform.

Erste Schritte

Installieren Sie das Skills Pack für Ihren Coding Agent: npx skills add rivet-dev/skills. Bitten Sie dann den Agenten, ein Rivet-Projekt lokal zu scaffolden [1][2]. Der Quickstart erstellt einen Actor mit SQLite, WebSocket-Broadcasting und typisierten Actions in wenigen Dutzend Zeilen [2][4].

Quellen

  1. Rivet - The Orchestrator for Agentic Workloads
  2. Launch HN: Rivet orchestrates agents… · AGI Hunt
  3. GitHub - rivet-dev/rivet: The orchestrator for agentic workloads. A …
  4. GitHub - danm-gh/rivet-dev-rivet: The orchestrator for agentic …
  5. SQLite Storage for Rivet Actors - Rivet
  6. Rivet gives each AI agent a 72 KB Actor · Hacker News | Zeli
  7. GitHub - rivet-dev/rivet: Rivet Actors are the primitive for stateful …
  8. State Management | rivet-dev/rivet | DeepWiki
Editorial transparency
How this article was produced

Research, writing, and quality checks are documented below.

810 words 4 min read 8 sources
Veröffentlicht von

Brainy

Automated QA passed

AI-Powered Expert Researcher

Specializing in IT, artificial intelligence, digital marketing, finance, and consumer gadgets, Brainy pairs multi-source web research, evidence-aware synthesis, and editorial quality checks with clear, practical explanations for complex topics.

Research & verification
Multi-source evidence review
Writing model
nemotron-3-ultra-550b-a55b , nemotron-3-ultra-550b-a55b
Cover image
flux.2-klein-4b
Publication workflow
Pipeline v1