Todos los artículos
Tecnología e informática

Rivet sustituye los pesados sandboxes por Actores de 72 KB para agentes de IA

Cómo el modelo de actores de Rivet reduce el uso de memoria 7,000 veces y los arranques en frío 340 veces frente a los sandboxes, utilizando SQLite en S3 para una orquestación de agentes duradera y escalable.

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

Rivet, un orquestador de código abierto creado por un equipo de YC W23, introduce una primitiva de actor ligera para cargas de trabajo de agentes de IA. En lugar de levantar un sandbox o contenedor por agente, Rivet ejecuta cada agente como un Actor: un proceso de larga duración que comparte un proceso de nodo, utiliza 72 KB de RAM y arranca en 4,99 ms en el p99 [1][5]. El proyecto cuenta con 6,6k estrellas en GitHub y 6.318 commits, lo que indica un desarrollo activo [3].

Por qué el modelo de actores cambia la economía de los agentes

Las plataformas de agentes tradicionales asignan un sandbox completo (≈512 MB) por sesión de agente. Los Actores de Rivet comparten un único proceso trabajador, por lo que un solo servidor puede albergar cientos de miles de Actores en lugar de cientos de sandboxes [1][2]. La memoria por Actor se mide en un incremento de 72,4 KB RSS utilizando el SDK de Rust [1]. El arranque en frío (cold start) cae de 1,7 segundos para un sandbox a 4,99 ms p99 para un Actor de Rivet en un clúster de tres zonas [1][5].

Estado duradero sin servidor de base de datos

Cada Actor tiene su propia base de datos SQLite. Las escrituras se dirigen a SSD locales en dos de tres zonas de disponibilidad y luego se envían en lotes a S3 en segundo plano; S3 nunca se encuentra en la ruta de escritura síncrona [6]. Las lecturas acceden a la caché de SSD cuando están calientes y recurren a S3 cuando están frías. El resultado: escrituras duraderas de 1,07 ms p99 y lecturas de 1,36 ms p99 en una base de datos de 50 MB [1]. Los costes de almacenamiento son aproximadamente 10,4 veces menores que tres volúmenes EBS gp3 replicados, basándose en los precios de lista de AWS us-east-1 [1].

Hibernación y activación bajo demanda

Los Actores inactivos escriben su estado y se descargan, consumiendo 0 MB mientras hibernan. La siguiente solicitud despierta al Actor con su estado en memoria y su base de datos SQLite intactos [1][3]. No es necesario un planificador independiente; la programación mediante cron y marcas de tiempo reside dentro del plano de control [1].

Estructura operativa: binario único, sin operador de Kubernetes

El plano de control se distribuye como un único binario estático de Rust sin dependencias externas. Se comunica mediante HTTP simple dentro de su VPC detrás de un equilibrador de carga: sin CRDs, sin operador y sin malla de servicios (service mesh) [1]. Los Actores se direccionan entre sí mediante claves y realizan llamadas a través del clúster como si fueran locales [1]. La ubicación multirregión enruta las solicitudes a dondequiera que se encuentre el Actor en ese momento [1].

Experiencia del desarrollador: SDKs tipados y hooks de React

Las definiciones de los Actores generan tipos de cliente, por lo que un cambio en la firma rompe la compilación en lugar de la producción [1]. Los hooks de React oficiales permiten que los componentes se suscriban al estado de un Actor y se mantengan actualizados en tiempo real [1]. Están disponibles SDKs para TypeScript, Rust, Python, Swift y Effect [2]. La observabilidad emite trazas, métricas y registros de OpenTelemetry hacia su colector existente [1].

Ruta de migración desde Cloudflare Durable Objects

Amp migró una carga de trabajo de Durable Object a Rivet durante un fin de semana y ahora lo utiliza para orquestar agentes multijugador [5]. El modelo de programación es similar —objetos duraderos con WebSockets— pero Rivet se ejecuta en su propia infraestructura, utiliza S3 para la durabilidad y evita el bloqueo con el proveedor (vendor lock-in) [1][5].

Cuándo recurrir a Rivet

Considere Rivet cuando necesite muchos agentes de larga duración con memoria duradera, multijugador en tiempo real o flujos de trabajo que deban sobrevivir a los reinicios. Es ideal para agentes de programación, agentes específicos de empresa con datos privados, asistentes personales y aplicaciones colaborativas [1]. Si su carga de trabajo encaja en una función sin estado de solicitud-respuesta, una plataforma serverless más sencilla podría ser suficiente.

Primeros pasos

Instale el paquete de habilidades para su agente de programación: npx skills add rivet-dev/skills. Luego, pida al agente que cree la estructura de un proyecto Rivet localmente [1][2]. La guía de inicio rápido crea un Actor con SQLite, difusión por WebSocket y acciones tipadas en unas pocas docenas de líneas [2][4].

Fuentes

  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.

1,017 words 5 min read 8 sources
Publicado por

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 , gemma-4-31b-it
Cover image
flux.2-klein-4b
Publication workflow
Pipeline v1