Wie Task-Container KI-Agenten echte Infrastruktur bieten, ohne dass Leerkosten entstehen

Die Infrastruktur für KI-Agenten zwingt einen meist dazu, sich zwischen zwei schlechten Optionen zu entscheiden. Eine Sandbox ist sicher, aber blind – abgeschnitten von den Daten und Diensten, die die Ergebnisse des Agenten erst nützlich machen würden. Voller Zugriff bedeutet, dafür zu bezahlen, dass ein Container zwischen den Läufen im Leerlauf bleibt und auf eine Eingabeaufforderung wartet, die vielleicht erst in Stunden eintrifft. 

Task-Container, die Upsun am 12. August 2026 veröffentlicht hat, wurden entwickelt, um diese Entscheidung zu vermeiden.

Ein Task-Container ist ein Einzweck-Container, der in der Datei .upsun/config.yaml eines Projekts definiert wird. Er führt genau einen Befehl aus, und wenn dieser Befehl beendet ist, verschwindet der Container. Es gibt keinen Daemon, der am Laufen gehalten werden muss, und keinen im Leerlauf befindlichen Container, für den man bezahlen muss. 

Die Dokumentation beschreibt den Lebenszyklus: Eine Aufgabe wird „in den Cluster deiner Umgebung eingefügt, führt einen einzigen Befehl aus und wird entfernt, sobald der Befehl beendet ist“. Abgerechnet werden nur die Sekunden, in denen der Befehl läuft.

Das deckt mehr ab als nur KI-Arbeiten. Die Dokumentation listet drei Arten von Aufgaben auf, für die eine Task gedacht ist:

• Eine KI-Agent-Sitzung im Hintergrund: Ein Agent, der eine Codebasis ausliest, Tools wie Shell-Befehle oder Datenbankabfragen aufruft und die Ergebnisse zurück ins Projekt schreibt
• Ein einmaliger Job, der Zugriff auf Dienste benötigt: Datenbankwartung, ein Datenexport, ein Bericht
• Ein Batch-Job, der nicht nach einem Zeitplan, sondern von einer Anwendung aus ausgelöst wird

Warum KI-Agenten den Anstoß für Aufgaben gaben

Nicolas Gommenginger, Produktleiter bei Upsun, sagt, sein Team habe schon einige Zeit vor der diesjährigen Welle an Agentenaktivitäten über Aufgaben-Container nachgedacht. Was die Idee schließlich in die Umsetzung brachte, waren KI-Agenten.

„Das ist etwas, worüber wir schon seit geraumer Zeit nachgedacht haben, weil es ein bisschen wie eine serverlose Funktion ist: Man ruft sie auf und sie führt etwas aus. Und wenn sie fertig ist, gibt es keine ungenutzten Ressourcen“, sagte Nicolas. „Aber was uns wirklich dazu veranlasst hat, es umzusetzen, ist der Aufstieg der KI-Agenten, denn Aufgaben sind ideal für den Einsatz von KI-Agenten.“

Die Arbeitslast eines Agenten hat die Form einer Aufgabe. Sie startet, erledigt eine definierte Arbeit und stoppt. Einen Container zwischen den Befehlen im Warmerhalt zu halten, sorgt zwar für eine geringere Startlatenz, aber bei Arbeiten, die in Schüben ankommen, bedeutet das, dass man für die Leerlaufzeiten bezahlt. Nicolas wies ausdrücklich darauf hin, dass die Funktion nicht agentenspezifisch ist. Eine Aufgabe eignet sich genauso gut für einen großen Export oder eine einmalige Migration. Alles, was einmal läuft und dann stoppt, passt.

Was Task-Container leisten, was Sandboxen nicht können

Die Aufgabe einer Sandbox ist die Isolation: Sie verhindert, dass ein Agent auf das Internet oder den Rest des Dateisystems zugreifen kann. Das hat Upsun in seinen eigenen Beiträgen zu Zero-Trust-Sandboxen für KI-Agenten dargelegt. Ein Task-Container bietet dir diese Art der Isolation nicht von Haus aus, ist aber keineswegs ungeschützt: Aufgaben laufen mit derselben Namespace-Isolation, derselben Capability-Reduzierung, demselben Seccomp-Profil, denselben cgroup-Limits und derselben Netzwerkisolierung wie Anwendungscontainer. Nicolas sagte, die Container-Sicherheitsprimitive von Upsun Cloud „befinden sich bereits auf einem sehr hohen Niveau“.

Um eine Aufgabe in eine echte Sandbox zu verwandeln, muss man noch ein paar Konfigurationsschritte hinzufügen. Dazu gehören Firewall-Regeln zur Begrenzung ausgehender Verbindungen sowie Mount- und Variablenkonfigurationen, um einzuschränken, was der Prozess lesen darf. Für nicht vertrauenswürdigen Code empfiehlt die Dokumentation, „Bubblewrap“ innerhalb des Aufgaben-Containers in Betracht zu ziehen, um das Dateisystem, die Umgebungsvariablen und die Systemaufrufe einzuschränken, die für den Agentenprozess sichtbar sind.

Was eine Aufgabe standardmäßig hat, ist Zugriff auf den Rest des Projekts. Auf diesen Zugriff kam Nicolas immer wieder zurück.

„Der große Vorteil einer Aufgabe ist, dass sie Zugriff auf alle deine Dienste in der Upsun Cloud hat“, sagte er. „Du kannst eine Vorschauumgebung erstellen und deine Aufgaben in dieser Vorschauumgebung mit Zugriff auf produktionsähnliche Daten ausführen, da wir die Daten aus deiner übergeordneten Umgebung klonen.“

Kombiniert man beides, erhält ein Agent etwas, was eine Sandbox allein nicht bieten kann: eine geschlossene, wegwerfbare Umgebung, die dennoch eine funktionierende Kopie der Produktivumgebung enthält. Upsun hat diesen Punkt in seiner Argumentation für zustandsbehaftete KI-Sandboxen ausführlich dargelegt, und Preview-Umgebungen machen dies erst praktisch, indem sie die Daten, Dateien und Dienste einer übergeordneten Umgebung in weniger als einer Minute klonen.

„Ein Agent, der in einer Sandbox läuft, ist normalerweise ziemlich eingeschränkt“, sagte Nicolas. „Aber wenn du die Vorschauumgebung als Sandbox hinzufügst, kannst du den Agenten in einer geschlossenen Umgebung ausführen, hast aber dennoch Zugriff auf eine Replik deiner Produktionsdienste. Das ist für Agenten sehr wertvoll: Zugriff auf Protokolle zu haben, Daten einzusehen, Schleifen durchlaufen zu können und einen echten Arbeitszustand zu erreichen – nicht nur basierend auf dem Code.“

Die Demo: Eine Eingabe wird zum Pull-Request

In der aufgezeichneten Demo zeigte Nicolas eine kleine Admin-Anwendung, die Task-Container auslöst. Eine darin eingegebene Anfrage in Klartext – zum Beispiel das Hinzufügen eines Farbverlaufs als Hintergrund für den Hero-Bereich eines Frontends – löst eine Aufgabe aus. Die Aufgabe ruft die Anthropic-API auf, klont das Frontend-Repository, wendet die Änderung an und eröffnet einen Pull-Request. Upsun Cloud erstellt daraufhin automatisch eine Vorschauumgebung für den neuen Branch, und der Farbverlauf erschien wenige Minuten später auf der Vorschau-URL.

Die Aufgabe endet an dieser Stelle. Es wird nichts bereitgestellt, und erst das Zusammenführen des Pull-Requests würde die Änderung in die Produktivumgebung bringen – wobei ein Mensch entscheidet, ob das geschieht. In der Demo ist es nicht dazu gekommen: GitHub fiel während der gesamten Aufzeichnung aus, sodass das Zusammenführen rein theoretisch blieb. „Ich kann einfach einen Pull-Request zusammenführen, was heute mit GitHub nicht möglich ist“, sagte Nicolas. „Aber theoretisch führt man ihn einfach zusammen, und es würde dies auf deinem Haupt-Frontend in der Produktivumgebung bereitstellen.“

Dasselbe Projekt nutzt eine zweite Aufgabe – ganz ohne KI –, um jede an das Admin-Tool gesendete Eingabeaufforderung zusammen mit der Ausgabe des Modells als JSON-Datei zu exportieren. Wer Bewertungen anhand vergangener Sitzungen durchführen möchte, kann diese später wiedergeben. Ein Aufgaben-Container kümmert sich nicht darum, ob der von ihm ausgeführte Befehl ein Modell betrifft.

In der Konfiguration benötigt eine Aufgabe einen Laufzeittyp und einen `run.command`. Optionale Felder umfassen `source.root`, Autorisierungen, Build-Hooks, Beziehungen zu anderen Diensten, Mounts und Variablen. Dazu gehört auch `run.timeout`, das standardmäßig auf eine Stunde eingestellt ist und auf 86.400 Sekunden (einen Tag) erhöht werden kann; danach sendet die Plattform zunächst ein SIGTERM und anschließend ein SIGKILL. Beziehungen verlaufen in eine Richtung. Eine Aufgabe kann eine Anwendung oder eine Datenbank erreichen, aber nichts kann eine Aufgabe ansprechen, da eine Aufgabe nur existiert, solange sie läuft, und Upsun Cloud keinen eingehenden Datenverkehr an sie weiterleitet.

Eine Aufgabe, die Ergebnisse weitergeben muss, muss diese selbst weiterleiten, zum Beispiel an eine App über eine HTTP-Verbindung oder in einen gemeinsam genutzten Dienst oder Mount. Parallele Ausführungen sind standardmäßig auf drei begrenzt, wobei weitere Auslöser in eine Queue gestellt und nicht verworfen werden; während einer Testphase ist das Limit niedriger.

Als Nächstes kommt der Performance-Agent

Upsun entwickelt auf derselben Infrastruktur eigene Agenten, angefangen mit einem, der auf performance ausgerichtet ist.

„Der erste, der bald verfügbar sein wird, ist der performance-Agent, mit dem du detaillierte Berichte und Leistungsempfehlungen für deine Anwendung erhalten kannst“, sagte Nicolas.

Er läuft als Aufgabe auf Basis der Observability-Daten eines Projekts und liefert Empfehlungen zur Verbesserung der Performance. Das Prinzip ist dasselbe wie in der Demo: Einen Job auslösen, ihn mit Zugriff auf die Dienste des Projekts laufen lassen, das Ergebnis abrufen und die Kosten für den Container beenden.

Aufgaben-Container sind ab sofort in jedem Upsun Cloud-Projekt verfügbar, zusammen mit den übrigen Plattformfunktionen von Upsun Cloud. Details zur Konfiguration, einschließlich Autorisierungsbereichen und API-Auslösung, findet ihr in der Aufgaben-Dokumentation von Upsun. 

Das vollständige Gespräch mit Nicolas, einschließlich der Demo, kannst du hier ansehen.