Dimensiona el pool de GKE según el tiempo que los sandboxes mantienen ocupados los workers, no solo por el número de sesiones abiertas. Para decidir cuántos nodos necesitas, cuenta cuándo se ejecuta cada agente, cuándo se aparca y cuánta capacidad exige al reanudarse.

Para dimensionar un agente persistente, separa la duración de la conversación del tiempo durante el que su sandbox ocupa capacidad de cómputo.

Una sesión abierta no equivale a un worker ocupado

Una sesión conserva la conversación entre prompts, pero el sandbox que ejecuta al agente puede trabajar solo durante cada turno. En Agent Substrate, un actor es ese sandbox aislado y un worker es un Pod de Kubernetes reutilizable que puede alojar varios actores. Google describe este modelo en su guía sobre sesiones de agentes y pools de nodos de GKE.

Cuando un actor queda inactivo, SuspendActor lo guarda en almacenamiento de objetos y libera el worker. La guía de Google indica que, de forma predeterminada, se captura la memoria y que los archivos sirven como alternativa. La suspensión no se activa por sí sola: el sistema que gestiona al agente debe llamar a la API después del tiempo de inactividad que elija.

Esto importa al calcular la demanda: cien sesiones abiertas no implican necesariamente cien workers ocupados todo el tiempo. Pero aparcar actores demasiado pronto puede hacer que una petición tenga que esperar capacidad al reanudarlos.

Qué estima el modelo de costes de Google

En un escenario de 100 agentes de programación que envían dos prompts por hora durante una jornada de ocho horas, el modelo de Google estima un ahorro de casi el 40 % en el coste de los nodos al aparcar sesiones inactivas. Con cuatro prompts por hora, la estimación baja al 4 %; por encima de esa frecuencia, el modelo favorece un Pod por sesión. Son resultados de su cálculo para la región us-central1, no importes que deban trasladarse a otra región.

La comparación de nodos de Google pasa de 34 a 16 para los 100 agentes. En su ejemplo detallado del pool dimensionado para picos, esos 16 nodos se distribuyen en 15 workers en espera y uno siempre encendido para el plano de control de Agent Substrate y PostgreSQL. El ejemplo de un Pod de 1 vCPU y 1 GiB por sesión requiere 34 nodos c3-standard-4 y se estima en unos 1.288 dólares estadounidenses al mes, según los precios de lista bajo demanda de us-central1 de noviembre de 2026.

El tamaño del pool también depende del tiempo de inactividad elegido. Con un umbral de dos minutos, el modelo calcula que las sesiones retienen un worker durante casi el 29 % del tiempo que permanecen abiertas. Google dimensiona el pool para el percentil 99 de las sesiones que ocupan worker a la vez, más un margen del 15 %, bajo el supuesto de que las sesiones se comportan de forma independiente. En ese mismo modelo, a 2,5 prompts por hora el pool de 15 nodos se satura en el 3 % de los turnos.

Para llevar esas estimaciones a tu carga, Google propone medir durante una semana la frecuencia de prompts en los registros de la pasarela y comparar la hora de mayor actividad con el umbral modelado. También recomienda apagar el pool fuera del horario de trabajo: en su cálculo, mantenerlo encendido las 730 horas del mes cuesta casi el doble que la alternativa de un Pod por sesión.

Qué ocurre cuando no hay capacidad para reanudar un actor

Agent Substrate v1.0 activa por defecto el aparcamiento de solicitudes y reintenta errores transitorios de falta de recursos o indisponibilidad del plano de control. El presupuesto predeterminado es de cinco segundos por intento de reanudación; no implica que cada solicitud espere ese tiempo completo antes de fallar. Si el problema de capacidad continúa al agotarse el presupuesto, puede devolverse un error HTTP 503.

La cola admite por defecto hasta 1.024 solicitudes aparcadas simultáneamente. Si se alcanza el límite, las solicitudes adicionales pueden recibir también un 503. La documentación de aparcamiento de solicitudes de Agent Substrate v1.0 describe estos reintentos y sus límites. Al dimensionar el pool, conviene considerar tanto el tiempo de espera durante una saturación puntual como la capacidad de la cola ante una falta de workers más persistente.

Cómo se contabilizan los límites de cada actor

Agent Substrate asigna un actor solo si el worker conserva capacidad suficiente para cubrir sus límites de CPU y memoria, además de la sobrecarga del entorno de ejecución. Esa capacidad se comparte entre los actores colocados en el mismo worker. Por eso, las solicitudes de recursos de un Pod no sustituyen los límites del actor para calcular esta asignación. La guía de API de Agent Substrate v1.0 detalla la regla de colocación.

La misma guía señala que, por ahora, los actores no admiten dispositivos GPU: ejecutar un worker en un nodo con GPU no pasa el dispositivo al sandbox del actor.