Red Hat在OpenShift 4.22中，以技術預覽形式推出OpenShift MCP伺服器與MCP閘道，讓AI代理可在權限控管下存取叢集資源與維運資訊。JobSet Operator則進入正式可用階段，支援分散式AI訓練及大型語言模型微調。新版也強化機密運算與叢集自動擴充功能。
OpenShift MCP伺服器透過角色型存取控制（RBAC），讓AI代理存取Kubernetes資源、Helm部署項目、Prometheus指標及OpenShift Virtualization工作負載。MCP閘道則在單一端點後方整合多個MCP伺服器，集中處理身分驗證、授權及水平擴充，讓代理不必分別連接各項服務。
這兩項功能目前皆屬技術預覽，尚未進入正式可用階段。搭配Red Hat OpenShift AI後，企業可建立核准使用的MCP伺服器目錄，並追蹤AI代理的端對端操作流程，將代理存取基礎架構的行為納入既有治理機制。AI代理對叢集資源的存取，仍受OpenShift既有RBAC、身分驗證與授權機制約束。
在AI訓練領域，JobSet Operator已進入正式可用階段。JobSet可將多個彼此關聯的Kubernetes Job視為同一組工作，協調分散式訓練或模型微調所需程序，並讓相關工作共同成功或失敗。該設計適合需要多個節點及GPU協同運作的訓練作業，也可減少部分程序中斷後，其餘程序仍持續占用運算資源的情況。
就安全機制而言，OpenShift核心元件逐步改用精簡版Red Hat Universal Base Image，移除非必要套件，以縮小基礎映像檔的攻擊面。平臺元件也改採專用且符合最低權限原則的身分，而SPIRE與OpenShift Service Mesh則以動態密碼學方式驗證工作負載身分，降低對靜態密鑰的依賴。OpenShift sandboxed containers 1.12已正式支援裸機機密容器，機密AI（Confidential AI）則為技術預覽，可將敏感資料與AI演算法置於硬體隔離的執行環境。
OpenShift 4.22也擴充Red Hat OpenShift Service on AWS（ROSA）託管控制平面（HCP）的叢集自動擴充功能。Red Hat版Karpenter現已正式可用，可依工作負載需求動態啟用合適規格的EC2執行個體，減少長期維持固定且可能過度配置機器集區的情況。ROSA HCP叢集也可將EC2 Spot執行個體納入擴充策略，供可容錯工作負載使用，而無法取得Spot容量時，則改用隨需執行個體。
Comments (0)