Actant

Core Concept

If you know Docker, you know Actant

同样的分层架构，同样的声明式定义，同样的 CLI / Daemon 模式。管理对象从进程容器变成了 AI Agent。

Docker

docker CLI ─(REST)─▸ dockerd ─▸ containerd ─▸ runc
薄客户端 ─────── 守护进程 ─── 容器运行时 ─── 执行

≈

actant CLI ─(RPC)─▸ Daemon ─▸ Launcher ─▸ Claude / Cursor
薄客户端 ─────── 守护进程 ─── Agent 启动器 ── AI 运行时

Docker	Actant	本质
Dockerfile	Agent Template	声明式定义 — "这个 Agent 是什么"
Image	Template Registry	已验证、可复用、可分发的定义
Container	Agent Instance	隔离的运行单元，独立文件系统
Volume	Domain Context	Skills / Prompts / MCP 持久化配置
Writable Layer	Memory Layer	运行时积累的可写状态
Union FS	Template ∪ Memory	只读模板 + 可写记忆的叠加物化
docker commit	Memory Promotion	实例经验提升为共享知识
Network	ACP / MCP	标准通信协议
docker-compose	Workflow + SubAgents	多实例编排

Vision

Agents that learn, share, and
embed into your workflow

Agent 不应该每次启动都失忆。让它进化、共享知识、成为工作流中可插拔的节点。

L3

Template Evolution

种群进化 — 高置信度经验经人工审核写回 Template

L2

Shared Memory

跨实例共享 — 验证过的经验提升到共享知识池

L1

Instance Memory

实例记忆 — 每次 session 结束自动提取经验

L0

Session

会话 — Agent 在 context window 内工作

01 · Evolve

Agent 会进化

实例在多次会话间积累经验 — 错误模式、用户偏好、最佳实践。下次启动时 Memory 自动注入，不再重复犯错。

Template 不变 ≠ Agent 不变。DNA 一生不变，但人一直在学习。进化发生在 Memory Layer。

02 · Share

Agent 会共享

当经验在多个实例中被验证，自动提升到共享知识池。实例 A 踩过的坑，实例 B 不再重蹈覆辙。

像 docker commit 将容器改动固化为镜像，Memory Promotion 将实例经验固化为团队知识。

03 · Embed

Agent 嵌入工作流

One-Shot 在 CI 中执行后销毁。Service 作为虚拟雇员。ACP Proxy 让外部调用。MCP 让 Agent 协作。

Agent 不是孤岛，是工作流中可插拔的节点 — 像容器在编排系统中一样。

See It In Action

Manage Agents like containers

熟悉的命令，熟悉的模式。每条命令旁标注了 Docker 等价物。

actant

# 启动 Daemon ≈ systemctl start docker

$ actant daemon start

✓ Daemon started (pid: 42851)

# 查看可用模板 ≈ docker images

$ actant template list

code-review-agent Code review + security audit

bilibili-analyzer Video content analysis

# 从模板创建 Agent ≈ docker run --name

$ actant agent create reviewer --template code-review-agent

✓ Agent created: reviewer

Skills → AGENTS.md | Prompts → system.md | MCP → mcp.json

# 与 Agent 交互 ≈ docker exec -it

$ actant agent run reviewer --prompt "Review error handling in src/"

Analyzing... Found 3 issues in error handling.

# 停止并提取经验 ≈ docker stop + commit

$ actant agent stop reviewer

✓ Memory extracted: 2 error patterns, 1 best practice

# 再次启动 — 带着记忆，不再失忆

$ actant agent start reviewer

✓ Re-materialized with 3 memory insights

Lifecycle

Define → Create → Run → Interact → Evolve

01

Define

JSON Template 声明 Skills, Prompts, MCP

02

Create

物化为隔离的 Instance Workspace

03

Run

选择 LaunchMode, Daemon 管理生命周期

04

Interact

CLI / ACP 交互, 实时响应

05

Evolve

提取经验, Memory 注入下次启动

Roadmap

Building the full stack

像 Docker 生态一步步成长。每个 Phase 都有对应物。

Phase 1 · Runtime

Done

进程管理、LaunchMode 分化、崩溃重启

≈ containerd + runc

Phase 2 · Assemble

Done

Domain Context 物化、CLI 交互

≈ docker build + exec

Phase 3 · Connect

Done

ACP Proxy · 组件 CRUD · Workspace Builder · Scheduler

≈ docker network + compose

Phase 4 · Extend

Active

Plugin 架构 · stdout/stderr 日志 · 工具权限

≈ docker plugins

Phase 5 · Memory

Planned

Memory Layer · 共享知识池 · 进化

≈ union fs + commit

Phase 6 · Fleet

Vision

Daemon → ACP Server · 标准化

≈ docker swarm

v0.1.2 Stats

Built with precision

23K+

Lines of Code

611

Tests (100% pass)

74

RPC Methods

61

CLI Commands

The Docker forAI Agents

If you know Docker, you know Actant

Docker

Actant

Agents that learn, share, andembed into your workflow

Template Evolution

Shared Memory

Instance Memory

Session

Agent 会进化

Agent 会共享

Agent 嵌入工作流

Manage Agents like containers

Define → Create → Run → Interact → Evolve

Define

Create

Run

Interact

Evolve

Building the full stack

Phase 1 · Runtime

Phase 2 · Assemble

Phase 3 · Connect

Phase 4 · Extend

Phase 5 · Memory

Phase 6 · Fleet

Built with precision

Ready to containerize your AI Agents?

The Docker for
AI Agents

Agents that learn, share, and
embed into your workflow