ከagent hosting ጋር በጣም የተለመደው ስህተት ለአንድ agent መመዘን ነው። አንድ ሰው አንድ agent ያሄዳል፣ 400 MB ሲጠቀም ያያል፣ እና agents ለማስተናገድ ርካሽ ናቸው ብሎ ይደመድማል። ከዚያም ወደ እውነተኛ crew ያሳድጋል እና box በ3 ሰዓት ሌሊት swap ማድረግ ይጀምራል።
አንድ agent ርካሽ ነው። ያ አስደሳቹ ጉዳይ አይደለም።
memory በእውነት የት እንደሚሄድ
model ላይ API calls ብቻ የሚተኩስ agent ቀላል ነው — በአብዛኛው network እየጠበቀ ነው። ከእነዚያ አንድ ደርዘን በትንሽ ዕቅድ ላይ ያሂዱ እና በጭራሽ አያስተውሉም።
RAM የሚጠፋው agents state ሲይዙ ነው። በእያንዳንዱ turn የሚያድግ history። በርካታ agents የሚያነቡ እና የሚጽፉ working set። በተመሳሳይ process ውስጥ ለረጅም-ጊዜ memory vector store። architecture "API ጥራ፣ እርሳ" መሆኑን አቁሞ "አስታውስ፣ coordinate አድርግ፣ አስረክብ" በሚሆንበት ቅጽበት፣ memory constraintው ነው — CPU አይደለም። CrewAI፣ LangGraph፣ AutoGPT-ዓይነት loops ሁሉም ሲከብዱ ወደዚህ አቅጣጫ ይሄዳሉ። framework RAMን አይበላም፤ state ይበላል። እዚህ ቁጥሮቹ ውስጥ ገባን።
ሸካራ መመዘኛ
- ቀላል፣ API-bound agents — Pro አያስፈልግዎትም፤ NAT ወይም dedicated-IP ዕቅድ ($3–20) በቂ ነው። የዚህን ገጽ ቀሪ ይዝለሉ።
- እውነተኛ crew (5–10 agents) ከተጋራ memory ጋር እና ጠቃሚ vector store — Pro-32 (32 GB) sweet spotው ነው። አብዛኞቹ fleets እዚህ ያርፋሉ።
- ትልቅ fleets፣ ረጅም histories፣ በሚሊዮኖች memory index — Pro-64 (64 GB)። አንድ box አለበለዚያ የምታሽከረክሩትን ሦስት ትንንሾቹን የሚተካበት እዚህ ነው።
- fleet እና co-located services፣ ወይም agents እና local inference — እስከ Pro-80 (80 GB)።
መሆን ያለብዎ ብለው ከሚያስቡት በታች ይጀምሩ፣ htopን ለአንድ ቀን ይመልከቱ፣ swap ሲያዩ ወደላይ ይለውጡ። ከፍ ብሎ መገመት ገንዘብ ብቻ ያባክናል።
ለምን ይህ የhost ቅርፅ
የራሱን servers provision የሚያደርግ ወይም የሚያስተዳድር fleet ያለ ሰው ሊነዳው የሚችል API ይፈልጋል — እና ከጊዜ ወደ ጊዜ፣ ያለ አንድም ለመክፈል። High memory፣ dedicated IP፣ የክሪፕቶ ክፍያ፣ KYC የለም፣ እና ሁሉም በagent በMCP ሊታዘዝ የሚችል: ያ ጥምረት ብርቅ ነው፣ እና Pro line የተገነባለት ነው። በጊጋባይት ርካሹ አይደለም፣ እና agentsዎ ቀላል ከሆኑ በእውነት አያስፈልግዎትም። ግን state ለሚይዝ እና ግላዊነትን ለሚያከብር ከባድ system፣ ትክክለኛው ተስማሚ ነው።
እዚያ ሲደርሱ፣ Pro-32 እውነተኛ crew ይሸፍናል፤ fleet ሲያድግ ወደ 64 ወይም 80 GB ያሳድጉ።
አስተያየቶች
እስካሁን አስተያየቶች የሉም። መጀመሪያ ይሁኑ።