一句话：agent 配置即代码，且能用 docker pull 到处跑
2026 年 10 月 7 日，Docker Agent 发布 1.149.0。它延续了「用一份 YAML 定义智能体」的思路，但把重点放在分发与评估上：你可以从公开 GitHub 仓库直接加载技能，也新增了一个专门的评估后端来做 agent 评测。更关键的是，它把「造 agent」这件事接到了开发者已经熟悉的 Docker 工作流里——agent 不再是一段只能在某家平台对话框里跑的逻辑，而是一个能进 Git、能推 OCI 仓库、能在另一台机器上拉起运行的制品。
机制拆解：YAML 定义 agent / 团队，MCP 即工具
Docker Agent 的形态很直白：每个 agent 是 YAML 里的一个块，带模型、描述、指令和工具集；Docker Desktop 4.63 之后已内置这个插件，所以一句 docker agent run 就能跑起来。一份 YAML 还能描述「团队」——根 agent 把子任务自动委派给专门的 agent，构成多智能体协作。工具来源分两类：内置的 think / todo / memory 用于推理，以及任意 MCP 服务器，无论是本地、远程还是以 Docker 容器形式存在。检索也是可插拔的，BM25、向量、混合检索与重排都能接。换句话说，它把 agent 的「能力装配」做成了声明式配置。
分发：配置进 Git，push 到 OCI，别处 pull 运行
真正让它与众不同的，是「制品化」。因为 agent 只是一份配置文件，它天然可以进 Git 做版本管理，也能推到任意 OCI 仓库，然后在另一台机器上 docker agent run org/agent:tag 拉起。这对已经把镜像、容器当制品管理的团队很友好：智能体由此和既有交付物站在同一套流水线里，而不是锁在某家厂商的运行时里。provider 也刻意做中立，OpenAI、Anthropic、Gemini、Bedrock、Mistral、xAI 以及本地模型都能接，Docker Model Runner 负责本地推理。
新特性：GitHub 拉技能、评估后端、OpenAI Decisions 原生评估
1.149 这一版补的两块值得单独提。其一是技能可以直接从公开 GitHub 仓库加载，等于把社区里的可复用能力变成了即插即用的模块；其二是评估体系升级——新增专门评估后端，路由走模型网关，并把 OpenAI Decisions 作为原生评估器，让 LLM-as-judge 之外多了一个确定性选项。对想认真度量 agent 质量的团队，这比「跑跑看」进了一步。
辩证看：仍是 Docker 生态内的便利，跨厂商中立有限
需要打折看的地方在于边界。Docker Agent 的便利，依附于开发者已经用 Docker 这个前提；它对「既有 Docker 工作流」友好，但对完全不碰容器的团队没有额外吸引力。所谓 provider 中立，也只是模型与 MCP 层面的中立，运行时仍绕不开 Docker 自身。此外，MCP 与技能的生态成熟度、以及 YAML 描述复杂协作时的表达上限，仍有待更多真实项目检验。关于更细的权限模型与多租户隔离，官方暂未披露更多细节。
行业含义：agent 交付从「对话」变成「制品」
把 Docker Agent 放进今年的工具演进里：微软 MXC 管的是 agent 跑在哪、被关多紧，Docker Agent 管的是 agent 怎么被打包与分发。两者共同指向一个判断——智能体的工程化正从「写一段能对话的逻辑」走向「交付一个可版本化、可审计、可分发、可约束的制品」。谁能把这条流水线做顺，谁就更可能成为 agent 规模上线的默认基础设施。
结语
Docker Agent 1.149 用 YAML 加 OCI 制品化，把智能体接进了开发者既有的交付流水线。它的价值不在又多一个 agent 框架，而在于把「造 agent」从对话框里拽出来，变成能用 docker pull 到处跑的标准制品。至于这套制品化能否在更多团队落地，仍要看社区技能生态与复杂协作场景的检验。