Скільки RAM потрібно для VPS під coding agent?
Для стабільної роботи одного coding agent достатньо 4 GB RAM та 2 vCPU. Проте запуск language server та Docker build швидко вичерпує ресурси, призводячи до зависань.
Скільки RAM потрібно VPS для coding agent?
Почніть із 4 GB RAM і 2 vCPU для одного coding agent, який постійно працює з репозиторієм. Перейдіть на 8 GB RAM і 4 vCPU, щойно до сесії долучиться language server або Docker build. Для більшості репозиторіїв це відбувається вже в перший день. Сам процес агента споживає мало ресурсів. Основне навантаження створює toolchain, яким агент керує від вашого імені.
Дані, на яких побудовано графік
[
{
"plan": "Minimum viable",
"ram_gb": 4,
"vcpu": 2,
"disk_gb": 50
},
{
"plan": "Comfortable",
"ram_gb": 8,
"vcpu": 4,
"disk_gb": 100
},
{
"plan": "Team, 4 sessions",
"ram_gb": 16,
"vcpu": 8,
"disk_gb": 200
}
]У кожному рядку вище передбачається, що модель працює в іншому місці, а ви звертаєтеся до неї через API мережею. Це припущення визначає весь підхід до вибору конфігурації. Спочатку потрібно встановити, чи воно виконується.
Ви запускаєте agent чи model?
Coding agent, який викликає cloud model, — це network client із підключеною shell. Він надсилає файли та план до API, очікує відповідь, а потім локально редагує файли й виконує команди. Поки він очікує, CPU майже не використовується. Власне споживання пам’яті становить сотні мегабайтів, тому для нього підходить сервер із помірними ресурсами CPU.
Самостійний запуск model — це інший продукт і зовсім інше обладнання. Ваги model залишаються в пам’яті, поки працює сервер. Model із 7 billion параметрів, квантизований до 4 bits, потребує приблизно 4 GB для ваг (Llama 2 7B постачається як 3.83 GB у Q4_0 і 4.08 GB у Q4_K_M), а його видавець вказує 6.3–6.6 GB RAM для запуску без GPU з урахуванням накладних витрат runtime. Довший контекст потребує більше пам’яті, оскільки key/value cache збільшується разом із довжиною контексту. Лише на CPU shared vCPU генерує кілька tokens за секунду, а одне завдання agent може видати тисячі tokens, тому робота, яка через API займає менше хвилини, локально триватиме більшу частину години. Якщо саме це вам потрібно, плануйте ресурси за обсягом VRAM (відеопам’яті GPU) і прочитайте що насправді дає VPS із GPU замість цієї сторінки.
Усе нижче стосується випадку з cloud model.
Що насправді використовує пам’ять
Дані, на яких побудовано графік
[
{
"label": "Agent CLI process, idle",
"typical_mb": 250,
"peak_mb": 600
},
{
"label": "TypeScript language server",
"typical_mb": 700,
"peak_mb": 2000
},
{
"label": "rust-analyzer, large workspace",
"typical_mb": 1200,
"peak_mb": 4000
},
{
"label": "Headless Chrome, one tab",
"typical_mb": 350,
"peak_mb": 900
},
{
"label": "Node test run, 4 workers",
"typical_mb": 1600,
"peak_mb": 3000
},
{
"label": "Docker image build",
"typical_mb": 800,
"peak_mb": 2500
}
]Це типові опубліковані показники для проєктів середнього розміру. Сприймайте їх як орієнтир, а не як гарантію для вашого коду.
У таблиці наведено 6 рядків, і агент використовує найменше пам’яті. У режимі очікування він споживає близько 250 MB, оскільки зберігає контекст розмови та невеликий файловий кеш і нічого більше. Сервер мови TypeScript під час індексації використовує близько 2000 MB, оскільки будує граф типів для кожного файла, доступного з вашого tsconfig.json, а потім зберігає цей граф у пам’яті, щоб швидко відповідати на наступний запит. rust-analyzer у великому workspace зазвичай перевищує 4000 MB з тієї самої причини — для кожного crate у workspace.
Headless Chrome використовує близько 350 MB для браузера з однією вкладкою, а кожна додаткова вкладка запускає ще один процес операційної системи. Запуск тестів Node із чотирма worker — це чотири процеси Node, тому пікове споживання наближається до 3000 MB. Під час збирання Docker image пікове споживання наближається до 2500 MB, оскільки всередині контейнера запускається власний compiler проєкту, а daemon записує layers.
Виміряйте ці показники у власному repository, перш ніж купувати
sudo apt update && sudo apt install -y time
/usr/bin/time -v -o /tmp/build.rusage npm run build
grep "Maximum resident set size" /tmp/build.rusageРезультат повертається як Maximum resident set size (kbytes): 1842160. Поділіть це значення на 1024, щоб отримати MB. GNU time повідомляє про найбільший окремий процес, якого він очікував, тому для збирання, що запускає чотири worker, показник буде заниженим. У таких випадках контролюйте всю систему з іншої shell за допомогою free -h або systemd-cgtop -m.
Читайте стовпець available у free -h, а не стовпець free. Linux використовує кожну вільну сторінку для дискового кешу, тому free на справній системі має мале значення й нічого вам не повідомляє. available показує, скільки пам’яті насправді може отримати новий процес.
Три робочі конфігурації
Мінімально прийнятна конфігурація: 4 GB RAM, 2 vCPU, 50 GB диска. Один сеанс агента, один репозиторій, один language server і збірки, завершення яких ви готові чекати. Ця конфігурація працює, але під час першого великого запуску тестів, що збігається з індексацією language server, процеси зіткнуться з out-of-memory killer. Додайте swap і обмежте кількість build workers.
Комфортна конфігурація: 8 GB RAM, 4 vCPU, 100 GB диска. Один агент, Docker і headless browser для тестів із запасом ресурсів для одного пікового навантаження під час збірки. Більшості окремих розробників варто придбати саме цю конфігурацію. Подвоєння кількості vCPU також приблизно вдвічі скорочує час очікування збірки, і це відчувається значно частіше, ніж нестача пам’яті.
Командна конфігурація: 16 GB RAM, 8 vCPU, 200 GB диска. Чотири одночасні сеанси, кожен із власною робочою копією та власним toolchain. Розраховуйте ресурси для пікового навантаження, оскільки чотири неактивні агенти майже не створюють витрат, тоді як чотири одночасні запуски тестів коштують у чотири рази більше за пікове значення з верхнього рядка.
Станом на August 2026 перехід від першого рядка до останнього означає приблизно чотириразове збільшення місячної ціни за умови річної оплати VPS: унизу — однозначні суми в доларах на місяць, угорі — десятки доларів. Перед плануванням перевірте поточні пропозиції, оскільки ці значення змінюються. Сервер рідко є найдорожчою складовою. Для тих, хто щодня працює з агентом, рахунок за model API швидко перевищує вартість сервера, тому обмежте суму, яку агенту дозволено витрачати, перш ніж зменшувати конфігурацію. Для самої збірки покроковий посібник із запуску coding agent на VPS описує налаштування облікового запису та підтримання сеансу активним після від’єднання.
Чому місце на диску закінчується раніше, ніж RAM
Дані, на яких побудовано графік
[
{
"label": "Ubuntu 24.04 base and toolchain",
"typical_gb": 6
},
{
"label": "One JS monorepo checkout",
"typical_gb": 3
},
{
"label": "node_modules across 3 branches",
"typical_gb": 4
},
{
"label": "Docker images and build cache",
"typical_gb": 20
},
{
"label": "Agent logs and journal, 90 days",
"typical_gb": 2
}
]Підсумуйте ці рядки: диск на 50 GB майже заповниться ще до того, як ви напишете перший рядок коду. Найбільший окремий елемент — Docker, приблизно 20 GB, оскільки BuildKit зберігає кожен проміжний layer кожної збірки, доки ви не видалите його.
docker system df
docker builder prune --filter until=168hdocker system df показує простір, який можна звільнити, за категоріями, тому запускайте його до та після очищення. Фільтр until=168h зберігає cache records, які збірка використовувала протягом останнього тижня, і видаляє решту. Він орієнтується на час останнього використання, а не на вік, тому layer, створений місяць тому, але повторно використаний учора, залишиться. Саме такий cache і надалі економить час. docker image prune -a виконує глибше очищення й видаляє кожен image, який не використовує жоден container, тому наступна збірка знову завантажуватиме його.
Node projects дають менш очевидний збій. npm install створює сотні тисяч дрібних файлів, тому у файловій системі можуть закінчитися inodes, навіть якщо df -h ще показує вільні gigabytes. Тоді запис завершується помилкою No space left on device на диску, який виглядає заповненим лише наполовину.
df -h /
df -i /Якщо IUse% показує 100, видаліть каталоги node_modules гілок, у яких ви більше не працюєте, або перейдіть на pnpm. Він зберігає кожну версію package один раз і створює hard links на неї в кожному project.
Logs — ще одне непомітне джерело використання диска. Agent, який працює постійно, записує transcript сесій, а journal systemd за замовчуванням поступово займає частину диска.
sudo journalctl --disk-usage
sudo journalctl --vacuum-size=200M
du -xh --max-depth=1 / 2>/dev/null | sort -h | tailЗадайте SystemMaxUse=200M у /etc/systemd/journald.conf і виконайте sudo systemctl restart systemd-journald, щоб це обмеження діяло постійно. Одноразовий vacuum лише тимчасово звільняє місце.
Swap: що він дає і що приховує
Swap варто додати, оскільки він перетворює короткочасне перевищення доступної пам’яті на повільну роботу, а не на завершення процесу. Розмір swap задайте на рівні половини обсягу RAM, але не більше ніж приблизно 4 GB. На build-сервері немає особливих причин збільшувати його далі.
sudo fallocate -l 4G /swapfile
sudo chmod 600 /swapfile
sudo mkswap /swapfile
sudo swapon /swapfile
echo '/swapfile none swap sw 0 0' | sudo tee -a /etc/fstab
swapon --showswapon --show має показати /swapfile із заданим розміром. Без рядка /etc/fstab swap зникне після наступного перезавантаження, і сервер непомітно повернеться до попередньої поведінки. Якщо fallocate повертає Operation not supported, створіть файл за допомогою sudo dd if=/dev/zero of=/swapfile bs=1M count=4096 і продовжіть із chmod.
echo 'vm.swappiness = 10' | sudo tee /etc/sysctl.d/99-swappiness.conf
sudo sysctl --systemНизьке значення swappiness вказує kernel спочатку звільняти дисковий кеш, а вже потім переміщати пам’ять програм на диск. Це допомагає language server залишатися чутливим до запитів.
Тепер про те, що приховує swap. Якщо завданню справді потрібно більше пам’яті, ніж доступно на сервері, kernel витрачає час на переміщення сторінок між RAM і диском замість виконання build. Нічого не завершується аварійно. Усе працює вкрай повільно, а load average зростає, хоча CPU простоює.
vmstat 1 10Стабільні ненульові значення у стовпцях si і so означають безперервний swap, тому потрібно зменшити кількість паралельних операцій або збільшити обсяг RAM, але не додавати swap. На невеликому сервері sudo apt install -y zram-tools надає стиснений swap, що зберігається в RAM і налаштовується у /etc/default/zramswap. Він значно швидший за swap file і використовує RAM для економії RAM, тому допомагає для неактивних сторінок, але не для build, якому справді потрібна робоча пам’ять.
Чому здається, що coding agent завис
Це найчастіше неправильно діагностована проблема на невеликому сервері для agent. Команда нічого не повертає, agent очікує, а сесія виглядає завислою. Процес завершив kernel через нестачу пам’яті — out-of-memory (OOM) killer. Він отримав SIGKILL, тому не зміг вивести помилку, записати log або повідомити agent, що сталося. Agent бачить порожній результат і не отримує повідомлення про завершення.
Kernel усе одно записує цю подію:
sudo dmesg -T | grep -iE "out of memory|killed process"
sudo journalctl -k -b | grep -i oomРеальний рядок має такий вигляд:
[Thu Aug 6 11:02:14 2026] Out of memory: Killed process 4711 (node) total-vm:4210880kB, anon-rss:3820104kB, file-rss:0kB, shmem-rss:0kB, UID:1000 pgtables:8236kB oom_score_adj:0anon-rss — це обсяг пам’яті, який процес утримував під час завершення. Зверніть увагу, який саме процес було вибрано: kernel переважно оцінює обсяг використаної пам’яті, тому часто завершує language server або agent, а не build, через який сервер перевищив доступний ресурс. Саме тому симптом виглядає як «agent зламався».
У Docker та сама подія залишає чіткіший індикатор. Container завершується з кодом 137, тобто 128 плюс signal 9.
docker ps -a
docker inspect "$(docker ps -lq)" | grep -i oomkilled"OOMKilled": true підтверджує, що container досяг свого memory limit, а не завершився через власний збій.
Щоб виправити проблему, задайте для ресурсоємної команди окреме обмеження. Тоді завершиться build, а не agent:
systemd-run --user --scope -p MemoryMax=4G -- npm run buildТепер build буде завершено після досягнення 4 GB, а agent продовжить працювати. Таємниче зависання перетвориться на звичайну помилку команди з читабельним exit code. Для цього потрібен user manager systemd. Звичайний SSH login запускає його автоматично, тому команда працює через SSH без додаткових налаштувань. loginctl enable-linger $USER потрібна лише для того, щоб user units продовжували працювати після виходу із системи. MemoryHigh= обмежує процес після досягнення порогу, а не завершує його. Для build, який краще завершити повільно, це часто м’якший варіант.
Обмежте один раз у Compose
Якщо інструменти агента працюють у контейнерах, задайте обмеження у файлі Compose, щоб воно застосовувалося під час кожного запуску.
services:
agent:
image: node:22-bookworm
deploy:
resources:
limits:
memory: 2g
cpus: "1.5"Docker Compose v2 застосовує deploy.resources.limits у звичайному режимі docker compose up, тому swarm mode не використовується. Старий ключ mem_limit: 2g також працює. Повний посібник з обмежень пам’яті Compose охоплює резервування та пояснює, що відбувається, коли контейнер досягає встановленого обмеження. Якщо Docker ще не встановлено на сервері, спочатку встановіть Docker на VPS.
Одна помилка може коштувати кількох годин. Контейнер з обмеженням 2 GB усе одно бачить значення /proc/meminfo хоста та кількість CPU хоста, оскільки ці ресурси не ізольовані через namespace. Тестовий runner, який визначає кількість worker-процесів за кількістю CPU, запустить вісім worker-процесів усередині контейнера з обмеженням 2 GB на хості з вісьмома vCPU, а потім завершиться з кодом 137. Задайте ці значення вручну:
npx jest --maxWorkers=2
export NODE_OPTIONS=--max-old-space-size=1536--max-old-space-size задається в MB і обмежує heap V8. Встановіть його нижче за ліміт контейнера, щоб Node вивів помилку, яку можна прочитати, а не завершився без повідомлення:
FATAL ERROR: Ineffective mark-compacts near heap limit Allocation failed - JavaScript heap out of memoryЦе повідомлення корисне, оскільки містить назву досягнутого обмеження та процесу, який його досяг. OOM killer такої інформації не надає.
Запуск кількох сесій агентів на одному сервері
Плануйте ресурси для кожної сесії, а не для кожного користувача. Дві сесії в одному репозиторії означають два language server, два набори build cache у пам’яті та два запуски тестів, якщо обидва агенти одночасно отримують навантаження. Саме тому в рядку для команди вказано 16 GB.
Установіть для кожного користувача жорстке обмеження, щоб одна сесія, яка неконтрольовано споживає ресурси, не вивела з ладу весь сервер:
id -u alice
sudo mkdir -p /etc/systemd/system/user-1001.slice.d
printf '[Slice]\nMemoryMax=6G\n' | sudo tee /etc/systemd/system/user-1001.slice.d/limit.conf
sudo systemctl daemon-reload
systemctl show user-1001.slice -p MemoryMaxЗамініть 1001 на UID, який вивела команда id -u. Команда systemctl show має вивести MemoryMax=6442450944 після входу користувача в систему. Коли сумарне споживання пам’яті всіма процесами в сесії цього користувача перевищить 6 GB, kernel завершить один із процесів у його slice, а всі інші сесії продовжать працювати. Якщо агент працює як service, а не в terminal, укажіть MemoryMax= у його unit file. Саме цей підхід слід використовувати, коли ви самостійно розгортаєте агента як постійно запущений service.
FAQ
Чи достатньо 2 GB RAM для coding agent?
Для процесу agent — так. Для виконання його завдань — рідко. Agent використовує близько 250 MB, але один TypeScript language server у репозиторії середнього розміру може використовувати до 2000 MB. Цього достатньо, щоб сервер із 2 GB почав використовувати swap. 2 GB достатньо для редагування конфігураційних файлів і невеликих скриптів. Для всього, що компілює код або запускає набір тестів, використовуйте 4 GB як мінімальний обсяг.
Чи потрібен GPU, щоб запускати coding agent на VPS?
Ні, якщо agent викликає cloud model через API. Таке навантаження залежить від мережі, тому звичайний VPS із CPU є оптимальним варіантом, а GPU простоює за значно вищої вартості. GPU потрібен лише тоді, коли сама model працює на цьому сервері. У такому разі потрібно оцінювати не RAM, а VRAM і розмір model.
Скільки swap потрібно додати на VPS для agent?
Половину обсягу RAM, але не більше приблизно 4 GB. Swap захищає від короткочасного перевищення доступної пам’яті, оскільки kernel може перемістити неактивні сторінки на диск замість завершення процесу. Swap не збільшує обсяг доступної пам’яті. Якщо vmstat 1 показує стабільний трафік у стовпцях si і so, сервер перевантажений операціями swap. Зменште кількість паралельних worker або виберіть більший тарифний план.
Чому мій coding agent зависає посередині build?
Найімовірніше, kernel OOM killer завершив build. Він надсилає SIGKILL, тому жодне повідомлення не виводиться, а agent очікує дані з pipe, який більше не заповниться. Виконайте sudo dmesg -T | grep -i "killed process" і перевірте назву процесу та його значення anon-rss. Щоб усунути проблему, обмежте build за допомогою systemd-run --user --scope -p MemoryMax=4G і зменште кількість worker або перейдіть на один рівень RAM вище.