代理网格：企业智能体生态的未来

来源：InfoWorld 作者：Sean Falconer,  Eric Broda

代理网格（Agentic Mesh）是一种将碎片化的智能体转化为互联、可靠的企业级生态系统的方式。它使智能体能够相互发现，并以安全可靠的方式协作、交互甚至交易。

每周都有新的 AI 智能体平台发布，每个平台都承诺将彻底改变工作方式。这一愿景令人向往：只需向 AI 智能体下达任务，它就能自主规划、执行并交付完美结果。行业领袖们也对这一愿景寄予厚望 —— 英伟达 CEO 黄仁勋预测，企业内部很快将出现 “数亿个数字智能体”；微软 CEO 萨蒂亚・纳德拉更进一步表示：“智能体将取代所有软件。”

然而，愿景很美好，现实却复杂得多。

若想实现这一愿景，智能体必须从当前的不成熟状态进化为满足现代企业需求的形态。企业若想大规模使用 AI 智能体，必须以 “企业级” 架构对其进行设计，在从源头控制和减少错误的同时，确保可靠性、安全性和可观测性。此外，这些企业级智能体必须运行在一个 “企业级” 生态系统中，使智能体能够安全可靠地相互发现、协作、交互甚至交易。

简而言之，我们需要一个 “代理网格”—— 一个在企业就绪的生态系统中运行的企业级 AI 智能体网络。本文将探讨构建此类智能体所需的条件，以及支持其规模化运行的基础设施。

为何企业需要 AI 智能体

企业需要更快地运转，但手动工作流和碎片化系统拖慢了速度。AI 智能体提供了一种新途径：能够自主决定如何执行任务的软件。专为企业设计的智能体可以帮助解决以下核心挑战：

• 减少信息过载：员工花大量时间搜索信息，智能体可主动提供洞察，无需手动搜索；
• 提升效率与可扩展性：智能体可自动化多步骤流程，在不增加人力的情况下扩展业务；
• 增强客户参与度：结合实时洞察与历史背景，智能体可跨渠道提供个性化体验；
• 加速创新：智能体承担重复性任务，使人类能够专注于更具战略性的工作。

AI 智能体旨在解决企业日益增长的复杂性，但它们不只是聊天机器人或演示程序。要实现真正的价值，智能体必须从设计之初就满足企业级的可靠性、可见性和安全性标准。

现状困境：大多数智能体未达企业级标准

许多公司将智能体视为 “从未走出实验室的科学实验”，另一些则因 “数千个概念验证的痛苦” 而抱怨。问题的根源在于：大多数智能体未按企业级标准设计，具体表现为：

• 原型化开发：始于笔记本或大语言模型（LLM）沙盒环境，适合演示但无法部署；
• 单体化运行：仅在单个操作系统进程中运行单一 Python 程序，仅适用于最小负载；
• 缺乏关键能力：缺少可观测性、可追溯性和访问控制，无法满足实际系统运行要求；
• 孤立运行：没有与其他智能体、服务或团队交互的标准方式；
• 过度依赖模型决策：依赖随机系统（LLM）做出正确决策，但 LLM 的任务复杂度越高，准确性和可重复性越低。

这导致智能体基础架构脆弱，仅适用于孤立场景，无法应对规模化挑战。要真正发挥智能体的力量，企业必须将其视为软件架构中的一等公民，对其进行安全防护、治理、监测，并嵌入健壮的基础设施中。

智能体孤岛的风险

随着企业采用更多智能体，一个熟悉的问题浮现：孤岛效应。不同团队在 CRM、数据仓库或知识系统中部署智能体，但这些智能体独立运行，彼此缺乏感知。
当智能体不共享上下文时，会导致工作重复和洞察缺失。例如，CRM 智能体可能推荐销售行动，却不知道数据仓库智能体已识别出相关市场趋势。每个智能体仅基于部分信息工作，团队最终会构建重叠功能。
这不仅效率低下，还会削弱对系统的信任。若智能体无法协调，就无法支持高风险或跨职能场景。智能体需要一种相互发现、共享信息和协调行动的方式。但如果没有通用框架，每新增一个智能体都会增加复杂性，而非价值。
我们需要的是让智能体成为更大系统的一部分，而非独立工具 —— 这正是代理网格的使命。

代理网格：企业级智能体生态系统

代理网格不仅能将碎片化的智能体连接成可靠的生态系统，更能让企业级智能体在企业级生态中运行，使智能体能够安全可靠地相互发现、协作、交互甚至交易。
代理网格是一个统一的运行时、控制平面和信任框架，使企业级智能体生态成为可能，其核心目标有二：

1. 支持构建企业级智能体；
2. 提供企业级运行环境以支撑这些智能体。

为了支持安全、可扩展且协作性强的智能体，代理网格需要一系列基础组件，确保智能体不仅能运行，还能满足企业对控制、信任和性能的要求。这些组件包括：

• 市场（Marketplace）：智能体的中央发现、评估和部署中心，团队可查找预制智能体或发布自有智能体，促进复用并减少重复工作；
• 注册中心（Registry）：支持智能体注册、认证和相互发现的系统，使智能体可基于定义的角色、能力和权限协作，无需定制集成；
• 可观测性与治理（Observability and Governance）：确保安全、可追溯性和策略执行的工具与标准，包括日志、指标、访问控制和认证，是审计和运营支持的关键；
• 通信与编排（Communication and Orchestration）：智能体不仅需要独立行动，还需协调工作流。网格支持跨多个智能体的任务规划与委派，借助专用 LLM 和确定性执行引擎提升可靠性并降低错误率；
• 其他组件：包括通过 API、协议和聊天接口处理人机 / 机机通信的交互管理器（Interaction Manager），以及提供设计、测试和发布符合企业标准的生产级智能体工具的创建者工作台（Creator Workbench）。

这些组件共同将孤立的智能体集合转化为一个 cohesive、可治理的系统，为企业规模化应用做好准备。

企业级智能体的关键属性

企业级智能体必须符合高标准，与现代基础设施的监控、治理和安全要求一致。它不仅需要智能，还需具备可管理性、可预测性和安全性，具体包括：

• 可发现性（Discoverability）：智能体必须易于被用户或其他智能体找到，每个智能体均需注册唯一身份、元数据和清晰文档；
• 安全性（Security）：采用强认证和授权（如 mTLS 和 OAuth2），基于零信任策略治理访问，智能体仅与配置中明确允许的工具和协作者交互；
• 可观测性与可操作性（Observability and Operability）：每个智能体均需输出可集成到现有企业监控和运营平台的指标、警报和日志，实现实时可见性和事件响应；
• 可靠性（Reliability）：设计上需尽量减少故障，避免过度依赖不可预测的 LLM 行为，并在可能的情况下确保任务执行的确定性；
• 可扩展性（Scalability）：运行时可轻松扩展以处理预期和峰值负载，开发上支持快速构建，运营上可融入企业现有环境；
• 可信性（Trust）：智能体使用前需通过认证，认证记录（自动或手动）需公开以确保可见性和治理；
• 可追溯性与可解释性（Traceability and Explainability）：记录智能体的每一个动作及其背后的推理，支持从结果追溯至决策和输入，便于诊断和合规；
• 协作性（Collaborative）：非孤立运行，可在分布式环境中与其他智能体和工具协作，共享上下文并按需委派任务。

当智能体满足这些标准时，即可安全集成到企业系统和流程中。而实现这一点，需要默认支持这些能力的基础设施 —— 这正是代理网格的核心价值，也是在企业中规模化采用智能体的基础。

代理网格的技术基础

企业级智能体需要融入现代软件基础设施。代理网格基于成熟的技术模式（如微服务、事件驱动架构、流处理和零信任安全）构建，使智能体可通过熟悉的工具和工作流进行部署、观测和管理。

1. 智能体即 “智能微服务”

智能体是具备 LLM “大脑” 的微服务，微服务为其提供了强大的运营基础：

• 支持 mTLS 和 OAuth2 等企业级安全标准；
• 可在 Kubernetes 等平台上可靠执行，通过 Docker 和 CI/CD 管道轻松部署；
• 遵循标准可观测性模式，可通过 Prometheus、OpenTelemetry 和 Splunk 等现有工具进行监控和管理，融入企业工作流。

2. 自主性与工具驱动

每个智能体配备一个或多个语言模型及一组可调用工具，可根据用户输入和可用能力动态生成任务计划，逐步执行（协调工具、调用 API、与其他智能体协作）。

3. 对话式编排

企业用例常涉及多个智能体的长期交互（称为 “对话”），对话可持续毫秒、数分钟、数天甚至更长时间。这意味着智能体之间或人机之间的交接不仅需容忍故障，还需在必要时优雅接受人类反馈。

4. 有状态设计

智能体可维护和管理对话状态，跟踪多步骤或多会话的上下文，并在故障后重启对话。

5. 异步运行

智能体本质上是异步的，类似人类的沟通方式 —— 既有即时反馈的请求 – 响应交互，也有电子邮件等延迟响应的异步通信。智能体可能等待工具或委派任务，因此设计为异步运行。

6. 事件驱动架构

通过 Apache Kafka 和 Apache Flink 等技术支持可扩展的解耦通信，智能体可接入共享事件流、订阅主题、响应新数据并实时发布输出，而非依赖刚性的点对点集成。

7. 零信任治理

智能体遵循严格策略，明确允许交互的数据、工具和协作者，通过网格强制实施访问控制，防止未授权操作并确保符合企业安全标准。

互操作性 AI 的未来

企业智能体的下一阶段不在于部署数量，而在于构建和管理质量。要实现真正的业务价值，智能体必须是企业级的：安全、可观测、可靠，并作为更大系统的一部分协同工作。这不仅需要出色的提示词或巧妙的工作流，更需要支持规模化治理、协调和控制的架构。
代理网格为此类架构提供了基础，使从实验性原型到生产就绪系统的跨越成为可能。企业 AI 的未来，在于构建可信任、可集成、可扩展的智能体。

作者简介：

• 肖恩・法尔科纳（Sean Falconer）是 Confluent 的 AI 驻场企业家；
• 埃里克・布罗达（Eric Broda）是 IBM 的执行顾问兼 AI 架构师。