智能体AI架构落地:挑战在哪,机会又在哪

资讯 InfoQ 全文 4386 字 · 约 11 分钟读完 配图 2 张 分类MCP智能体安全对齐

智能体 AI 架构在微服务与云原生架构的基础上进行了扩展,引入具备上下文感知、记忆能力,并遵循 MCP、A2A 等协议的 AI 智能体。本文探讨受限上下文集成、依赖任务的协同策略、新型安全风险以及可观测性需求。

所属频道 智能体与 Agent政策与风险

微服务和云原生架构,大多数软件工程师与架构师早就熟悉,多年里也一直在用它们搭系统。这类系统往往由几十、几百乃至上千个服务构成,分别承担 API 端点、数据管道、后台工作流以及各种中间形态的数据处理任务。它们的共同之处在于:处理数据时,要么依据代码写定的逻辑,要么依据从数据存储里取出的数据。这不代表系统简单,相反,复杂起来可以非常复杂。可再复杂,人们仍能用确定性的方式去推理,从而划定功能边界、完成实现、测试改动、运维系统,即便碰上基础设施或应用层的故障也不妨碍。

这种局面要变了。未来软件系统里会有相当一部分继续保持确定性,形态和今天差不多。但用不了多久,大量正在设计、正在交付的 IT 系统就会靠基于 AI 的方案来驱动面向用户的功能。对绝大多数架构师和工程师来说——甚至可能是全部——他们得适应 IT 行业这个全新的现实。

AI 之所以进入软件架构,关键推力是它带来的新能力,这些能力对知识工作者使用的产品格外有用。以前 IT 系统干的是存储数据、处理数据,再通过 API 和用户界面把数据交出去;数据管理里有相当一部分由人来做,靠的是业务规则、流程、团队里沉淀下来的隐性经验,还有个人判断。平心而论,其中一部分智能——甚至很大一部分——被直接写进了 IT 系统,用来提生产力,业务规模化扩张的关键阶段尤其如此。有了 AI 能力,软件系统可以从操作原始数据转向操作知识,IT 的角色也就从单纯的数据管理和处理,升格为在知识层面支撑业务运转、支撑终端用户。

基于 AI 的方案会在多大程度上主导下一代软件系统,很难判断。不过种种迹象显示,它的影响会极其深远,深到足以催生一种全新的软件架构:大量功能模块由 AI 驱动,用这套下一代系统做产品的人,效率会大幅提升。所谓智能体 AI 架构,指的是大规模使用智能体 AI 系统、以充分发挥生成式 AI(以及其他)模型能力为目标的软件架构。它建立在微服务和云原生架构之上,再叠加智能体 AI 能力。

智能体 AI 系统的兴起

智能体 AI 不算新概念,但也远没到成熟。过去几年,智能体 AI 系统从简单的单智能体方案,走到链式结构,再走到图结构和多智能体系统(MAS)——多个智能体按不同拓扑结构协同干活。这个领域还在快速演进,将来必然出现更复杂的应用场景。不过要留意,不同的协作策略或拓扑结构各有适配的场景,很多时候选更简洁的方案反而更划算。

智能体要靠合适的上下文,才能把与之交互的大语言模型的能力用足。上下文方案同样在迭代:最早是预设提示词,后来逐步转向动态上下文——上下文信息来自其他智能体的输出、上下文传递,或者通过检索增强生成(RAG)从外部数据源拉取的数据。

不同来源的上下文信息越积越多,推理能力就开始往下掉。工程师于是摸索出新的上下文管理方式,上下文工程由此成为一项独立的实践。渐进式上下文披露(Progressive Context Disclosure)能把上下文准备这一步再优化一层:智能体可以按用户提示词,有选择地把详细信息载入上下文窗口。

LLM 的上下文窗口有大小限制,上下文工程要做的,就是让所用上下文尽可能提高模型产出期望结果的概率,至少也要把上下文模糊或不充分引发幻觉的几率压到最低。要做好上下文工程,离不开上下文管理——存储、优化、复用上下文元素,供后续智能体调用。

面向 AI 智能体的记忆系统最近也出现了,上下文编辑能力因此进一步增强。这类系统对不同类型的长期记忆(情景记忆、语义记忆、程序记忆)加以组织和查询,智能体便能用过去的经验与决策、相关事实与定义、规则或习得的行为来补充上下文。

上下文工程已经是智能体 AI 系统的基础性架构关注点。构建和运营基于 AI 的产品,要求和期望都在往上走,它势必继续演化。

智能体 AI 已经长出一批专有的通信协议。推动这一进程的,主要是智能体开发的复杂性、标准化的需求,以及改进互操作性的需求:

  • Agent2Agent 协议(A2A)——为多智能体系统而设计,让 AI 智能体之间可以互操作。

  • 模型上下文协议(MCP)——聚焦 AI 智能体与外部服务(数据库、工具等)之间的通信。

从智能体 AI 系统到智能体 AI 架构

智能体 AI 系统要产生价值,就得集成进更大的企业架构。在企业环境里,集成智能体 AI 系统有以下几种方式:

  • 把智能体嵌进对外暴露 API(HTTP/GRPC)的微服务;

  • 把智能体当作 MCP 工具调用,或基于 A2A 协议调用;

  • 让智能体微服务消费异步通道(队列/主题)上的消息。

大型企业级架构里可能装着许多专门的智能体 AI 系统。AI 智能体通过 MCP 就能直接访问数据库、服务/API 或任意数据源,因此有必要按领域驱动设计(DDD)的思路,把智能体的交互范围收在限界上下文内。在大型架构中限定智能体 AI 系统的作用域,能减少相距遥远或不相关的组件与数据源之间的耦合,工程团队得以维护内聚性更强的区域,不至于堆出过多依赖,也不至于引入变更时影响面过大。

智能体AI架构落地:挑战在哪,机会又在哪(配图 1)

图 1 画的是一个简化架构,里面有两个限界上下文,每个上下文都嵌了一个智能体 AI 系统(内含多个智能体 A)和其他微服务(S)。智能体只用本地数据源和服务来扩展上下文,与更大软件系统其他部分的耦合因此降低。

智能体 AI 系统的性能与可扩展性

云原生软件架构的可扩展性,业界早就摸透了——架构师和工程师搭建、运维这类系统已有多年经验。智能体 AI 系统却不一样:大模型调用本身延迟就高,碰上复杂的多智能体系统,处理耗时还可能继续往上走。所以衡量这类系统的性能,光看吞吐量、延迟、错误率这些传统指标并不够。

谷歌和麻省理工学院的研究人员发过一篇论文,专门讲多智能体系统的扩展框架。他们测试了多种协调策略,每种策略都带若干配置参数,比如 LLM 调用次数、智能体数量、每个智能体的交互次数。结论是:最佳协调策略要看具体任务——金融推理场景更适合中心化编排,网页导航类场景则去中心化策略效果更好。

换句话说,智能体 AI 领域没有一刀切的方案。谷歌和 MIT 的研究结果指向同一点:构建复杂解决方案的团队只能反复试验,靠实证找出最适合自身任务的智能体协调策略。

智能体 AI 的安全挑战

把智能体 AI 放进分布式系统架构,安全模型会明显改变。新增的威胁主要集中在三处:智能体运行时、工具服务器(MCP 或其他),以及模型服务商侧。举个例子,AI 智能体可能遭到提示词注入、指令混淆或工具输出投毒,结果要么行为偏离预期,要么把它能访问的数据泄露出去。另外,用外部 LLM 模型还会带来数据属地、数据保留、数据使用合规等方面的风险。

现有访问控制模型打磨了几十年,放到智能体身上并不合适——智能体既不算人类用户,也不算后端服务。Auth0 高级开发者 Cameron Pavey 最近提出了一种专为 AI 智能体设计的新权限模型。他的看法是:常规(非 AI)后端服务通常更受信任,原因在于它们是确定性的、可审计的,认证会话和用户界面也对用户形成约束。智能体则不同,它可以在用户不知情或未明确许可的情况下,自主触发包含其他智能体、工具调用的多步骤工作流。

针对智能体的权限难题,Pavey 给出的关键步骤是能力范围权限和任务范围凭证,再配合细粒度授权系统做分层执行。

安全领域其实不是头一回遇到这种大变化。当年微服务、云原生架构兴起,同样引发过这一领域的转变,访问控制机制和协议随之重塑,JWT、OAuth 这些如今司空见惯的技术就是那时候出现的。

可观测性

智能体 AI 系统是非确定性的,所以要有效构建、增强、排查故障和运维这类系统,可观测性不可或缺。

团队应尽量覆盖现代可观测性平台的各个核心维度:

  • 日志——采用结构化日志,记下决策、理由和证据;带上关联 ID;把个人身份信息清除掉。

  • 指标——关注输出质量、延迟和成本;为性能和预算建 SLO 仪表盘。

  • 追踪——覆盖任务和步骤,包括规划、工具、验证;关联 ID 不能少。

  • 告警——性能下降、延迟突增、异常情况都要触发告警。

  • 运行手册——维护一套运行手册,并定期评审。

微服务、云原生与智能体 AI 架构的融合

智能体 AI 有望成为未来 IT 产品和服务的主导力量,但切换不可能一夜完成。未来许多年里,今天熟悉的分布式系统架构会和下一代架构并存,就像面向服务架构(SOA)被微服务逐步替代,前后花了数年时间。

再说智能体 AI 本身还处在相对初级的阶段,成熟起来、被广泛采用都需要时间。过渡会是循序渐进的,新的设计模式、最佳实践、配套技术会不断冒出来,反过来又推动普及。

还有一点:并非所有产品或业务流程都需要智能体 AI,有些场景用 AI 在经济上并不划算。某些行业、某类产品或系统从 AI 中获益的速度,可能就是比不上其他行业。从这个意义上说,微服务和云原生架构会以某种形式继续存在。

从微服务与云原生到智能体 AI 平台

智能体 AI 逐渐成为主流、行业成熟度和采用度往上走之后,我预计不少现在还得定制开发的组件和方案,未来会封装成通用平台能力。这些平台要支撑多智能体系统的交付和运维,也要能把智能体系统集成进更大规模的企业架构。

特别是智能体 AI 的基础组件——智能体记忆、资产注册、安全护栏、编排能力,加上配套的可观测性和运维能力,都会变成智能体 AI 平台的内置能力,不管是自研,还是供应商、云服务商提供。

这条路和微服务架构走过的路径一样:企业落地新架构产生大量需求,先催生内部自建运维方案,之后逐步被托管式商业化产品替代。

智能体 AI 架构的未来

接下来几年乃至几十年,分布式系统的主流架构很可能会转向智能体 AI 架构——行业眼下正站在一场大变革的门槛上。不过微服务和云原生架构并不会因此被淘汰。相反,它们会成为下一代系统的地基,而在这类系统里,绝大部分用户体验由 AI 来驱动。今天架构师和工程师已经熟悉的那套东西,会是交付 AI 产品与服务的基础;这些产品和服务把数据、知识以及基于计算的推理揉在一起。这一转变会抬升许多行业知识工作者的生产力,也会改善他们的使用体验。受影响的不仅是 IT 行业,整个现代社会都会被深刻改变。

现在还在早期。创新一个接一个冒出来,目标也在不断调整,大量实践、试错和学习同时在进行。但前面的路,机会是明摆着的。

【声明:本文由 InfoQ 翻译,未经许可禁止转载。】

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Uber建MCP Gateway:800个服务器、5000个工具如何统一调度

    作者 | Leela Kumili译者 | 田橙随着 AI 智能体在公司内部得到广泛采用,Uber 构建了一套 MCP Gateway,用于规范智能体发现和调用内部服务的方式,以解决集成碎片化、基础设施重复建设和安全实践不一致等问题。该平台支持 800 多个 MCP 服务器和 5000 多个工具,为服务发现、协议转换、

    来源 腾讯网
  2. 具身之外,物理AI终局的另一半:牛津费豪59页长文提出「认知共生体」新范式

    过去十年,AI 的进步只被一把尺子衡量:机器自己能做成多少事。 按这把尺子量,成绩单相当亮眼。今天的 Agent 能写代码、审代码、起草文档,在电脑上连续工作好几个小时;Meta、xAI、OpenAI 相继推出常驻后台的个人智能体,替人盯着长期目标;具身智能则是另一个风口,机器人正在拥有自己的身体、感知和目标。Pers

    来源 AI 行业观察
  3. 苹果招聘曝光AI Agent计划:Siri要从动嘴变动手?

    苹果招聘信息透露,公司正开发可跨应用操作、独立规划并执行多步骤任务的 AI Agent,并强调隐私与权限管理。据彭博社报道,项目仍处早期阶段。面对已积累用户与收入的竞争对手,苹果正争夺下一代计算入口。

    来源 爱范儿
  4. 苹果亚马逊谷歌齐出手:家庭AI中枢争夺战开打

    Personal Agent让智能家居再次被赋予了想象力。过去只能联网和听从指令的家居设备,有了新的方案来理解环境、主动判断,并实现彼此协作。 海尔智家最近集中发布的一批搭载AI之眼2.0的大白电新品就是体现。这让冰箱、烟机和灶具、洗衣机也开始围绕任务来组织工作。比如,冰箱会识别食材、推荐存放位置,并把菜谱同步给厨电;

    来源 AI 行业观察
  5. AI做PPT、搭网页居然都免费?用完豆包工作我算了下账

    就拿小雷自己来说,自从把整理资料、分析财报、制作PPT等工作交给Agent软件(WorkBuddy、豆包工作等)后,也发现随着使用次数和任务复杂度的增加,AI消耗的积分也确实不少,很多时候赠送积分已经完全不够用,需要额外开会员和充值才行。

    来源 凤凰科技
  6. 苹果押注自主式AI Agent:Siri要从动嘴变动手

    Siri 可能终于要从「动嘴」进化到「动手」了。让 Siri 查天气、设置闹钟、打开应用,早已不是什么新鲜事。但如果你现在让它安排一次出差,查好机票和酒店,再根据日历整理行程,恐怕还是得自己动手。苹果最近的一系列动作,透露了它想改变这种状况的野心。11 月中旬,苹果官网出现了两则与自主式 AI Agent 有关的招聘信

    来源 腾讯网
  7. 工业AI进产线:单次推理0.3元起,2000家客户已用上智能体

    《科创板日报》11月20日讯(记者 余诗琪)“以前要靠人工完成的流程,需要几个小时,现在用智能体,9到12分钟就能完成。”11月19日,在武汉举行的2026中国5G+工业互联网大会上,黑湖科技联合创始人肖哲给出了一组工业智能体的应用数据:单次推理成本约0.3元至1元,目前已有约2000家客户使用其工业智能体。工业AI的

    来源 腾讯网
  8. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  9. 考克森借Anthropic上市发声:必须阻止AI递归自我改进

    IT之家 11 月 20 日消息,据《商业内幕》报道,今年 9 月,Anthropic 前研究员雅各布 · 考克森因担忧 AI 发展而离职,并在美国引发了对 AI 技术的广泛恐慌。时间来到当地时间 19 日,随着 Anthropic 股票首次上市交易,考克森再次呼吁公众关注 AI 安全问题。 这次,他在接受采访时强调:

    来源 AI 行业观察
  10. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  11. TheSigil ID上线:AI智能体可自主申领数字身份证

    当 AI Agent 开始自主执行任务,它们是否也应该拥有一张属于自己的身份证? 近日,面向全球 AI Agent 的数字身份登记平台 TheSigil ID开放免费创世登记。与传统由开发者填写信息的注册方式不同,TheSigil ID 尝试让 AI 智能体自行阅读协议、选择名称、撰写身份声明,并通过开放接口完成登记,

    来源 AI 行业观察
  12. 2027 AI进化峰会12月26日落地上海张江:模型如何走向物理世界

    12月26日,机器之心联合张江AI创新小镇在上海举办「2027 AI进化峰会」。大会聚焦模型底层、智能形成、系统承载与真实落地四大维度,邀请全球学者与产业专家探讨AI从单点能力向体系化协同进化的关键变量,解析Agent自主探索、光计算及具身智能等前沿趋势。

    来源 AI 应用前沿
  13. 谷歌AI智能体:模块化改代码,成功率从5.0%升至40.0%

    谷歌研究提出一种可自我改进的Harness框架,让优化模型通过修改代码而非仅调整提示词来提升智能体执行效率。实验中模块化修改并通过验证筛选的方案把任务成功率从5.0%提高到40.0%,每项任务约消耗4.67万Token;不受限整体重写虽达42.5%,但Token消耗约45.16万,接近前者的10倍。

    来源 凤凰科技
  14. 苹果招人做主动型AI智能体:能编程、控应用

    据彭博社报道,苹果正开发自己的自主AI智能体,可代替用户编程、浏览网页、控制应用和设备操作。该计划由苹果官网“主动型、智能体式AI助手”招聘信息披露,苹果曾考虑最早明年年底推出,目前开发仍处早期阶段。

    来源 凤凰科技
  15. Meta Muse Charm定价300美元:可直连AI,赠12个月5G流量

    据The Information报道,Meta计划将新款AI设备Muse Charm定价为300美元,该设备配备屏幕和指纹传感器,用户触碰即可直接与Muse AI智能体语音对话,无需解锁手机。设备还可能附赠Verizon提供的12个月免费5G数据套餐,Meta未直接确认定价。

    来源 凤凰科技
  16. 苹果招募智能体工程师:要让AI写代码、控设备,最早明年底上线

    AI正从被动问答转向主动执行,科技巨头加速布局自主智能体。苹果也在开发能代表用户完成任务的自主AI智能体,切入由OpenAI、Anthropic、Meta等占据的高增长市场。其官网招聘信息印证该动向,岗位要求透露核心能力包括写代码、浏览网页与操控设备,显示苹果正推进相关项目。

    来源 AI 产业速递
  17. 苹果自研AI智能体曝光:招聘信息透露产品方向,对手已抢先落地

    苹果公司正开发自家AI智能体,以期与OpenAI、Anthropic竞争。11月19日,据彭博报道,苹果公司正在开发一款能够代替用户完成任务的自主人工智能智能体,正式进军由OpenAI、Anthropic、Meta等公司激烈角逐的赛道。此前11月18日苹果官网新增一条招聘信息,透露公司正在寻找一名高级工程经理,负责一款

    来源 腾讯网
  18. 央企财务谈蕾用上TeleAgent:194张发票20分钟核完,带AI比带徒弟省力

    财务人亲历智能体做账变革|图 AI生成作者/ IT时报 孙妍编辑/ 钱立富 孙妍每个工作日早上,谈蕾(化名)坐到办公桌前,第一件事不是打开账务软件,而是点亮那款AI工具,在对话框唤出昵称“小星”。谈蕾是一名央企财务人员,和账本打交道近30年。核对发票、做凭证、出报表、申报税金,她负责集团内多家分公司的整盘账务,...

    来源 腾讯网
向下滚动自动加载更多