智能体AI通过大幅改善工作流自动化,有望推动企业数字化转型。其潜在效益巨大,但智能体工作流是一项复杂的工程任务。Agntcy是2025年3月成立的开源集体,其愿景是构建一个被称为"智能体互联网"的框架。
自从由思科Outshift孵化部门创立并招募其他成员以来,该集体专注于智能体的协调和编排,同时确保这些智能体在访问企业数据、开源工具和定制大小语言模型时遵循适当的身份访问管理协议。为支持这一方法并为该框架在行业中奠定更坚实的基础,Linux基金会于7月29日将Agntcy联盟纳入其治理模式。
Agntcy背景及构建技术生态系统的重要性
自智能体AI在科技界开始获得更广泛关注以来,很明显它可能对企业IT转型产生根本性影响。理解当今处理比聊天机器人更复杂工作流片段的智能体并不困难。但很快就需要编排超级智能体来执行更大且更具影响力的任务,如创建能够自我诊断故障并动态修复的完全自主网络基础设施。或者想象一组能够通过运行时分析进行动态实时调整来强化企业网络安全防护的超级智能体。可能性无限。
话虽如此,需要大量应用研究来释放智能体AI的创新潜力,以及协调努力将更多实体——供应商、企业客户、研究机构等——纳入统一的智能体生态系统。以往几代开源证明了生态系统方法可以快速推进研发工作,这在Linux、Android和无数其他开源项目的影响中得到了证明。
Agntcy的核心宗旨旨在确保开放性、互操作性和可扩展的安全智能体问题解决,所有这些都在量子安全环境中进行,以应对未来基于量子的安全加密威胁。除了思科内部的Outshift孵化器外,直到本周,Boomi和MongoDB是Agntcy最知名的成员。这些更知名的公司为一系列希望利用智能体AI淘金热的早期和后期初创公司提供了支撑。
在我看来,Agntcy迄今为止最值得注意的工作是其解决智能体间通信摩擦的软件开发工具包。Agntcy还提供多智能体示例应用程序,可用于加速开发者创新并减少上市时间。最近还启动了GitHub存储库,以简化对这些工具和应用程序的访问。
思科Outshift对Agntcy和其他倡议的孵化
几周前我参加思科Live大会时详细了解了Agntcy,并有机会与Outshift领导团队共度时光,讨论该部门以生态系统为重点的创新工作。Outshift是思科的内部新兴技术孵化器。该部门明确目标是专注于面向未来技术团队的新兴技术、想法、解决方案和资源。从研究角度看,Outshift将其努力导向AI和机器学习、量子网络、安全和其他重要主题,通常通过与世界各地学术机构合作进行。
通过Outshift,思科还与75多家科技公司合作,包括AI工具开发商、模型提供商和多智能体软件公司,以加强Agntcy并加速其采用。我将Outshift比作孵化器/初创公司的混合体,其使命是采用新兴技术概念,将其扩展为现实解决方案,并在广泛的生态系统中实现这一目标。我多年来关注了许多企业资助的技术创新和研发倡议,大多数都是内向型的,旨在使公司本身受益。Outshift本质上不同之处在于它设计上遵循合作模式,这可能加速整个行业的成功。
Outshift在Agntcy方面迄今为止的成就令人印象深刻,特别是在该集体启动仅几个月内。然而,当我第一次了解它时,我立即想到Agntcy将受益于更多知名IT基础设施提供商的广泛参与。开源社区已经证明竞争对手可以聚集在一起推进标准和创新,例如数据平面开发工具包倡议,以加速整个行业的数据包处理。
Agntcy升级至Linux基金会
在此背景下,Agntcy迁移到Linux基金会具有重要意义,原因有二。首先,它有潜力显著扩大和加速Agntcy智能体框架的开发和采用。作为通过工作组促进的Linux基金会项目,Agntcy将进一步完善智能体发现、身份、消息传递和可观测性。在我看来,这些核心功能是正确的关注点。实现智能体工作流全部潜力的最大挑战之一将在于身份访问管理和编排。
其次,随着Agntcy升级至Linux基金会,它现在迎来了包括戴尔科技、Google Cloud、Oracle Cloud Infrastructure和红帽在内的新成员。从我的角度看,这验证了Outshift一直在做的工作,并且汇集了强大的资源来确保Agntcy的成功。
智能体AI的未来前景光明
智能体AI的前景令人兴奋。思科和惠普企业最近的解决方案公告表明,它有潜力帮助我们重新构想具有高度自主能力的网络和安全基础设施。然而,必须解决有关适当身份访问管理、配置和智能体蔓延的担忧,以确保无阻碍的采用。Agntcy的努力——得到思科以及现在的新成员和Linux基金会的支持——应该帮助智能体AI在企业网络和IT中实现其承诺。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。