企业技术领导者现在可以获得统一的基础设施来跨组织边界编排AI智能体,这得益于思科7月29日向Linux基金会捐赠其AGNTCY项目。这一举措将开放标准置于多智能体系统开发的核心位置,帮助企业解决碎片化AI部署无法有效协作的问题。
**智能体互操作性的技术基础**
AGNTGY解决了阻止AI智能体在企业规模下协同工作的基础设施缺陷。该框架提供了类似传统网络协议的核心功能,但专门为自主软件系统设计。
智能体发现通过开放智能体模式框架运行,作为分布式目录服务,智能体可以在其中宣传其能力并跨组织边界定位专业服务。这实现了动态智能体组合,而非硬编码集成。处理复杂询问的客户服务智能体可以自动发现并委托给专门的账单、技术支持或账户管理智能体,无需手动编排。
身份层实现了密码学可验证的凭证,在跨不同安全域运行的智能体之间建立信任关系。与传统API密钥或共享密钥不同,这些身份机制支持委托链,人类用户可以向代表他们行动的智能体授予特定权限。这满足了受监管行业的合规要求,其中审计跟踪必须将自动化操作追溯到负责的个人。
AGNTCY的消息基础设施以安全低延迟交互式消息协议为中心,支持多种通信模式,包括请求-响应、发布-订阅和双向流。该协议包含量子安全加密,并处理可能跨越数小时或数天的智能体间复杂多轮对话。
可观察性组件提供多智能体工作流的端到端可视性,不仅跟踪性能指标,还跟踪智能体网络中的决策路径和资源利用率。这种能力对于调试复杂的智能体交互至关重要,其中故障可能在多个系统中级联。
**与Agent2Agent协议的战略互补**
AGNTCY向Linux基金会的捐赠发生在新兴智能体通信标准的更广泛生态系统中。6月捐赠给Linux基金会的Agent2Agent协议建立了直接智能体间通信的消息格式和交互模式。AGNTCY通过提供基础设施层来补充这一点,使A2A智能体在规模上可发现和可管理。
这种关系类似于互联网的分层架构,其中TCP/IP等协议处理传输,而DNS实现服务发现。AGNTCY目录使启用A2A的智能体在企业网络中可发现,而SLIM协议可以通过企业级安全保证传输A2A消息。
该框架还与Anthropic的模型上下文协议集成,使智能体能够通过AGNTCY的消息基础设施共享上下文和工具。这种多协议方法防止供应商锁定,同时允许企业利用对不同智能体框架的现有投资。
**市场动态和不断发展的格局**
主要技术供应商已支持AGNTCY作为创始成员,包括戴尔科技、谷歌云、甲骨文和红帽,以及发起者思科。这种支持表明业界认识到智能体互操作性需要中性治理而不是单一供应商控制。
戴尔的参与反映了企业AI部署从公有云到边缘设备跨多个环境的现实。甲骨文的参与解决了对混合企业架构中智能体身份和数据治理的担忧。谷歌云的支持将其现有的Agent2Agent协议工作扩展到更广泛的基础设施协调中。
AGNTCY向Linux基金会的捐赠表明多智能体系统从实验技术向企业基础设施的演进。中性治理模型解决了对供应商锁定的担忧,同时为长期架构决策提供了所需的稳定性。
Q&A
Q1:AGNTCY是什么,它能解决什么问题?
A:AGNTCY是思科向Linux基金会捐赠的开源项目,旨在为跨组织边界编排AI智能体提供统一基础设施。它解决了企业碎片化AI部署无法有效协作的问题,提供智能体发现、身份验证、消息传递和可观察性等核心功能。
Q2:AGNTCY与Agent2Agent协议有什么关系?
A:AGNTCY与Agent2Agent协议形成互补关系。Agent2Agent协议建立智能体间通信的消息格式和交互模式,而AGNTCY提供基础设施层,使A2A智能体在企业规模下可发现和可管理,类似于互联网中TCP/IP处理传输而DNS实现服务发现的分层架构。
Q3:哪些主要技术公司支持AGNTCY项目?
A:支持AGNTCY的主要技术供应商包括思科(发起者)、戴尔科技、谷歌云、甲骨文和红帽等作为创始成员。这种广泛支持表明业界认识到智能体互操作性需要中性治理模式,而不是单一供应商控制。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。