智能体AI的未来取决于开放生态系统

AI的承诺在于通过增强人类努力或创建能够独立完成任务的智能体AI"工作者"，来加速和自动化大量无差别的工作。

要实现这一愿景，我们还需要做大量工作，将智能体从实验室推向生产质量和安全。我们还必须关注AI智能体的一些需求，这些需求超越了传统软件。其中最矛盾的一点是，智能体AI依赖于互操作性，但工具供应商往往希望将您锁定在自己的系统中。

虽然封闭生态系统可能提供短期便利，但它们从根本上与现代工程团队以及现在的AI智能体的实际工作方式不兼容。封闭生态系统将组织绑定到单一供应商堆栈，限制了互操作性，并切断了智能体准确执行所需的实时可见性。结果是碎片化、创新速度减慢和敏捷性降低。然而，许多AI供应商仍然以控制或安全为名推广封闭生态系统，迫使团队为限制而牺牲灵活性。

与此同时，开放生态系统在工程师已经依赖的工具（如GitHub和ServiceNow）之间促进透明度和互操作性。当AI无缝融入开发人员现有的工作流程时，他们更有可能接受AI，而不是被迫在不连贯的系统之间切换。除了便利性之外，开放生态系统使智能体AI更加强大：它们允许智能体在整个技术栈中收集上下文，与其他系统协作，并以更高的准确性行动。预计到2030年，基于智能体的AI将自动化价值超过6万亿美元的任务，供应商明智的做法是优先考虑开放生态系统，因为它们使智能体AI更容易收集数据并在整个技术栈中工作。

特别是在科技行业，领导者表示，开放生态系统对于实施AI等新的和业务关键型创新至关重要。根据Salesforce的一项调查，已经部署此类技术的公司中，超过一半认为开放生态系统将在两年内成为标准。

像模型连接协议这样的互操作性标准推动了向开放生态系统的转变。MCP是Anthropic在2024年开发的一个标准，使软件工程师能够在数据源和AI驱动工具之间建立安全的双向连接。通过减少供应商锁定并支持可组合的AI架构，MCP加速了灵活、开放的AI格局的发展。

此外，MCP简化了大型语言模型连接到外部数据、工具和应用程序的方式。通过民主化对AI的访问，它使用户能够更轻松地构建新的工作流程和工具。最终目标是实现智能体间的协作，使它们能够共同解决复杂问题并加速人类生产力。当智能体能够自由互操作时，创新就会蓬勃发展。

与过去复杂（且功能齐全）的RPC协议相比，MCP极其简单，但它仍然推动了巨大的变革，因为它标准化了不同部分如何协同工作，并且以任何人都可以实现的方式做到了这一点。我们还需要这种模式的其他地方在哪里？也许是半结构化文档，以使智能体更容易跟上变化。或者超越开发进入生产，通过增加可观测性。

毕竟，与互操作性一样，可观测性对于确保智能体值得信赖和高效也至关重要。当智能体自主行动并从环境中学习时，团队需要清楚地了解这些决策是如何做出的。如果无法了解这些行动，就很难注意到何时出现问题，或者智能体的行为方式与组织的目标不一致。实时智能体AI监控使团队能够跟踪智能体的行动，理解其决策过程，并识别任何可能表明偏见或错误的模式。

可观测性通过展示智能体决策背后的逻辑并提供清晰的活动轨迹，与开发人员和外部用户建立信任——确保人们相信系统不会偏离轨道。当可观测性平台和工程工具之间的集成无缝时，可观测性数据可以直接引入到自主编码智能体等智能体应用程序中。OpenTelemetry是一个由非营利性云原生计算基金会管理的开源数据项目，也确保了不同实现之间的兼容性。这对智能体AI尤其有益，因为它促进了跨应用程序和语言的一致数据收集。没有这种标准化数据，AI智能体将如同盲人，无法处理复杂的IT问题。

根据最近的一份Gartner报告，到今年年底，估计有30%的GenAI项目将由于数据质量差、风险控制不足、成本上升或业务价值不明确而在概念验证后被放弃。如果开发人员设计能够跨工具工作的AI智能体，负责任地训练它们，并使用可观测性确保其平稳运行，可以避免智能体AI出现类似结果。

在一个互联、可组合的未来中，智能体AI的开放生态系统至关重要。拥抱它们可以推动创新，增强韧性，并确保跨工具和技术栈的无缝数据流。最终，开放生态系统加速进步，并促进一个更具包容性、协作性的数字未来。