企业级 Agentic AI 架构设计
AWS China 官方博客，2025-10-24 发布。
TL;DR
提供一套”可用、可控、可度量”的 Agentic-AI 工程化方法论：从 Agentic AI vs AI Agent 概念、行业应用、设计方法论、核心组件到部署。“城市与车辆”类比：Agentic AI 是城市（统一基础设施 + 规则），AI Agents 是车辆（在框架内承担具体角色）。
关键事实
市场数据
- Agentic AI 市场 2025 → 2032：138.1 亿 → 1408 亿美元（CAGR 39.3%）
- 82% 大型企业计划 3 年内大规模部署 Agent
- 78% 跨国企业用 Agent 替代传统 RPA
- 2028 年：15% 日常工作决策由 Agentic AI 自主完成，33% 企业软件集成（vs 2024 < 1%）
设计方法论
- 清晰的协作模型：垂直架构（主从）/ 水平架构（平等协商）/ 混合架构
- 明确定义的 Agent 边界：能做 / 不能做 / 与其他 Agent 的职责划分
- 可调整可追踪的推理策略：场景选择 + 充分测试
- 可控可评测：四维评估（可观测性 / 策略与资源控制 / 故障恢复 / 目标驱动评估）
核心组件（分三大域）
- 服务域：Agent 服务 / 通信协议 / 服务发现
- 治理域：安全（三层：网络/传输/内容）/ 护栏（Guardrail）
- 弹性可观测域：容错（限速/重试/断路器）/ 监控
通信协议对比
| 协议 | 发布者 | 场景 |
|---|---|---|
| MCP | Anthropic | 本地 IDE/聊天应用的插件/数据库/API 集成 |
| A2A | 跨供应商/跨平台 Agent 编排 | |
| ANP | 社区 | 跨组织/多域 Agent 网络 |
重要工程经验
- ⚠️ 单次 LLM 请求中放入 > 20 个 Agent 服务，调用精准度会急剧下降
- ✅ 推荐 Agent 服务和大模型调用前后都用 Guardrail 做安全检查
- ✅ 通信协议建议作为”插件式”接入，预留适配层
可观测性新增维度（vs 传统系统）
- 提示词与模型调用、工具/API 调用、检索上下文、规划器/执行器步骤
- 新指标：Token 成本、输出质量分数、幻觉率、护栏命中率、工具使用成功率
- 新故障类型：行为性（幻觉/不安全/违规/不相关）
涉及实体 / 概念
Agentic-AI · Harness-Engineering（理念呼应）