从构建、部署到规模化运行：加速企业Agent工程化

Agent在企业落地趋势

• 预计到2026年，70%的企业将在生产环境中运行AI Agents，40%的企业应用将在2026年底嵌入AI Agents。
• 预计到2026年，全球Agentic AI支出将达到2019亿，同比增长141%。

企业构建Agent时的挑战/痛点

• 架构复杂：智能体架构依赖多，开发框架多，运行环境隔离性要求高。
• 治理协作：多智能体治理和协作难度大。
• 运维复杂：智能运维复杂，问题发现慢，修复难。
• 效果评估：Agent效果是关键，但运行是黑盒，效果评估难，不知道如何优化。

阿里云AgentInfra解决方案

• AgentRun：覆盖智能体开发构建-运行-治理-运维-优化全周期。
  • 构建：AgentRun提供开源开放的开发模式，包括Agent构建组件、沙箱及服务。
  • 部署：支持快速构建和部署智能体。
  • 治理：提供智能体治理安全合规功能。
  • 协作：支持多人多智能体协作。
  • 观测：提供可观测性能力，覆盖性能告警分析、Token成本分析等。
  • 优化：提供Agent进化论，助力智能体构建进化数据飞轮。
• STAROps：全域智能运维平台，实现从被动响应到智能自治。
  • 智能助手：通过自然语言完成查数、日志分析、告警诊断和根因定位。
  • 长期任务：支持面向巡检、日志洞察、告警聚合和应用守护的异步任务。
  • 数字员工：支持自定义职责、权限、工具、Skill、MCP和运维知识。
  • 运维世界模型：统一接入跨域可观测数据，构建实时运维上下文。
  • AI友好工具链：连接查询、诊断、脚本、云产品OpenAPI和企业工具。
• HiClaw：多Agent协作与治理方案。
  • 产品定位：直接面向企业，作为企业的Agent团队，采用Manager-TeamTL-Workers协作架构。
  • 核心能力：多Human，多Agent协作；面向未来的无限扩展能力；企业级Skill/MCP安全统一管理；开源开放的开发模式。
  • 使用形态：开源单机版极速验证；多Agent协同云上企业版；阿里云独立产品半托管、开箱即用、解放生产力。
• Agent进化论：AgentLoop
  • 全栈观测实践：LoongSuite开源框架，深度集成主流Agent，全栈数据无侵入采集。
  • 效果评估与实验：用实验替代人工抽检，Agent-as-a-Judge驱动真实效果评估。
  • 调优与自进化：Agent调优与自进化双路径，驱动智能体越用越聪明。

基于RocketMQ的异步协作架构

• AI Agent驱动的异步化新挑战：传统互联网应用和AI 应用的对比，AI应用的特点，异步事件驱动新特性。
• LiteTopic：AI场景的轻量事件载体，差异化订阅，消费端线程池非阻塞模型。
• 基于RocketMQ的异步Agent会话网关：传统方案的瓶颈，基于LiteTopic 实现异步会话网关优化后的方案。
• RocketMQLiteTopic落地实践：AI场景下限流的需求与挑战，AI场景下限流的需求与挑战，OpenClaw RocketMQ Channel 协议设计，OpenClawRocketMQChannel应用场景。