自主式AI的核心在于通过编写代码、运行脚本、执行命令或调用API来采取行动。若要让这些行动更加高效，这些操作必须具备可发现性、文档完备性、一致性，并且从一开始就设计得便于智能体使用。
智能体所需的信息与人类略有不同，尽管双方都能从完整、准确且最新的文档或包含正确使用命令的错误信息中获益，但举例来说，DevOps智能体需要了解整个持续集成/持续部署(CI/CD)管道的全貌，而开发者则通常无需如此。
不过，总体而言，更好地管理业务逻辑、代码、数据、文档、API设计、策略和最佳实践，也将有助于提升人类用户的体验，而且，如果你不开展这些工作，随着员工转而使用能与他们的智能体良好协作的服务，就可能引发新一轮的影子IT问题。
Forrester副总裁兼企业架构首席分析师Charles Betz表示：“人们开始相信并接受自主式AI，但要真正实现这一目标，还有大量工作要做。”智能体需要精确、结构化且易于获取的信息，而AI将放大优势与劣势。“如果你对系统的理解不足，那么你得到的自主式AI也将混乱不堪。”他补充道。
优化智能体体验
让现有企业系统为智能体做好准备，是Netlify CEO Mathias Biilmann所说的智能体体验(AX)的一部分，即智能体作为产品或平台用户时所遇到的情况。
Biilmann指出，实际上每个产品和工具都已有智能体体验，因为智能体已经在尝试使用它们。“问题只是在于，这种体验是好还是坏。”
如果你期望智能体能够使用你所依赖的产品或服务，那么了解该产品或服务是否具备结构化、可预测的界面、全面的错误处理、多步骤工作流的会话持久性以及所需的实时反馈，就显得尤为重要。
Biilmann说：“智能体如何发现你的产品?是用户告诉它们，还是它们自己发现这可能是一个好的解决方案?你如何帮助它们理解能用你的产品做什么，以及如何让它们轻松访问产品，理想情况下是尽可能少地请求用户授权?然后，在这个智能体循环中，你如何为智能体提供上下文，以确保它们能获得最佳的产品体验，并以最有效的方式为用户完成任务?”
这一术语已在AI编码智能体和开发者工具提供商中流行起来，Biilmann预计其将具有更广泛的相关性。他说：“随着从编码智能体，特别是Claude Code中汲取的经验教训开始应用到更多面向企业和消费者的智能体中，我们将开始看到，下一层工具和服务将认识到，如果我们不能与这些智能体良好协作，就会被绕过。”Akamai的最新研究显示，这种转变已经开始。
在企业环境中，AX涉及开展基础性工作，以将自主式AI有效集成到现有系统中。那么，你是像RPA那样，在事后才将其附加到系统上(从遗留应用程序中抓取数据)，还是确保工作流和工具是为多智能体协作协议(MCP)设计的，以使智能体更加高效?
投资者在评估企业价值和预测由智能体引领的增长时，已开始将这些原则纳入考量。Anthropic发布了工具编写指南，以确保这些工具能与智能体良好协作，而微软则正在为Windows创建具有访问限制的新账户，专供智能体使用，以确保其安全运行，甚至有一家AI代码工具提供商拆除了其刚刚付费搭建的内容管理系统(CMS)，因为其Cursor编码智能体无法轻松访问该系统，而且营销团队发现，让聊天机器人以Markdown格式将内容添加到网站上，比使用传统的CMS界面更加容易。
当然，作为一家构建AI编码工具的公司，Cursor的非技术人员也具备一定的技术能力，而且，在该提供商放弃CMS后不久，供应商就发布了一款MCP服务器，旨在让智能体无需进行如此大幅度的变更即可创建、更新和管理网站，但这体现了AI智能体对传统软件使用方式可能产生的影响。
超越MCP
Biilmann基于以下四个原则提出了良好的AX标准：智能体能否以正确的权限访问系统;大语言模型(LLM)能否获取有效使用系统所需的正确上下文，像API、软件开发工具包(SDK)或命令行界面这样的工具是否构建得便于智能体作为接口来使用，系统是否便于触发和协调偏好的智能体。
他说：“一个全新的上下文工程领域正在兴起，涉及MCP、技能、上下文文件以及调整工具响应，以确保智能体在使用你的产品时拥有正确的上下文。”他补充说，在Netlify命令行界面(CLI)命令的错误信息中添加一行输出，就从根本上改变了AX，从无法使用该工具转变为能够一次性部署。
但仅仅打造一个封装API的MCP是不够的。“应将MCP视为智能体的用户界面(UI)，为其提供正确的上下文，以便它不仅能进行API调用，还能通过你的API高效完成任务。”他说，“为其提供上下文、结构以及API端点的典型使用方式。”
AI基础设施公司Jentic的CEO Sean Blanchfield也认同AI需要上下文，而非更多的集成“粘合剂”。他说：“如果你为大语言模型提供设计良好的API的清晰文档，它就已经能够直接与之交互，这使得高质量的API管理成为企业AI能力的真正基础。在OpenAPI、网关、身份验证和治理方面的现有投资，将带来丰厚的AI回报。”
智能体还需要符合其规格的API，而许多API并不符合，Jentic的免费AI就绪评分卡工具就是检查这一点的一种方法。
常见错误包括OpenAPI规范中的引用失效、模式错误，或API未指定托管服务器，且仅提供面向人类开发者的身份验证信息，而这些信息无法通过API获取。人类开发者或许能够费力地绕过这些问题，但智能体则会遇到困难。
APIContext SaaS平台的首席运营官David O’Neill表示，API规范本身并不包含操作顺序的概念，因此需要使用OpenAPI的Arazzo工作流标准来对其进行编码。他说：“突然之间，OpenAPI规范和Arazzo工作流变得至关重要，因为这些是MCP和智能体系统用来验证某事物是否可行的东西。”
Forrester的Betz将这类工作称为生成引擎优化，以帮助智能体获取有关服务的详细信息。
他补充说：“对API进行文档记录、对你的数据和信息进行稳健的业务定义、明确无误地了解这些数据和信息存储的位置以及哪个系统具有权威性，这些都是绝对关键的。数据架构师和企业架构师在过去20年里一直试图构建的所有这些东西，AI都需要它们来完成自己的工作。”
测试AX基本规则
Broadcom的技术人员Michael Coté表示，大多数企业将使用他们尚未准备好淘汰但也不想复制的旧代码和架构。“一定要仔细审查并标记出你认为行为良好的数据库和数据架构，以及你不喜欢但功能尚可的数据库和数据架构。”他说。
数据分析平台KNIME的IT总监Martin Heyder补充说，尽管其中一些属于基本的IT维护工作，但仍然至关重要，特别是当你自动化那些原本依赖员工手动从多个来源整理数据的工作流时，而这些数据以前无需保持最新或可用状态。他说：“如果库存、日志或文档不可靠，任何AI系统都只会自动化处理错误信息。”
此外，智能体通常会在初期暴露出隐性知识的存在位置，因此在代码中建立标准、执行代码审查以及为系统定义和文档维护单一参考，将为智能体提供一个易于操作的工作框架。
微软负责应用程序和智能体业务的企业副总裁Amanda Silver将此称为智能体章程，即一种用自然语言指定整个组织或代码库要求或共同期望的方式。她说：“你要确保智能体始终在其上下文中拥有这些信息。”
这可以更广泛地应用，并用作元提示，包括智能体在需要管理身份、创建人机交互界面或构建允许你观察智能体操作的事物时，应采取的具体行动方式。
上下文与连接
现有基础设施的身份、访问管理和权限设置至关重要。大多数企业可能都需要从盘点开始，以确保他们了解希望智能体与之交互的所有事物，并确保在必要时能够更新这些信息。
这可能意味着需要添加新的API，甚至替换那些核心逻辑与用户界面紧密耦合的遗留应用程序，因为这些应用程序难以供智能体使用，转而使用内置API或可组合的无头架构的SaaS。例如，IDC交流的近30%的组织正在研究如何对其整个软件组合进行现代化改造，以更好地利用AI和智能体。
Silver说：“智能体能够完成的最高ROI任务是后端工作流处理，你可能会使用MCP等协议向智能体暴露数据，但这并不意味着它们能够采取行动。想想你想要自动化的行动是什么，你可以将这些行动作为工具暴露给智能体，它们可以调用这些工具，不仅从意图转向规划，还转向实际执行和行动。”
如果你希望智能体能够有效解决故障，它们就需要访问一个API，以便它们能够向你整理事件详情的仪表板添加信息。工作流还需要包含智能体，以便它们能够订阅订单是否已发货或发票是否已产生争议等事件，并且它们需要能够触发相应的正确行动。
此外，策略可能以代码形式编排，而非书面记录，并提取到智能体可以访问的自然语言策略文档中。随着企业开始使用更多的智能体，Silver认为，他们不仅需要顺序编排来覆盖整个工作流，还需要对抗性评估，即工作流需要遵循多个策略，所有策略都试图实现特定结果。“为此，你可以实施带策略的多智能体编排，然后分散咨询多个专家智能体，这些专家智能体再做出判断，解决以自然语言编码的多个策略问题。”
智能体的财务运维(FinOps)
早期采用者已经发现，智能体可能会不遗余力地发出多个查询。“它们会不断尝试，会做任何事情。”Biilmann说，“它们不会停止，可能会压垮服务。”如果你无法重新设计API以返回提示(因为你并不拥有该API)，则可能需要实施配额或对查询进行优先级排序。
O’Neil说：“我认为，由于智能体在自我监管方面表现不佳，因此将需要为许多场景手动设置防护栏，它的设计目的是提供解决方案，而不是在无法提供解决方案时停止运行。”
Betz补充说，应强制实施幂等性、重试、配额和限制，以防止API消耗失控或重复。“智能体并非无限资源，如果它们得不到正确答案，就需要知道何时放弃尝试。”他说。
Silver说，治理的一部分在于了解哪些MCP向智能体暴露。“你可以撤销对它们的访问权限，管理令牌消耗，并实施对你和组织有意义的治理策略。”她说。
Biilmann说，因此，AX与UX类似，都是迭代性的，并且需要了解用户或智能体试图完成的任务。“你必须组建一个团队来进行研究，找出问题和机遇。”他说，这意味着要查看会话回放，识别失败的智能体行为，并构建响应和界面以使其成功。
随着智能体模型的改进，Netlify不再那么依赖添加指导智能体使用最新API的上下文文件，但这只是意味着它们成为了不断变化的目标。他说：“有一群新的智能体需要你不断与之合作并进行迭代。”
O’Neill说，已经在使用MCP的APIContext用户发现，交易数量、使用的API甚至特定服务都可能发生意外变化。他说：“MCP返回的服务已经改变，它正在尝试以不同的方式创建记录，但这已经行不通了，它不像网关那样，你可以定义一切。它更像是一个黑盒，为你提供一份你可以使用的工具列表。”
新的MCP服务器性能监控工具允许你检查并设置警报，并根据性能阈值、规范、网络功能或数据主权的数据传输规则创建治理规则，智能体要求人们比以往更加关注API管理。O’Neill补充说：“这将迫使人们认真对待API治理。”
Betz说，此外，除了治理工具、监控和可观测性之外，还要依赖你的API网关。“智能体是一种恰好涉及大语言模型的服务，也许还有一些思维链、意图管理和目标寻求行为。”“但它仍然只是软件。”
这意味着你的日志基础设施将承受压力，他说：“如果你全面接受智能体，并跟踪所有智能体，这种流量将以某种不可确定的方式反弹，最终，衡量智能体是否成功，既要关注结果，也要关注可观测性。”Silver说，“随着时间的推移，你将需要评估智能体是否确实执行了你希望它执行的操作，包括不偏离正轨。”
微软已经在利用智能体进行站点可靠性工程，以降低响应现场事件的成本并缩短修复时间。她说：“要做到这一点，你需要有可标记、带时间戳、可追溯的数据供你查看。你还需要丰富的结构化信号，以及从结果角度来看，对何为好坏有清晰的认识。”
