据InfoQ中文刊文,软件架构正经历一场范式转变:过去基于微服务和云原生的系统,无论多么复杂,其逻辑都是确定性的,工程师可以用确定的方式推理、测试和运维。而随着AI能力进入面向用户的功能,大量新设计的系统将引入非确定性的AI组件,IT系统的角色也随之从存储和处理数据,升级为在知识层面支撑业务、赋能终端用户。
文章梳理了智能体AI架构的几个核心要素。智能体系统已从单智能体演进到链式、图结构和多智能体系统;上下文管理从预设提示词发展为动态上下文、检索增强生成,进而形成独立的“上下文工程”实践,并出现了组织情景、语义、程序等长期记忆的记忆系统。通信层面则诞生了面向多智能体互操作的A2A协议,以及连接智能体与外部工具的MCP协议。企业集成方面,作者建议按领域驱动设计把智能体的交互范围限制在限界上下文内,以降低耦合。
这场转变的实际影响在于:传统架构治理和可观测性手段可能不再够用。评估智能体系统性能不能只看吞吐量、延迟和错误率,还需应对提示词注入、工具输出投毒等新型安全威胁。谷歌与MIT的一项多智能体扩展框架研究也表明,协调策略没有一刀切方案——金融推理适合中心化编排,网页导航则去中心化更优,团队只能通过实证反复试验。这意味着架构决策的依据正从确定性设计转向实验驱动。
不过,文章本身也承认了不确定性:基于AI的方案究竟会在多大程度上主导下一代软件系统,目前仍难判断,智能体AI虽非新概念但远未成熟。文中提到的渐进式上下文披露、记忆系统等实践尚在快速演化中,读者宜将其视为方向性参考,而非可直接照搬的成熟方案。
原文来源:InfoQ中文

Comments | NOTHING