在当今数字化浪潮席卷全球的时代，人工智能(AI)技术正以前所未有的速度重塑各行各业。电信行业作为数字经济的基石，其网络运营和管理模式也正经历着深刻变革。随着Agentic AI概念的兴起，电信运营商面临着来自网络供应商和OSS(运营支撑系统)供应商提供的单点式解决方案的冲击，这不仅可能导致重复建设的风险，更可能错失采用更统一整合方法的机会。在这一背景下，Blue Planet(Ciena的一个部门)推出的专为电信网络构建的Agentic AI框架，为行业带来了全新的思考方向。
Agentic AI：电信行业的新挑战
市场研究公司Omdia的业务负责人James Crawshaw指出，在Agentic AI炒作盛行的这一年里，电信运营商正面临前所未有的挑战。一方面，市场上涌现出大量单点式Agentic AI解决方案，这些解决方案往往缺乏统一规划，可能导致资源浪费和系统碎片化；另一方面，公有云提供商提供的通用AI平台又难以充分理解电信网络的复杂性和特殊性。
Blue Planet认为，目前市场上的许多产品仅仅是"将AI策略生硬地附加在传统OSS之上"，这种做法无法充分发挥AI技术在电信网络运营中的潜力。而通用AI平台则往往缺乏对电信网络运营复杂性的深入理解，难以满足行业特定需求。
这种两难处境促使Blue Planet开发了一套专为电信网络设计的Agentic AI框架，该框架支持智能体基于意图行动、应用上下文，并在整个网络范围内采取协调行动。这一创新框架的推出，标志着电信行业AI应用进入了一个新的发展阶段。
Blue Planet Agentic AI框架的核心优势
Blue Planet提出的Agentic AI框架与传统解决方案有着本质区别。其核心优势在于构建于清晰且组织良好的数据模型和API之上，实现了智能体间的有效协作和整体优化。这一框架不仅解决了传统OSS与AI结合的生硬问题，也弥补了通用AI平台对电信行业理解不足的缺陷。
意图驱动的智能体网络
与传统AI系统不同，Blue Planet的Agentic AI框架采用意图驱动的工作模式。智能体能够理解网络运营的目标和意图，而不仅仅是执行预设的指令。这种设计使得系统能够更好地适应复杂多变的网络环境，提高运营效率和响应速度。
全局协调的网络优化
该框架的另一个显著特点是实现了网络范围内的协调行动。各个智能体不再是孤立运作，而是能够共享信息、协同工作，共同实现网络整体优化。这种全局协调能力对于处理复杂的网络问题和实现精细化管理至关重要。
领域知识的专业积累
Blue Planet的Agentic AI框架构建于其深厚的电信行业知识积累之上。框架中包含了大量关于电信网络的领域知识，这些知识来源于Blue Planet多年来的行业实践和客户合作。这种专业积累使得系统能够更好地理解电信网络的特殊需求，提供更加精准的解决方案。
AI Studio：Agentic AI框架的技术基石
Blue Planet的AI Studio是其Agentic AI框架的技术基础，这一平台于2024年商用发布，为电信运营商提供了强大的AI开发和部署能力。尽管AI Studio主要旨在与Blue Planet的OSS应用产品组合协同工作，但部分客户已开始将其视为一个通用的OSS Agentic框架。
AI Studio的核心功能
AI Studio为Blue Planet及第三方AI模型提供全面的API管理、流水线控制和性能跟踪功能。它处理模型管理事务，使电信数字架构师和数据科学团队能够轻松导入、部署和维护AI解决方案。具体功能包括：
- 导入、部署、更新和停用AI模型
- 配置模型属性
- 实例化、启动、停止和调度模型执行
- 监控模型性能
- 查看、编辑、版本化、回滚和调试模型代码
- 调用Blue Planet及外部API
专业的用户界面与工具集
AI Studio提供详细的仪表板，用于配置和管理AI应用，集中呈现所有AI活动。它经过专门设计，以满足不同角色的需求：
- 数据科学家：提供模型开发、训练和评估工具
- 开发人员：提供API集成、代码管理和部署工具
- 系统管理员：提供监控、性能优化和系统管理工具
这种角色导向的设计使得不同背景的团队成员都能在AI Studio中找到适合自己的工作环境，提高了团队协作效率。
开源框架的集成
AI Studio集成了行业领先的开源框架和技术，以简化采用和集成过程。这些集成包括：
- Apache Airflow：用于数据工程流水线的开源工作流管理平台
- LangChain：帮助开发者构建强大的应用程序，将大语言模型(LLM)与外部工具、API、数据源和用户工作流集成
- MLflow：用于构建AI应用程序和模型的开源开发者平台
- Redis：开源的内存键值数据库，用作分布式缓存和消息代理
这些开源框架的集成不仅降低了技术门槛，也为客户提供了更大的灵活性和可扩展性。
从AI Studio到Agentic AI框架的演进
AI Studio正在不断演进，发展为更加成熟的Agentic AI框架。这一演进过程体现了Blue Planet对电信行业AI应用的深刻理解和前瞻性思考。
框架架构的演进
如图1所示，演进后的Agentic AI框架通过API与Blue Planet的OSS应用产品组合交互，并可通过智能体间(A2A)协议与第三方智能体进行交互。其核心是一个用于构建智能体的开发环境，这一环境支持"自带AI"许可模式，使授权用户能够导入、部署、配置和管理第三方AI/ML模型。
智能体目录与编排引擎
Agentic AI框架维护着一个智能体目录，通过编排引擎可调用多个智能体以实现复杂任务。这种设计使得系统能够灵活应对各种网络运营场景，提高问题解决效率。从2026年起，通信服务提供商(CSP)将能够使用这一开发环境构建自己的AI智能体，进一步增强了平台的灵活性和可扩展性。
模型上下文协议(MCP)
Agentic核心通过模型上下文协议(MCP)与工具进行通信，这一协议确保了智能体与工具之间的高效互动。同时，框架还能与其他符合MCP标准的外部服务进行互操作，为企业提供了更加开放的生态系统。
Agentic工具集
Agentic工具包括OSS知识图谱(包含服务、设备、多层拓扑、SLA、警报、策略等信息)和OSS API操作(与库存、保障、编排等应用交互)。这些工具为智能体提供了丰富的能力支持，使其能够更好地理解和操作电信网络。
实际应用场景与价值
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种电信网络运营场景。这些实际应用案例充分展示了该框架的价值和潜力。
网络切片自动化
5G网络切片是电信行业的重要创新，但网络切片的自动化配置和管理一直是个挑战。Blue Planet的Agentic AI框架能够智能理解网络切片需求，自动完成资源分配、配置和优化，大大提高了网络切片的部署效率和管理便捷性。
网络设备建模
电信网络中设备种类繁多、型号复杂，传统的设备建模方式耗时耗力。Agentic AI框架能够自动识别网络设备，提取关键参数，生成准确的设备模型，大大简化了网络设备管理工作。
意图理解与执行
传统的网络管理往往依赖专业人员的经验和判断，效率低下且容易出错。Agentic AI框架能够自然理解业务人员的意图，将其转化为具体的网络操作指令，并自动执行，大大提高了网络运营的智能化水平。
模板生成与优化
网络配置和服务的标准化是提高运营效率的关键。Agentic AI框架能够根据历史数据和最佳实践，自动生成和优化各类网络配置模板，确保配置的一致性和最佳性能。
服务保障
电信服务的质量保障是运营商的核心竞争力。Agantic AI框架能够实时监控网络状态，主动发现潜在问题，预测服务风险，并采取相应的保障措施，提高服务的可靠性和用户体验。
行业影响与未来展望
Blue Planet的Agentic AI框架不仅为电信运营商提供了强大的技术支持，也对整个行业的发展产生了深远影响。
解决行业痛点
当前电信行业面临的最大挑战之一是如何有效整合AI技术与传统网络运营。Blue Planet的框架提供了一个可行的解决方案，它既保留了传统OSS的专业性，又融入了AI的智能性，实现了两者的有机融合。
推动行业标准化
Agentic AI框架的推出有助于推动电信行业AI应用的标准化。通过提供统一的开发环境和工具集，Blue Planet为行业建立了一套可参考的实践标准，促进了技术的规范发展和应用。
加速数字化转型
电信行业的数字化转型离不开AI技术的支持。Blue Planet的Agentic AI框架为运营商提供了加速数字化转型的工具，帮助他们更好地应对数字化时代的挑战和机遇。
未来发展方向
展望未来，Blue Planet的Agentic AI框架将继续演进，朝着更加智能化、自主化的方向发展。随着技术的不断进步，框架将能够处理更加复杂的网络场景，提供更加精准的决策支持，为电信行业的创新发展注入新的动力。
结论
在AI技术飞速发展的今天，电信行业正迎来前所未有的变革机遇。Blue Planet推出的Agentic AI框架，通过其独特的设计理念和强大的技术能力，为电信运营商提供了一个理想的AI解决方案。它不仅解决了传统OSS与AI结合的生硬问题，也弥补了通用AI平台对电信行业理解不足的缺陷，为电信行业的AI应用开辟了新的道路。
随着这一框架的不断发展和完善，我们有理由相信，它将帮助电信运营商构建更加智能、高效、可靠的网络运营体系，推动整个行业向更高水平发展。在数字化转型的浪潮中，像Blue Planet这样的创新企业将继续发挥引领作用，为电信行业的未来发展注入新的活力和可能性。
