在人工智能技术迅猛发展的今天，电信行业正经历一场前所未有的变革。市场研究公司Omdia的报告显示，在2024年6月TM Forum的DTW活动期间，Blue Planet（Ciena的一个部门）对其Agentic AI框架的展示成为行业焦点。这一创新解决方案不仅展示了AI技术在电信网络管理中的巨大潜力，也为运营商应对当前面临的挑战提供了全新思路。
电信运营商面临的AI困境
Omdia业务负责人James Crawshaw指出，在Agentic AI炒作盛行的这一年里，电信运营商正面临来自网络供应商和OSS供应商提供的单点式Agentic AI解决方案的冲击。这种碎片化的解决方案可能导致重复建设的风险，并使运营商错失采用更统一整合方法的机会。
当前市场现状呈现出两极分化的趋势：一方面，许多供应商的产品仅仅是"将AI策略生硬地附加在传统OSS之上"，缺乏对电信网络特殊性的深入理解；另一方面，来自公有云提供商的通用AI平台通常无法理解电信网络的运营复杂性，难以满足行业特定需求。
Blue Planet认为，电信网络作为高度复杂且要求严格的环境，需要专门设计的AI解决方案来应对其独特挑战。传统OSS系统与AI技术的简单叠加无法充分发挥AI的潜力，而通用AI平台又缺乏对电信网络特殊性的理解。因此，一个专为电信网络构建的Agentic AI框架成为行业迫切需求。
Blue Planet Agentic AI框架的核心优势
Blue Planet提出的Agentic AI框架专为电信网络构建，其核心优势在于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。这一框架的关键创新点在于它是在清晰且组织良好的数据模型和API之上实现的，确保了系统的可扩展性和互操作性。
该框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布。尽管AI Studio主要旨在与Blue Planet的OSS应用产品组合协同工作，但部分客户已将其视为一个通用的OSS Agentic框架。AI本身已包含大量关于电信网络的领域知识，可为运营商构建自有OSS AI平台节省大量时间。
Blue Planet已开始与现有客户测试其Agentic AI框架，以支持多种关键用例，包括网络切片自动化、库存中的网络设备建模、意图理解、模板生成及服务保障等。这些用例覆盖了电信网络管理的多个关键环节，展示了该框架的广泛适用性。
AI Studio：电信AI的强大基础
Blue Planet的AI Studio为整个Agentic AI框架提供了坚实基础，它为Blue Planet及第三方AI模型提供API管理、流水线控制和性能跟踪功能。这一平台处理模型管理事务，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。
AI Studio能够与Blue Planet的云原生平台及其包含库存、编排和保障在内的OSS应用产品实现无缝集成，为电信运营商提供了一体化的AI解决方案。这种深度集成确保了AI能力能够与现有OSS系统完美配合，无需大规模系统重构。
AI Studio的核心功能
AI Studio提供了全面的AI模型管理能力，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
AI Studio还提供详细的仪表板，用于配置和管理AI应用，集中呈现所有AI活动。这一平台经过专门设计，以满足数据科学家、开发人员和系统管理员的需求，并为每个角色提供相关的工具和功能，大大降低了AI技术的使用门槛。
技术架构：整合行业领先的开源框架
AI Studio的成功很大程度上得益于其集成的行业领先的开源框架和技术，这些技术简化了AI解决方案的采用和集成过程。主要集成的技术包括：
- Apache Airflow：一个用于数据工程流水线的开源工作流管理平台，支持复杂的AI工作流编排
- LangChain：一个开源框架，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：一个用于构建AI应用程序和模型的开源开发者平台，提供完整的ML生命周期管理
- Redis：一个开源的内存键值数据库，用作分布式缓存和消息代理，提高AI应用的性能
这些开源技术的整合不仅降低了开发复杂度，还确保了解决方案的可扩展性和互操作性，使电信运营商能够基于成熟技术构建自己的AI能力。
从AI Studio到Agentic框架的演进
如图1所示，AI Studio正在演进为更强大的Agentic AI框架。这一演进代表了电信AI技术从单一AI模型向多智能体协作系统的转变，能够处理更复杂的网络管理任务。
Agentic框架的核心组件
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。
从2026年起，通信服务提供商（CSP）将能够使用此开发环境构建自己的AI智能体。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。网关允许用户集成其偏好选用的大语言模型，提供了极大的灵活性。
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能够理解并正确使用各种网络工具和服务。此外，Agentic框架还能与其他符合MCP标准的外部服务进行互操作，为未来扩展提供了可能性。
Agentic工具生态
Agentic框架包含多种专用工具，主要包括：
- OSS知识图谱：包含服务、设备、多层拓扑、SLA、警报、策略等电信网络关键信息
- OSS API操作：与库存、保障、编排等应用交互的标准化接口
这些工具为智能体提供了丰富的上下文信息和操作能力，使其能够在复杂的电信网络环境中做出明智决策。
实际应用场景与价值
Blue Planet的Agentic AI框架已经在多个实际场景中展现出其价值。通过与现有客户的测试，该框架已成功应用于以下关键领域：
网络切片自动化
网络切片是5G及未来网络的核心技术，允许运营商在同一物理基础设施上创建多个虚拟网络。Agentic AI框架能够自动识别网络资源需求，动态配置切片参数，并持续监控切片性能，大大简化了网络切片的生命周期管理。
网络设备建模
电信网络包含大量复杂设备，传统建模方法耗时且容易出错。Agentic AI框架能够自动分析设备信息，构建精确的设备模型，并随着网络变化自动更新，为网络规划和优化提供准确的数据基础。
意图理解
将业务需求转化为技术实现是电信网络管理的核心挑战。Agentic AI框架能够理解自然语言表达的业务意图，自动转化为相应的网络配置和操作，显著提高了网络变更的效率和准确性。
模板生成
标准化是提高网络运营效率的关键。Agentic AI框架能够基于历史数据和最佳实践，自动生成各种网络配置和服务模板，加速新服务的部署和现有服务的优化。
服务保障
快速识别和解决网络问题是保障服务质量的关键。Agentic AI框架能够实时分析网络性能数据，预测潜在问题，并自动执行修复措施，将故障影响降至最低。
行业影响与未来展望
Blue Planet的Agentic AI框架代表了电信网络管理的新范式，其影响将深远而持久。首先，它为电信运营商提供了一条从传统OSS向AI驱动的网络管理演进的清晰路径，避免了重复建设和系统孤岛问题。
其次，该框架通过整合行业领先的开源技术和专有电信知识，降低了AI技术的使用门槛，使更多运营商能够享受到AI带来的好处。这种开放性与专业性的结合，有望成为电信AI解决方案的主流模式。
未来，随着Agentic框架的进一步发展，我们可以预见以下趋势：
- 智能体协作的深化：更多专业智能体将加入框架，形成更强大的协作网络，处理更复杂的网络管理任务
- 自主学习能力的增强：智能体将具备更强的自主学习能力，能够从网络运行数据中不断优化自身性能
- 跨域整合的实现：Agentic框架将打破网络管理、业务支撑和客户服务之间的界限，实现端到端的智能化
- 开放生态的形成：更多第三方开发者将加入Agentic生态，丰富智能体库和应用场景
结论
Blue Planet的Agentic AI框架为电信行业提供了一个创新、高效且可扩展的AI解决方案。它不仅解决了当前运营商面临的单点式AI方案问题，还为未来电信网络的智能化发展奠定了坚实基础。
随着AI技术在电信行业的深入应用，像Blue Planet这样的专业解决方案将越来越重要。它们不仅能够帮助运营商应对当前挑战，还能够释放AI技术的全部潜力，推动电信网络向更智能、更高效、更可靠的方向发展。
在数字化转型的大潮中，电信运营商需要拥抱这些创新技术，将其作为核心竞争力的重要组成部分。Blue Planet的Agentic AI框架无疑为这一旅程提供了一个强有力的起点，引领电信行业进入AI驱动的网络管理新时代。
