在人工智能技术迅猛发展的今天，电信行业正经历着前所未有的智能化转型。市场研究公司Omdia的报告显示，2023-2024年间，电信运营商面临着来自网络供应商和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AI部署模式不仅可能导致重复建设风险，更可能使运营商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Agentic AI框架为电信行业提供了全新的智能化解决方案。
市场现状与挑战
James Crawshaw，Omdia业务负责人，指出在Agentic AI炒作盛行的这一年里，电信行业正面临一个关键抉择：是接受市场上零散的AI解决方案，还是寻求一个更加统一、整合的AI框架。
当前市场上的电信AI解决方案主要呈现两种极端：一方面，许多传统OSS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AI技术的深度理解和有效整合；另一方面，来自公有云提供商的通用AI平台虽然功能强大，却往往无法理解电信网络特有的运营复杂性和专业需求。
这种两极分化导致电信运营商在选择AI解决方案时陷入困境：要么接受功能有限但专一的传统OSS附加AI方案，要么采用功能全面但缺乏行业针对性的通用AI平台。无论哪种选择，都难以满足电信网络运营对AI技术的全方位需求。
Blue Planet的解决方案：专为电信设计的Agentic AI框架
面对这一行业挑战，Blue Planet提出了一套创新的解决方案——专为电信网络构建的Agentic AI框架。这一框架的核心特点是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。与市场上其他解决方案不同，Blue Planet的框架构建于清晰且组织良好的数据模型和API之上，确保了系统的高效运行和可扩展性。
该框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布，为Agentic AI框架提供了坚实的技术基础。虽然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，这充分证明了其设计的灵活性和实用性。
Blue Planet的AI框架内置了大量关于电信网络的领域知识，这一特性对于运营商而言极具价值。通过利用这些预置的专业知识，运营商可以显著节省构建自有OSS AI平台的时间成本，同时确保系统高度符合电信行业的特殊需求。
技术架构与核心功能
AI Studio：AI模型的全生命周期管理
Blue Planet的AI Studio为AI模型提供了全生命周期的管理功能，包括API管理、流水线控制和性能跟踪等。这一系统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，大大简化了AI技术在电信网络中的应用复杂度。
AI Studio的核心功能包括：
- 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
图：Blue Planet AI Studio的管理界面，展示了AI模型的全面管理功能
AI Studio提供了详细的仪表板，用于配置和管理AI应用，集中呈现所有AI活动。这一系统经过专门设计，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应的工具和功能，确保了不同专业背景的团队成员都能高效协作。
开源技术集成：简化AI开发流程
为了降低技术门槛并提高系统的灵活性，AI Studio集成了多个行业领先的开源框架和技术：
- Apache Airflow：一个用于数据工程流水线的开源工作流管理平台，帮助构建复杂的AI数据处理流程
- 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，简化了模型实验和部署
- 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系统的响应速度
这些开源技术的集成不仅简化了AI开发流程，还确保了系统与现有技术生态的兼容性，为运营商提供了更大的技术选择空间。
向Agentic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。如图1所示，这一演进通过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。
图：Blue Planet AI Studio向Agentic AI框架的演进路径
智能体开发环境
Agentic框架的核心是一个用于构建智能体的开发环境。这一环境采用了"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)将能够使用这一开发环境构建自己的AI智能体，极大地增强了运营商的自主创新能力。
智能体目录与编排引擎
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。这一设计允许运营商根据具体需求灵活组合不同功能的智能体，构建满足特定业务场景的AI解决方案。网关功能则允许用户集成其偏好选用的大语言模型，进一步增强了系统的灵活性和适应性。
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，并能够与其他符合MCP标准的外部服务进行互操作。这一标准化协议确保了不同AI组件之间的无缝协作，为构建复杂的AI生态系统奠定了基础。
Agentic工具集
框架提供了丰富的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
- 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与电信网络深度交互的能力，确保AI系统能够真正理解和操作复杂的电信网络环境。
应用场景与实际价值
Blue Planet已开始与现有客户测试其Agentic AI框架，并在多个实际应用场景中验证了其价值：
网络切片自动化
5G网络切片是电信网络的重要特性，通过Agentic AI框架，运营商可以实现网络切片的自动化创建、配置和管理。智能体能够根据业务需求自动调整网络资源分配，确保不同切片的服务质量，同时提高网络资源利用效率。
库存中的网络设备建模
电信网络设备种类繁多、更新频繁，传统的设备建模方式耗时耗力。Agentic AI框架能够自动识别、分类和建模网络设备，大幅减少人工干预，提高网络设备的可视化管理水平。
意图理解
通过深度学习技术，框架能够准确理解和解析业务人员的自然语言指令，将其转化为具体的网络操作。这一功能大大降低了网络管理的专业门槛，使非技术人员也能参与网络管理。
模板生成
针对常见的网络配置和服务部署任务，框架能够自动生成标准化模板，确保配置的一致性和可靠性，同时减少配置错误的风险。
服务保障
Agentic AI框架能够实时监控网络状态，主动识别潜在问题，并自动采取预防措施或故障修复行动，显著提高服务可用性和用户体验。
行业影响与未来展望
Blue Planet的Agentic AI框架代表了电信行业AI应用的新方向，其影响将深远而广泛：
统一AI平台
通过提供统一的AI框架，Blue Planet帮助运营商避免了重复建设风险，实现了AI资源的集中管理和高效利用。这种统一平台模式将成为未来电信行业AI应用的主流趋势。
加速AI创新
框架的开特性和灵活性鼓励运营商和开发者基于平台进行创新，催生更多针对电信场景的AI应用，推动整个行业的数字化转型进程。
降低AI应用门槛
通过内置电信领域知识和提供易用的开发环境，Blue Planet的框架显著降低了AI技术在电信领域的应用门槛，使更多运营商能够快速受益于AI技术。
标准化协作
MCP等标准化协议的采用促进了不同AI组件和服务之间的协作，为构建开放、互联的电信AI生态系统奠定了基础。
结论
Blue Planet的Agentic AI框架为电信行业提供了一个全新的智能化解决方案，它不仅解决了市场上单点式AI方案的局限性，还通过统一、整合的方法实现了网络运营效率的显著提升。随着AI技术的不断发展和应用场景的持续扩展，这一框架有望成为电信运营商数字化转型的重要推动力。
在未来的竞争中，能够有效整合AI技术与电信业务需求的运营商将占据明显优势。Blue Planet的Agentic AI框架为运营商提供了实现这一目标的技术路径，帮助他们在AI驱动的电信新时代中保持领先地位。随着2026年运营商自主构建AI智能体能力的开放，这一框架将释放更大的创新潜力，推动电信行业向更加智能、高效的方向发展。
