在当今快速发展的电信行业中，人工智能技术正以前所未有的速度重塑网络运营模式。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供应商提供的各种单点式AI解决方案的冲击。这种碎片化的AI部署方式不仅可能导致重复建设，还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框架为电信行业带来了全新的解决方案。
Agentic AI在电信行业的现状与挑战
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多个供应商的单点式解决方案的冲击。这些解决方案往往缺乏统一的架构和数据模型，导致运营商在AI应用方面面临诸多挑战。
当前市场上的AI产品主要存在两种问题：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"，缺乏深度整合；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和特定需求。
这种碎片化的AI部署方式可能导致以下问题：
- 重复建设：各系统独立开发AI能力，导致资源浪费
- 数据孤岛：不同系统间数据难以共享和协同
- 维护复杂：多个AI系统增加了运维难度和成本
- 体验不一致：用户在不同系统中获得差异化的AI体验
Blue Planet Agentic AI框架的核心优势
Blue Planet提出的方案是一个专为电信网络构建的Agentic AI框架，它具有以下核心优势：
1. 专为电信网络设计
与通用AI平台不同，Blue Planet的Agentic AI框架深度理解电信网络的运营复杂性，能够针对电信行业的特定需求提供定制化解决方案。
2. 意图驱动的智能体
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。这种能力使得AI系统能够更好地理解运营商的业务目标，并自动调整网络行为以实现这些目标。
3. 统一的数据模型和API
该框架构建于清晰且组织良好的数据模型和API之上，确保了系统间的一致性和互操作性。这种统一的数据基础是有效实现AI协同的关键。
4. 构建于AI Studio之上
框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布，为电信运营商提供了成熟的AI开发和部署平台。
AI Studio：电信AI的统一管理平台
Blue Planet的AI Studio是一个功能强大的平台，为电信运营商提供了全面的AI管理能力。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，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的核心功能
AI Studio提供了一系列强大的功能，支持AI模型的全生命周期管理：
- 模型管理：导入、部署、更新和停用AI模型
- 配置管理：配置模型属性，满足特定业务需求
- 执行控制：实例化、启动、停止和调度模型执行
- 性能监控：实时监控模型性能，确保AI应用稳定运行
- 代码管理：查看、编辑、版本化、回滚和调试模型代码
- API集成：调用Blue Planet及外部API，扩展AI能力
AI Studio的架构设计
AI Studio经过专门设计，以满足不同角色的需求：
- 数据科学家：提供模型开发和训练工具
- 开发人员：提供API集成和部署工具
- 系统管理员：提供监控和管理工具
这种角色导向的设计确保了不同团队成员都能在AI Studio中找到适合自己工作流程的工具和功能。
开源框架集成
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：
- 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
Agentic AI框架的演进与应用
AI Studio正在演进为Agentic AI框架，这一演进代表了电信网络AI技术的最新发展方向。
框架架构
如图1所示，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。
"自带AI"许可模式
"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。
智能体生态系统
该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，为运营商提供了更大的灵活性。
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，并能与其他符合MCP标准的外部服务进行互操作。这种标准化的通信协议确保了不同AI系统间的互操作性。
Agentic工具
框架包含多种Agentic工具：
- 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
实际应用场景
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应用场景：
1. 网络切片自动化
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，大大提高了网络资源利用效率和服务交付速度。
2. 网络设备建模
框架能够自动识别和建模网络中的各种设备，维护准确的设备库存信息，为网络规划和管理提供数据支持。
3. 意图理解
通过深度理解业务意图，AI系统能够自动将高层业务需求转化为具体的网络配置和操作指令。
4. 模板生成
框架可以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，提高配置的一致性和效率。
5. 服务保障
通过AI驱动的服务保障，运营商能够实时监控服务质量，快速识别和解决问题，提高客户满意度。
行业影响与未来展望
Blue Planet的Agentic AI框架对电信行业产生了深远影响：
1. 加速电信网络智能化
通过统一的AI框架，运营商能够更快地实现网络智能化，提高运营效率和网络性能。
2. 降低AI应用门槛
AI Studio提供的工具和平台大大降低了电信运营商应用AI技术的门槛，使更多运营商能够享受到AI带来的好处。
3. 促进生态系统发展
通过开放API和标准化的通信协议，Agentic AI框架促进了电信AI生态系统的发展，鼓励更多参与者加入。
4. 推动行业标准化
框架采用的模型上下文协议(MCP)等标准有助于推动电信AI行业的标准化进程，促进不同系统间的互操作性。
结论
Blue Planet的Agentic AI框架代表了电信网络AI技术的最新发展方向。它通过统一的架构、专门针对电信网络的设计以及强大的AI管理平台，为运营商提供了构建下一代智能网络的解决方案。随着这一框架的不断完善和推广，我们有理由相信，电信行业将迎来一个更加智能、高效和自动化的新时代。
在未来的发展中，随着"自带AI"许可模式的推广和2026年CSP开始构建自己的AI智能体，Agentic AI框架将进一步扩展其能力和应用范围，为电信行业的数字化转型提供更强大的支持。同时，随着开源框架和技术的不断集成，这一框架也将保持与时俱进，持续为电信运营商提供最先进的AI能力。
