在当今数字化浪潮席卷全球的时代，电信行业正经历前所未有的变革。随着人工智能技术的迅猛发展，网络运营商纷纷寻求将AI能力融入运营支撑系统(OSS)的途径。然而，正如市场研究公司Omdia所指出的，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，这不仅可能导致重复建设的风险，更可能使运营商错失采用更统一整合方法的机会。
电信AI市场的现状与挑战
James Crawshaw，Omdia业务负责人，在今年6月TM Forum的DTW活动期间明确指出，在Agentic AI炒作盛行的这一年里，电信行业面临着严重的碎片化问题。市场涌现出大量针对特定场景的AI解决方案，这些解决方案往往缺乏整体规划，难以协同工作。
Blue Planet作为Ciena旗下的重要部门，敏锐地捕捉到了这一行业痛点。他们认为，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的潜力。与此同时，来自公有云提供商的通用AI平台虽然功能强大，但通常无法理解电信网络的运营复杂性和特定需求。
这种两难境地促使Blue Planet思考：如何才能为电信运营商提供一个既专业又灵活的AI解决方案？答案便是他们专为电信网络构建的Agentic AI框架。
Blue Planet Agentic AI框架的核心价值
Blue Planet提出的Agentic AI框架并非简单地将AI技术应用于电信领域，而是从根本上重新思考了AI与OSS的结合方式。这一框架的核心价值在于其三大特性：智能体基于意图行动、应用上下文理解、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，这为其AI能力提供了坚实的基础。更重要的是，该框架并非空中楼阁，而是构建于Blue Planet的AI Studio之上，这一AI Studio已于2024年商用发布，经过了充分的实践检验。
"我们的框架不仅仅是技术上的创新，更是理念上的突破，"Blue Planet的一位技术主管表示，"我们致力于帮助运营商构建真正理解电信网络特性的AI系统，而非简单地将通用AI技术强行应用于特定场景。"
AI Studio：电信AI的强大引擎
AI Studio作为Blue Planet Agentic AI框架的核心组件，为整个系统提供了强大的技术支撑。这一平台专为电信行业设计，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。
AI Studio的核心功能
AI Studio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。其核心功能包括：
- 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
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。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应的工具和功能。
技术集成与创新
AI Studio并非封闭系统，而是积极集成行业领先的开源框架和技术，以简化采用和集成过程。主要集成包括：
- Apache Airflow：一个用于数据工程流水线的开源工作流管理平台
- 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
- 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
这些集成不仅丰富了AI Studio的功能，也为电信运营商提供了更大的灵活性和可扩展性。运营商可以根据自身需求选择合适的技术组件，构建符合特定业务场景的AI解决方案。
从AI Studio到Agentic框架的演进
Blue Planet的AI Studio正在不断演进，向更高级的Agentic AI框架发展。这一演进过程代表了电信AI技术的重要发展方向，也为行业提供了宝贵的参考。
框架架构解析
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。
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。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。同时，网关允许用户集成其偏好选用的大语言模型。
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工具和资源。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，大大扩展了其应用范围。
Agentic工具生态系统
Agentic框架包含两大类工具：
- OSS知识图谱：包含服务、设备、多层拓扑、SLA、警报、策略等电信网络的关键信息
- OSS API操作：与库存、保障、编排等应用交互的API接口
这些工具为智能体提供了丰富的知识和操作能力，使其能够理解和处理复杂的电信网络场景。
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，并在多个实际场景中展现了其价值。这些场景包括：
网络切片自动化
5G时代的网络切片技术要求网络资源能够灵活分配和管理。Agentic AI框架能够根据业务需求自动创建、配置和管理网络切片，大大提高了网络资源的利用效率和服务质量。
库存中的网络设备建模
电信网络包含大量复杂的网络设备，这些设备的建模和管理是一项艰巨的任务。Agentic AI框架能够自动识别、分类和建模网络设备，减轻了人工操作的负担，提高了数据的准确性和及时性。
意图理解
传统的网络管理通常需要工程师将业务需求转化为具体的技术指令。Agentic AI框架能够直接理解业务人员的自然语言意图，自动转化为相应的网络配置和操作，大大简化了网络管理流程。
模板生成
网络配置和服务开通通常需要大量的模板和脚本。Agentic AI框架能够根据业务需求自动生成相应的配置模板和脚本，提高了工作效率，减少了人为错误。
服务保障
网络故障的快速定位和修复是保障服务质量的关键。Agentic AI框架能够实时监控网络状态，自动检测异常，并快速定位故障原因，甚至自动修复常见问题，大大提高了网络的可用性和可靠性。
行业影响与未来展望
Blue Planet的Agentic AI框架对电信行业的影响将是深远而广泛的。首先，它为电信运营商提供了一条清晰的AI转型路径，避免了在碎片化解决方案上的重复投资。其次，它通过统一的数据模型和API，促进了不同系统之间的协同工作，提高了整体运营效率。
随着技术的不断成熟，Agentic AI框架有望在更多领域发挥重要作用。例如，在网络规划方面，智能体可以基于历史数据和业务预测，自动生成最优的网络规划方案；在网络优化方面，智能体可以持续分析网络性能数据，自动调整网络参数，提升网络效率。
结论
Blue Planet的Agentic AI框架代表了电信行业OSS转型的重要方向。它不仅解决了当前市场上AI策略与传统OSS生硬结合的问题，还通过专为电信网络设计的架构和功能，为运营商提供了真正有价值的AI能力。
随着5G和6G时代的到来，电信网络的复杂性和规模将不断增加，传统的管理方式已难以应对。Agentic AI框架的出现，为电信运营商提供了应对这一挑战的有力工具。通过这一框架，运营商可以实现网络的自动化、智能化管理，提高运营效率，降低成本，为用户提供更优质的服务。
未来，随着技术的不断发展和应用场景的拓展，Agentic AI框架有望在电信行业发挥更加重要的作用，推动整个行业向更加智能、高效的方向发展。
