在当今人工智能技术迅猛发展的浪潮中，电信行业正经历着前所未有的变革。市场研究公司Omdia的报告指出，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。这一创新不仅标志着电信网络管理的新方向，更可能为整个行业带来范式转变。
当前电信AI应用的困境与挑战
Omdia业务负责人James Crawshaw强调，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。这种碎片化的发展趋势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。
Blue Planet的市场分析揭示了当前市场存在的两大主要问题：一方面，许多产品仅仅是"将AI策略生硬地附加在传统OSS之上"，缺乏深度整合与创新；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，难以满足行业的特定需求。
这种两难局面迫使行业寻求一种既能保留电信网络专业特性，又能充分发挥AI潜力的解决方案。Blue Planet提出的Agentic AI框架正是对这一挑战的回应。
Blue Planet Agentic AI框架的核心价值
Blue Planet提出的方案是一个专为电信网络构建的Agentic AI框架，其核心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。这一框架的关键优势在于它是在清晰且组织良好的数据模型和API之上实现的，而非简单的功能叠加。
该框架构建于Blue Planet的AI Studio之上，这一AI Studio于2024年商用发布，为整个Agentic生态系统提供了坚实基础。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，这充分体现了其灵活性和扩展性。
AI Studio本身已包含大量关于电信网络的领域知识，这为运营商构建自有OSS AI平台节省了大量时间和资源。Blue Planet已开始与现有客户测试其Agentic AI框架，以支持网络切片自动化、库存中的网络设备建模、意图理解、模板生成及服务保障等多种用例。
AI Studio：构建电信AI的强大基础
Blue Planet的AI Studio为整个Agentic AI框架提供了技术支撑，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。这一系统处理模型管理事务，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应用产品组合实现无缝集成，为运营商提供了一体化的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。
技术整合：开源框架的巧妙应用
Blue Planet的AI Studio并非闭门造车，而是积极整合行业领先的开源框架和技术，以简化采用和集成过程。这种开放策略不仅提高了系统的灵活性和可扩展性，也降低了运营商的采用门槛。
以下是AI Studio集成的关键开源技术：
Apache Airflow
这是一个用于数据工程流水线的开源工作流管理平台，为AI模型的部署和管理提供了强大的工作流支持。通过Airflow，运营商可以构建复杂的数据处理管道，确保AI模型的数据输入质量和处理效率。
LangChain
作为一个开源框架，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。在电信网络管理中，这一技术使得AI系统能够更好地理解复杂的网络指令和用户需求。
MLflow
这是一个用于构建AI应用程序和模型的开源开发者平台，提供了从实验跟踪到模型部署的全生命周期管理。MLflow的集成使电信运营商能够更有效地管理和优化其AI资产。
Redis
作为一个开源的内存键值数据库，Redis被用作分布式缓存和消息代理，为AI系统提供高性能的数据存储和检索能力，这对于处理大量实时网络数据至关重要。
从AI Studio到Agentic框架的演进
AI Studio正在不断演进，朝着更强大的Agentic AI框架方向发展。如图所示，这一框架通过API与Blue Planet的OSS应用产品组合交互，并通过智能体间（A2A）协议与第三方智能体进行交互。
这一演进的核心是一个用于构建智能体的开发环境。"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，为运营商提供了极大的灵活性。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，进一步降低对供应商的依赖。
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。网关功能允许用户集成其偏好选用的大语言模型，确保系统能够适应不同的AI技术需求。
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。这种设计确保了系统的开放性和可扩展性，为未来的技术演进预留了空间。
Agentic工具：连接AI与电信网络的关键
Agentic框架的成功依赖于其强大的工具集，这些工具使AI系统能够理解和操作电信网络。主要包括两类关键工具：
OSS知识图谱
这一工具包含服务、设备、多层拓扑、SLA、警报、策略等丰富的电信网络信息，为AI系统提供了全面的网络认知能力。知识图谱的构建使得AI能够理解网络元素之间的关系，从而做出更准确的决策。
OSS API操作
这些API与库存、保障、编排等应用交互，使AI系统能够直接操作和管理网络资源。通过这些API，Agentic智能体可以实现从网络配置到故障排除的广泛功能。
实际应用场景与价值实现
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，该框架已成功支持以下关键用例：
网络切片自动化
在5G和未来网络中，网络切片是实现差异化服务的关键。Agentic AI框架能够自动配置和管理网络切片，根据不同服务需求动态分配网络资源，大大提高了网络利用率和灵活性。
网络设备建模
通过智能化的设备建模，框架能够自动识别和分类网络设备，建立设备间的关联关系，为网络管理和优化提供准确的数据基础。
意图理解
将自然语言转换为可执行的网络指令是电信AI的一大挑战。Agentic框架通过先进的自然语言处理技术，能够准确理解用户意图，并将其转化为具体的网络操作。
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，减少人工配置的工作量，同时提高配置的一致性和准确性。
服务保障
通过实时监控网络性能和用户体验，Agentic智能体能够主动识别潜在问题，并采取预防性措施，显著提高服务质量和可靠性。
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方向，其影响将深远而持久。首先，它解决了当前市场上单点式AI解决方案带来的碎片化问题，为运营商提供了统一而强大的AI平台。
其次，通过专为电信网络设计的架构，该框架克服了通用AI平台无法理解网络复杂性的局限，实现了AI技术与电信专业知识的深度融合。
未来，随着Agentic框架的进一步发展和应用，我们可以预见以下趋势：
AI原生网络管理：从辅助工具转变为网络管理的核心驱动力，实现从被动响应到主动预测的转变。
跨域智能协同：不同网络域和业务域的智能体将实现更高效的协同，打破传统网络管理的孤岛。
自主网络优化：AI系统将具备更高的自主决策能力，能够在复杂网络环境中自动优化资源配置和服务质量。
生态开放扩展：通过标准化的A2A协议和MCP，更多第三方开发者将能够参与电信AI生态，共同推动行业创新。
结论：迈向智能电信网络的未来
Blue Planet的Agentic AI框架不仅是对现有技术的改进，更是对电信网络管理范式的重新定义。它通过将AI技术与电信专业知识深度融合，为运营商提供了一个强大而灵活的平台，使其能够在AI时代保持竞争优势。
随着这一框架的不断完善和推广，我们可以期待一个更加智能、高效和可靠的电信网络。在这个网络中，AI不再是简单的辅助工具，而是网络运营的核心驱动力，能够自主理解意图、协调资源、优化服务，为用户带来前所未有的体验。
对于电信运营商而言，采用这样的Agentic AI框架不仅是应对当前挑战的必要措施，更是面向未来、把握数字化转型机遇的关键一步。在这个AI重塑行业的新时代，唯有拥抱变革、持续创新，才能在激烈的竞争中立于不败之地。
