在AI技术迅猛发展的今天，电信行业正经历一场深刻的变革。随着Agentic AI概念的兴起，网络供应商和OSS供应商纷纷推出各自的解决方案，然而，这种单点式的AI部署方式正带来重复建设的风险，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）推出的专为电信网络构建的Agentic AI框架，为行业提供了一种全新的思路。
电信行业AI应用的现状与挑战
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提供的单点式解决方案的冲击。这种碎片化的AI部署方式不仅可能导致资源浪费，还难以实现真正的网络智能化。
当前，电信行业在AI应用方面主要面临两大挑战：一方面，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"，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，难以满足行业特定需求。
Blue Planet认为，解决这些问题的关键在于构建一个专为电信网络设计的Agentic AI框架，该框架能够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。
Blue Planet Agentic AI框架的核心优势
Blue Planet提出的Agentic AI框架具有多项创新特性，使其在众多解决方案中脱颖而出。首先，该框架构建于清晰且组织良好的数据模型和API之上，确保了系统的稳定性和可扩展性。其次，它不仅支持单个智能体的独立运作，还能实现多个智能体之间的协同工作，从而完成复杂的网络任务。
该框架的核心在于其"基于意图"的设计理念。与传统的规则驱动或数据驱动方法不同，基于意图的AI系统能够理解网络运营的最终目标，并自主规划实现路径，大大提高了网络管理的智能化水平。
AI Studio：构建电信AI的基础平台
Blue Planet的AI Studio是其Agentic AI框架的基础平台，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 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。通过AI Studio，运营商可以快速部署AI应用，而无需从零开始构建基础设施和知识库。
AI Studio的核心功能
AI Studio为Blue Planet及第三方AI模型提供全面的API管理、流水线控制和性能跟踪功能。具体而言，它能够：
- 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。这一设计充分考虑了不同角色的需求，为数据科学家、开发人员和系统管理员提供了针对性的工具和功能。
开源框架与技术的集成
为了简化采用和集成过程，AI Studio集成了多项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
- 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
这些开源技术的集成不仅降低了系统的复杂度，还提高了平台的灵活性和可扩展性，使运营商能够根据自身需求定制AI解决方案。
Agentic框架的演进与架构
如图1所示，AI Studio正在演进为Agentic AI框架。这一演进不仅增强了系统的功能，还拓展了其应用范围。新框架通过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。
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。这种设计使得运营商可以根据需要灵活组合不同的智能体，构建定制化的AI解决方案。
大语言模型集成
为了满足不同场景的需求，Agentic框架允许用户集成其偏好选用的大语言模型。这一灵活性使运营商能够选择最适合其业务需求的LLM，而不受限于单一供应商的技术。
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。这一协议不仅确保了智能体与工具之间的高效交互，还能与其他符合MCP标准的外部服务进行互操作，大大扩展了系统的兼容性。
Agentic工具集
Agentic工具集包括OSS知识图谱和OSS API操作。OSS知识图谱包含服务、设备、多层拓扑、SLA、警报、策略等信息，为智能体提供了全面的网络上下文。OSS API操作则与库存、保障、编排等应用交互，使智能体能够直接执行网络管理任务。
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，并在多个场景中展现出显著价值。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能够快速、灵活地创建和配置多个虚拟网络。Agentic AI框架能够根据业务需求自动完成网络切片的创建、配置和优化，大大提高了网络资源利用效率。
库存中的网络设备建模
电信网络包含大量复杂的设备和系统，传统的库存管理方法效率低下且容易出错。Agentic AI框架能够自动识别、分类和建模网络设备，确保库存信息的准确性和实时性。
意图理解与执行
通过自然语言处理技术，Agentic AI框架能够理解网络管理人员的意图，并自动转化为相应的网络操作。这种"说-做"一体化的交互方式大大提高了网络管理的效率。
模板生成
在复杂的网络环境中，标准化的配置模板能够确保一致性和效率。Agentic AI框架能够根据网络特点和业务需求自动生成最优的配置模板，减少人工配置的工作量。
服务保障
网络故障的快速检测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，并在必要时采取修复措施，显著提高了网络的可靠性和服务质量。
行业影响与未来展望
Blue Planet的Agentic AI框架不仅为电信运营商提供了强大的工具，也为整个行业的AI应用树立了新的标准。这一框架的成功实施将有助于：
- 减少重复建设，提高资源利用效率
- 加速电信网络的智能化转型
- 降低AI应用的技术门槛
- 提高网络管理的自动化水平
- 增强网络服务的质量和可靠性
随着技术的不断发展和应用的深入，Agentic AI框架有望在更多领域发挥重要作用，如网络规划、优化、安全防护等。未来，随着更多智能体的加入和功能的增强，这一框架将成为电信网络运营的核心基础设施。
结论
在AI技术快速发展的背景下，电信行业正面临着前所未有的机遇和挑战。Blue Planet推出的Agentic AI框架，通过其创新的架构和强大的功能，为电信运营商提供了一种高效、智能的网络管理解决方案。这一框架不仅解决了传统AI应用与电信网络整合的难题，还为行业的数字化转型指明了方向。
随着AI技术的不断进步和应用的深入，Agentic AI框架有望在电信行业中发挥越来越重要的作用，推动网络运营向更加智能化、自动化的方向发展。对于电信运营商而言，及早采用和部署这样的先进技术，将有助于在激烈的市场竞争中获得优势，为用户提供更优质的服务。
