从实验到生产：企业级 AI Agent 的全链路治理与工程化落地
AI Engineer
Intuit Credit Karma 资深架构师 Harish Gaggar 深入拆解如何将 AI Agent 从实验玩具推向严苛的企业生产环境。演讲系统化阐述了由 MCP 网关、定制化 MCP 服务、全链路监控可观测性、状态化内存管理、分布式追踪评测、PII 隐私防护前置以及上下文优化器构成的七大核心治理支柱，彻底解决 Agent 生产落地的安全、成本与确定性瓶颈。
Tethered：以用户身份在云端安全运行 AI Agent 的企业实践
AI Engineer
量化基金 Two Sigma 工程师 Shu Fang 分享了企业级 AI Agent 架构实践。面对本地 CLI 局限与多身份权限冲突，Two Sigma 基于 Kubernetes 基础设施让云端 Agent 以用户自身身份运行，并通过自定义追踪请求头（Trace ID）实现审计与溯源，结合 Google 企业网络检索索引在隔离 VPC 内防范数据泄露与提示注入，实现风险与收益的平衡。
全球航运的部落迷宫：规模化 AI Agent 落地生产的系统工程
AI Engineer
本文基于马士基（Maersk）一线工程师的实战复盘，深度剖析了 AI Agent 在全球航运复杂业务场景下的落地难点。文章指出，构建生产级 Agent 系统的核心不在于基础模型或单一 Agent 循环，而在于将隐性业务知识（SOP）转化为 Agent 可安全执行的代码资产，并建立包含确定性护栏、全链路追踪评测与反馈迭代闭环的自适应工程体系。
企业级 MCP 架构之道：为什么“网关”是解锁 AI Agent 规模化部署的核心
AI Engineer
本文探讨了企业在应用模型上下文协议（MCP）时面临的可观测性、访问控制和安全性三大挑战。Anthropic 专家指出，传统的 MCP 注册表难以满足企业级需求，提倡引入“MCP 网关”作为中继层，通过统一的认证、路由和安全隧道机制，实现 Agent 框架与数据层的深度解耦，从而降低安全团队负担并加速业务部门的 AI 创新迭代。
Amplifon如何通过“Amplify”项目构建企业级AI代理注册系统
AI Engineer
本访谈详细介绍了 Amplifon 为应对AI开发中的混乱局面，通过“Amplify”项目构建企业级注册系统的过程。内容涵盖了AI网关、MCP注册表、A2A代理注册表以及应用场景注册表的设计与实现，强调了治理、平台和工厂三大支柱，旨在实现AI应用的标准化、可扩展性和可追溯性，并简化开发者的工作流程，最终实现AI的规模化、负责任的应用。