架构转变：AI Agent 成为执行引擎，而后端则撤退到治理层面

企业软件架构正在发生一种根本性转变，随着人工智能 Agent 从辅助工具转变为运维执行引擎，传统应用后端逐渐退居到治理和权限管理角色。这种转变在银行、医疗保健和零售系统中加速发展，预计到 2026 年，40%的企业应用程序将包含自主 Agent。

Expedia 集团的高级软件开发架构师 Rafael Torres 最近指出了这种架构演变，解释了 Agent 现在如何直接调用服务并通过像模型上下文协议（MCP）这样的协议编排工作流，而不是为后端生成执行建议。

大型语言模型使用 MCP 编排完整的工作流（来源）

这一架构转变出现在生产系统中。在传统架构中，即使大型语言模型（LLM）能协助识别用户意图，也需要后端系统解释该意图并编排 API 调用以执行操作。Torres 解释说，有了 MCP 为 Agent 提供结构化访问数据库、API 和运行时环境后，"LLM 不再只是生成意图——它正在行动。"

后端转向专注于治理任务，而 Agent 成为执行逻辑引擎，执行实际的 CRUD 操作，管理事务，并跨服务协调。Torres 将 MCP 定位为类似于网络的 HTTP，称之为“智能 Agent 与软件系统之间交互的通用协议”。

2025 年，企业对 AI Agent 的采用急剧加速。Gartner 在 8 月预测，到 2026 年，40%的企业应用程序将包含集成的任务专用 Agent，远超今天的不到 5%。IDC 在 4 月的研究发现，超过 80%的公司认为“AI Agent 是新的企业应用程序”，组织正在重新考虑传统的打包软件投资。Futurum Research报告称，基于 Agent 的 AI 将到 2028 年达到 6 万亿美元的经济价值。

Gartner 对企业应用程序中 Agentic AI 的未来预测（来源）

实际生产部署展示了这种转变的范围。Bain记录了一家南美银行部署 Agent，通过 WhatsApp 处理 PIX 支付，客户发送照片或文本描述，然后 Agent 解释、确认并自主执行。摩根大通在呼叫中心部署了其 EVEE 智能问答系统，配备 AI 辅助的 Agent 通过查询与政策文件和交易历史集成的接口，获得即时、上下文感知的响应，减少处理时间，并使资源重新分配到主动客户触达上。

这种转变也不仅限于金融领域：Mass General Brigham 为 800 名医生部署了环境文档 Agent，这些 Agent 从患者对话中自动起草临床笔记，60%的提供者报告说其更有可能延长他们的临床职业生涯，80%的人花费更多时间与患者互动。

BCG 在 10 月的分析指出，“AI 不仅仅是自动化工作流——它改变了它们”，企业从 AI 增强的工作流转向 AI 编排执行，其特点是自主管理操作和实时适应。

这种转变迫使企业架构师面对新的设计模式，以实现 Agentic AI 编排。InfoQ 关于企业 Agentic AI 架构框架的文章强调，成功的 Agent 部署通过三个不同的层次进行，其中信任、治理和透明度必须先于自主性。

企业 Agentic AI 架构三层框架（来源）

基础层建立工具编排、推理透明度和数据生命周期模式，以建立组织信任。工作流层通过五个核心模式提供自动化：提示链、路由、并行化、评估器-优化器和编排器-工作者。自主层使 Agent 能够动态确定自己的方法和工具使用。

该框架强调，成功部署 Agent 系统的组织优先考虑简单、可组合的架构而不是复杂框架，有效管理复杂性，同时控制成本并保持性能标准。

关键能力包括嵌入式可观察性以监控 Agent 行为、带有审计跟踪的安全控制以及成本纪律以防止资源消耗失控——所有这些都从架构的初始阶段内置，而不是在部署后进行改装。

原文链接：The Architectural Shift: AI Agents Become Execution Engines While Backends Retreat to Governance