AI 代理在电信网络中的应用与架构
引言
随着自主网络的发展，AI 代理、生成式 AI（GenAI）和大型语言模型（LLMs）因其自主能力，预计将成为提升网络效率、客户服务和运营管理的关键组件。本文定义了 AI 代理，并以 TM Forum 指定的意图管理架构为例，探讨了其在移动网络架构中的应用，并分析了其他可能的应用场景，如优化用户和企业使用的代理之间的通信。
AI 代理的定义与分类
代理是指能够自主行动、决策和发起任务的系统，而 AI 代理则利用机器学习更新内部知识，实现动态适应。AI 代理可分为受限代理和不受限代理，后者可修改自身内部逻辑和目标。特定类型的 GenAI 基于代理称为“助手”，是受限的 LLM 代理，作为人机界面与人类交互。
AI 旅程与网络转型
现代电信网络的演变，特别是 5G 和未来 6G 技术，带来了复杂性，需要自动化网络操作。AI 通过利用数据和专业知识，可嵌入产品组合中，提升运营效率、客户体验、业务增长和可持续性。AI 与网络的协同在 6G 中将更加关键，AI 将成为网络架构、能力和服务的关键原生组件，实现基于意图的管理和零接触操作。
AI 代理与网络架构
AI 代理可作为实现技术，应用于网络架构中的各种功能，如意图管理功能（IMF）、流程自动化、网络管理和 3GPP 核心网络。IMF 可被视为代理，能够自主观察、决策、行动和与其他代理交互。AI 代理可用于自动化传统上由人类执行的过程，如服务订购和网络管理。在 3GPP 核心网络中，AI 代理可主动参与策略控制功能（PCF）等网络功能。
模型上下文协议（MCP）
MCP 为基于 LLM 的代理提供标准客户端-服务器架构，通过统一接口访问各种服务。MCP 可作为抽象层，将多个低级 API 调用抽象为高级工具，代表代理可调用的任务或功能。在电信领域，MCP 可用于为暴露给应用层的网络服务提供支持。
代理间通信（A2A）
A2A 协议是模型无关的通信标准，旨在使 AI 代理能够相互交互，实现可扩展的合作。A2A 标准化了代理之间交换的消息结构，包括目标、能力、状态更新、请求和承诺。A2A 与 MCP 相辅相成，旨在促进涌现式、自我组织和可扩展的 AI 代理生态系统。
AI 代理系统的鲁棒性与可信度
在基于 LLM 的 AI 代理系统中，实现鲁棒性和可信度是一个重大挑战。传统方法如人类反馈、提示验证器、输出过滤器和微调等，仍无法完全保证正确性和一致性。实现鲁棒和可信的 AI 代理需要通过仔细使用评估、可观察性和监控等手段。
总结
AI 代理和代理架构将在电信网络中得到应用，但应将其视为网络架构中各种功能的实现技术，而非独立功能或架构。使用代理架构和代理不得危及网络操作的鲁棒性和完整性。功能网络架构仍然适用于代理，为它们被授权观察和执行的任务提供了适当的环境。AI 代理通信将通过现有功能接口进行，如 3GPP 核心网络的 SBI 或 rApp 间通信（R1）和 IMF 间通信。AI 代理的实现方面将不会标准化，这与 AI 和 AI 代理作为实现技术的观点一致。MCP 和 A2A 等技术为 AI 代理领域提供了宝贵的功能，MCP 可作为抽象层，A2A 可作为内部代理间通信。AI 代理将在电信领域发挥重要作用，塑造未来网络的发展。
