阿里雲 Agent Studio：企業 AI 正由模型競賽走向智能體基建

阿里雲的 Agent Studio，是百煉嘗試把智能體（Agent）開發由一堆零散工程項目，整合成一套企業級託管服務。平台在 2026 年 8 月 14 日的阿里雲飛天發布活動上公布，涵蓋智能體構建、託管運行、知識檢索、記憶、工具接入及營運管理等能力。820

背後更大的訊號是：當各種大模型愈來愈容易接入，企業真正棘手、亦可能最昂貴的部分，已不再只是揀選哪個模型，而是如何令一個智能體在生產環境中可靠地完成多步工作。Agent Studio 的定位，正是管理模型周邊的執行層，而不只是鬥模型本身的能力。

Agent Studio 想解決甚麼問題？

企業若要自行打造一個可以真正落地的智能體，通常要另外處理以下工作：

• 智能體及工作流程設計
• 長時間任務的託管執行
• 工具及 MCP 接入
• 企業知識檢索及 Agentic RAG
• 持久記憶及可重用 Skills
• 沙箱化程式碼及檔案處理
• 用於調用、檢索、記憶及運行時管理的 API 117

因此，Agent Studio 並不只是拖拉式 Prompt 編輯器。當智能體需要自行規劃、調用工具、處理檔案、保留上下文、從中斷中恢復，並在安全及成本限制內運作時，真正的工程難題才會浮現。

企業有三條路：自己砌、用框架，還是用平台

現時企業大致有三種部署取向。

1. 完全自行建立

自行建立技術棧可以掌握編排、資料儲存、身份認證、安全、可觀測性、基礎設施及跨供應商移植能力。對要求非常特殊，或者本身已經有成熟內部平台的企業，這條路可能最合適。

代價是，可靠性、系統整合、故障處理，以及每個智能體任務的詳細成本核算，都要由企業自己承擔。

2. 使用開發框架

各類框架及 SDK 可以加快工作流程編排、工具調用及模型整合。不過，框架本身通常不會自動提供生產級託管、沙箱隔離、持久狀態、身份認證、治理、監控或 FinOps（雲端財務管理）。這些工作仍然落在應用團隊身上。

3. 採用企業級智能體平台

Agent Studio 這類託管平台，會把更多上述能力包裝成服務層。好處是縮短由原型走到生產環境的時間，亦較容易建立標準化的營運方式。

但相對地，企業會犧牲部分底層控制權，並可能更依賴單一供應商，尤其是工具、記憶、知識庫及運行時 API 深度整合時。

Managed Agent：Agent Studio 的運行核心

Managed Agent 是百煉提供的託管運行時，針對多步工具調用、程式碼執行及檔案處理等長時間任務。平台會管理會話狀態、沙箱環境及工具執行；智能體在獨立雲端容器內運作，事件歷史則保存在伺服器端，工作流程亦支援中斷及續接。17

可以將它理解成五層：

1. 運行時底座： 由平台提供計算資源及智能體生命週期管理，企業毋須自行維護一批長期運行的 Worker。
2. 上下文管理： 伺服器端會保存會話及事件歷史，減少應用程式自行處理狀態的程式碼。17
3. MCP 及 Skills 擴展： 讓企業接入標準化工具及可重用的能力。
4. 沙箱安全： 在隔離環境中執行指令、讀寫檔案、安裝依賴套件及處理資料。17
5. API 及可觀測性： 透過程式化介面管理智能體生命週期、應用調用、知識檢索及記憶等功能。1

這種設計之所以重要，是因為智能體工作負載並不等於一次性的模型 API 調用。一個看似簡單的要求，可能觸發規劃、檢索、多次工具調用、程式碼執行、重試及後續行動。若平台能把這些步驟整理成可管理的執行歷史，營運及審計會較容易；不過，實際成本及可靠性仍取決於任務、模型、工具及所選控制措施。

保險案例：數字要當成個案結果理解

與阿里雲相關的報道提到一個保險審核案例：原本需要三至四小時的核保工作，縮短至約 15 分鐘，每份保單成本則報稱為人民幣 0.12 元。10

這個數字應視為報道中的個案結果，而不是 Agent Studio 的普遍基準或保證。實際表現會受文件質素、流程複雜程度、模型選擇、工具使用、例外處理，以及所需人工覆核程度影響。這個案例最適合作為平台所針對的營運改善方向，而非所有企業都能直接複製的承諾。

One Key Service：把 MCP 認證鏈收窄

智能體落地其中一個常見障礙，是每個外部工具或 MCP 服務可能都有自己的身份認證及憑證管理流程。Agent Studio 的 One Key Service，據報提供面向 MCP 市場合作夥伴的統一認證層，減少企業逐一整合不同合作夥伴授權流程的需要。810

這不只是方便開發者的功能。MCP 市場要真正適合企業使用，工具還要能夠大規模審批、認證、監控及治理。統一 Key 的做法，是嘗試將 MCP 市場由一個「搵工具」的目錄，變成企業營運模式的一部分。

據阿里雲透露，One Key MCP 首批接入 14 家雲市場合作夥伴，涵蓋電商、地理資訊、金融、法律、產業研究及物流等領域；其後將有接近 50 家 MCP 生態服務商加入。810

Private Skills：將企業內部經驗變成可重用工具

Agent Studio 的 Private Skills 設計據報分為三個範圍：較廣泛共用的平台或公開能力、企業層面的私有能力，以及範圍更窄的個人或項目能力。8

背後概念，是將企業自有程序、API 及業務規則包裝成可重用能力。團隊毋須每次都把內部指引塞進 Prompt，亦不用為每個智能體重新打造整合方案，而是可以將它們以有明確使用範圍的受控 Skill 暴露出來。

不過，企業真正要處理的問題，會由「能否建立 Skill」轉向權限、版本管理、擁有者、審批流程及跨平台移植能力。

Knowledge Studio、Agentic Search 與 Memory Studio

Agent Studio 的知識層以 Knowledge Studio 為核心。這是一套企業級 RAG 知識庫及檢索服務，支援文件解析、切片、向量化、建立索引、檢索及串流問答；官方文件亦列出 API、MCP、CLI 及 Skills 等整合方式。3

較值得留意的是，它將傳統檢索與 Agentic 檢索區分開來。Knowledge Studio 所描述的 Agentic RAG 循環，主要包括：

• Agentic Search： 由智能體規劃問題，並在企業知識之間進行多輪、反覆檢索；
• Agentic Generation： 在完成檢索後生成答案，同時提供來源及引用。46

這種方式針對的是單次相似度搜尋難以處理的複雜問題。智能體可能需要先理解用戶意圖，再決定檢索路線，進行多次搜尋，最後確認資料是否足夠，才生成答案。

Memory 則負責另一個相關但不同的部分。阿里雲的 Agentic Memory 文件描述了長期、短期及上下文記憶的儲存與檢索，同時支援 Skills 及知識庫資料。11 對應用程式而言，這可以減少每次對話都重新提供用戶偏好、過往決定或可重用上下文的需要。

但記憶亦帶來治理要求，包括資料保留期限、刪除機制、存取權限，以及錯誤資料被長期帶入未來任務的風險。

Playground：用自然語言開始砌工作流程

Playground 被定位為統一的構建介面，涵蓋 Flow Agent、Managed Agent、RAG、Memory、MCP、Skills、場景模板，以及以自然語言描述工作流程的「Vibe Builder」。8

理想流程相當直接：企業可以先揀模板，或者用自然語言描述一個業務流程，再接上相關知識、記憶、工具及執行環境。這會降低試驗門檻，亦有助業務團隊與技術團隊在同一平台協作。

但這不代表測試、權限設定、效果評估及人工審批可以完全省略。當智能體能夠執行具實際後果的操作時，企業仍需設置清晰的控制邊界。

雲端供應商為何要掌握智能體層？

企業 AI 的競爭邊界，正由模型向外延伸。模型負責推理及生成，但一個可投入生產的智能體，還需要運行時、狀態管理、工具、資料存取、身份認證、隔離、監控及治理控制。

這為雲端供應商帶來重要的策略位置。如果智能體成為用戶提出工作要求的入口，智能體平台亦可能變成替用戶發現及組合雲端服務的中間層。搜尋、儲存、API、資料庫及業務系統，未來或會更多透過受治理的智能體行動間接調用，而不是由開發者為每個工作流程逐項手動選擇。

對企業買家而言，機會亦伴隨取捨：

• 智能體及 Skills 能否在不同供應商之間移植？
• 誰可以控制工具權限及資料邊界？
• 多步任務產生的成本，如何分攤到團隊或業務流程？
• 企業能否還原智能體做過甚麼，以及為何這樣做？
• 當模型、工具或檢索來源改變時，系統會發生甚麼？

Agent Studio 的答案，是把模型周邊的託管系統本身變成產品。它最終能否成功，關鍵不在於一張「All in One」架構圖是否吸引，而在於企業能否驗證輸出、控制行動、看清成本，並將重要工作流程由示範階段帶到穩定可靠的生產環境。