2026 年 8 月 · 5 分钟阅读
编排层才是生产级 Agent 的缺口:UiPath 与 Infobip 的同一答案

关键定义
编排层(Orchestration Layer) 把 Agent、机器人、API、文档与人在一条业务流程中串起来并治理的中间层——负责权限、记忆、数据检索、审计与人工交接。
编码 Agent(Coding Agent) Claude Code、Cursor、GitHub Copilot、Codex 等以代码为主要产物的 AI 编程助手;能快速造出原型,但本身不负责把原型跑成受治理的业务流程。
护栏(Guardrail) Agent 输出触达客户或系统前,按业务规则校验其内容与动作的检查点,防止越界行为上线。
过去两周,两家背景迥异的公司给出了同一个判断。UiPath 在 8 月 19 日发布 Maestro Flow,Infobip 在 8 月 27 日被报道的 AgentOS 叙事也指向同一结论:企业不缺 Agent,缺的是把 Agent 从原型变成受治理业务流程的编排层。
两个厂商,同一判断:缺口在编排
UiPath 的 Maestro Flow 定位为开发者优先的编排画布:让 Claude Code、Cursor、GitHub Copilot、Codex 等编码 Agent 在原生开发环境(如 VS Code 或 UiPath Studio)里设计、运行、观测并治理完整的端到端业务流程,作为单一工件从原型直达生产。UiPath 首席产品与技术官 Raghu Malpani 的话被广泛引用:『企业没有 Agent 问题,有编排问题。用编码 Agent 建一个 Agent 从未如此容易,但要运行一个横跨 Agent、机器人、系统与人的真实业务流程,并能证明每一步发生了什么,需要一个把这些串起来的编排层。』
Infobip 的 AgentOS 是另一个方向的同一论点。这家克罗地亚通信公司在 4 月 1 日推出 AgentOS,把它定位为覆盖营销、销售与客服的 AI Agent 控制层,连接客户数据、工作流自动化与 WhatsApp、SMS、RCS、邮件、语音等渠道,并在机器触到极限时交给人类。Deeptech Times 的评论把它概括为:下一阶段的企业 AI 是编排,不是对话——让机器人对行动负责,而不只是对对话负责。
为什么编码 Agent 造原型,跑不了业务流程
背景数据说明问题的规模。BCG 2025 年研究显示 45% 的亚太企业正在试点或部署 Agentic AI;Adobe 报告 88% 的亚洲受访者说碎片化数据限制了他们提供响应式、个性化客户体验的能力。企业不缺试点——缺的是生产系统。UiPath 的判断是:编码 Agent 让构建变得空前容易,但没有编排层,流程逻辑会碎片化、难以治理、维护成本高——原型无法上线、工作停在等待评审、自动化没有被追踪、实验成本本身成为进展的刹车。
Infobip 的 Chief Innovation Officer Krešo Žmak 强调同样的分层逻辑:真正重要的层级在模型周围。其 Knowledge Agent 用 RAG 从公司文档作答,Agentic Chunker 搭配 cross-encoder 把向量检索召回率从 70% 提升到 95%,文档准备时间从数月压缩到数小时;Active Recall 让会话历史贯穿全程;护栏在 Agent 输出触达客户前按业务规则校验。
编排层必须提供什么:权限、记忆、审计、交接
一个有效的编排层需要四样东西,缺一不可。权限:角色访问控制、数据隔离、SSO 与 API 级认证——Infobip 声称持有 SOC 2 与 ISO 27001、符合 GDPR、AES-256 加密,网页界面操作日志保留最长五年,Agent 层可追踪,让企业能重建 AI 为什么那样回应的原因。记忆:跨会话的上下文(Active Recall),而不是每次从零开始。可靠检索:治理过的知识库。交接:人类审批与干净升级路径——当机器不确定或业务影响高时,转给人而非硬撑。
LAQO:从对话到责任
Infobip 的招牌案例是数字保险公司 LAQO。LAQO GPT 在 WhatsApp 上以保单文件为事实基础,按意图从第一条消息路由;随后加入编排器协调一个知识 Agent 与两个专家 Agent(旅客、承包商)。据 Infobip 数据:聊天机器人处理 30% 的入站请求,会话数增长 330%,90% 的查询在 3 到 5 条消息内解决;2026 上半年,LAQO GPT 自主解决约 40% 的客户交互,客户满意度 4.7,完成的旅行保险购买上升 26%。这些数字来自厂商自己的客户关系,应作为案例而非独立基准来看待。
给买方的三个判断
判断一:把编排层当独立采购项评估
评估 Agent 时单独问四个问题:它能访问正确的数据吗、能在治理规则内运作吗、能干净升级给人吗、能证明每一步的成本与审计吗。答案决定它是对话工具还是生产系统。
判断二:为基础设施付费,不为『友好聊天』付费
AgentOS 按基础设施计价——平台费、消息处理费、AI 积分、渠道费。真正的成本与价值都在编排层:数据接入、治理、审计、交接,而不是助手有多讨喜。
判断三:用『责任』而非『对话』验收 Agent
验收指标应围绕行动:解决了多少交互(而非接了多少)、在护栏内完成多少、越界多少次、审计能否重建原因。让机器人对行动负责,是编排层存在的全部理由。
对数字化转型负责人,这两周的产品信号合起来是一份选型提示:编码 Agent 解决了『造』,编排层解决『跑』。前者已经商品化到几乎免费,后者——权限、记忆、审计、交接——才是下一轮竞争的真正战场,也是生产级 Agent 的硬缺口。
参考来源
- UiPath 新闻稿:UiPath Launches UiPath Maestro Flow(2026-08-19)— www.uipath.com/newsroom/uipath-launches-maestro-flow
- Deeptech Times:The agentic AI battleground — who will control the enterprise orchestration layer?(2026-08-27)— deeptechtimes.com/2026/08/27/the-agentic-ai-battleground-who-will-control-the-enterprise-orchestration-layer/
- BCG 2025 研究:45% 亚太企业试点或部署 Agentic AI(经 Deeptech Times 引用);Adobe:88% 亚洲受访者称数据碎片化限制个性化
常见问题
为什么说企业不缺 Agent,缺编排?+
UiPath 首席产品与技术官 Raghu Malpani 的原话:『企业没有 Agent 问题,有编排问题。』用编码 Agent 建一个 Agent 从未如此容易,但把跨 Agent、机器人、系统与人的真实业务流程跑起来,并证明每一步发生了什么,需要编排层。
UiPath Maestro Flow 解决什么?+
让 Claude Code、Cursor、GitHub Copilot、Codex 等编码 Agent 在原生开发环境里设计、运行、观测并治理端到端业务流程;原型版即生产版,无需重建或换平台,运行在 Maestro 编排引擎之上。
Infobip AgentOS 的 LAQO 案例结果如何?+
Infobip 声称:2026 上半年 LAQO GPT 自主解决约 40% 的客户交互,客户满意度 4.7,旅行保险购买完成率上升 26%;此前它处理 30% 的入站请求,90% 的问题在 3 到 5 条消息内解决。这些是厂商自己的数字。
编排层必须提供什么?+
权限(RBAC、数据隔离、SSO)、跨会话记忆、可靠的数据检索、每一步的审计追踪,以及机器触到极限时干净地交接给人。缺任何一项,自动化只是在推迟客户被惹恼的时刻。
买方应该为什么付费?+
AgentOS 按基础设施计价:平台费 + 消息处理费 + AI 积分 + 渠道费。判断标准不是聊天好不好,而是 Agent 能否访问正确的数据、在治理规则内运作、干净地升级、并证明成本值得。
相关文章
Genesys 发布 AI Control Plane:客户体验进入受治理的 Agent 编排时代
Genesys在Xperience 2026发布AI Control Plane等四件套,以中央化发现/身份/策略/可观测性治理AI与人协同的客户旅程。云ARR近29亿美元,AI ARR超4亿美元、增速2倍于大盘。
MCP升级为无状态协议:从双向流到可扩展的企业Agent基座
2026-07-28版MCP规范正式发布:协议核心从有状态双向流转向无状态请求/响应,支持轮询负载均衡、基于头部的路由与授权、可缓存列表结果,并新增Tasks扩展与授权加固。这是MCP走向企业级规模的关键一步。
MCP 与 A2A 协议走向融合:Agent 互操作标准进入新阶段
MCP 和 A2A 协议在 Linux 基金会 Agentic AI Foundation 治理下走向融合,形成 MCP 管工具、A2A 管协作的三层协议栈共识。97M 月 SDK 下载量印证生态活力。
Agent 编排标准之争:OpenClaw acquihire 揭示 AI 竞争的下一个战场
OpenClaw 的 acquihire 事件标志着 AI 竞争从模型质量转向编排标准。谁拥有 Agent 运行时、开发者模式和治理层,谁就定义了未来 5 年的 AI 生态。企业正在做出无意识的锁定决策。