Overgangen til Agent Enterprise repræsenterer det mest betydningsfulde arkitektoniske skift siden cloudens begyndelse. Det lover uoverskuelige niveauer af produktivitet og automatisering, men det introducerer også dybe udfordringer, der er relateret til styring, sikkerhed og driftskompleksitet. Brug af en delvis tilgang - implementering af agenter i siloer uden en forenende strategi - er en direkte sti til teknisk gæld og organisatorisk kaos.

Implementering af agenter uden en central administrationsplan skaber væsentlig driftsmæssig risiko, herunder sikkerhedssårbarheder fra direkte systemadgang, manglende observabilitet i agentinteraktioner og handlinger og høje omkostninger på grund af overflødige punkt-til-punkt-integrationer. Denne isolerede implementeringsstrategi resulterer i et skrøbeligt miljø, der er vanskeligt at administrere på skala. En bæredygtig model kræver en forenet platform for agentintegration og styring.

MuleSoft leverer en omfattende, forenet og åben platform, der med tillid guider virksomheder gennem hele deres rejse. Den anvender virksomhedens eksisterende API-landskab som grundlag for agenthandlinger og fremskynder oprettelse af nye agentklar aktiver gennem en betroet, AI-drevet udviklingslivscyklus. Gennem understøttelse af virksomhedsniveau for åbne standarder som MCP (Model Context Protocol) og Agent2Agent (A2A)-protokoller, gør det disse aktiver handlingsrettelige for både enkle kommandoer og kompleks samarbejd med flere agenter, uanset hvordan AI-landskabet udvikles. MuleSoft Agent Fabric leverer en løsning til at opdage, orkestrere, styre og observere hele agentøkosystemet. Gennem denne integrerede tilgang giver MuleSoft Agent Fabric et gennemprøvet grundlag for at skalere et netværk af Ansvarlige AI agenter, der omdanner AI's løfter til konkrete, automatiserede forretningsresultater og realiserer det fulde potentiale i den intelligente virksomhed.

Den etablerede tilgang på tre lag af API-ledet forbindelsesmuligheder - system-, proces- og oplevelses-API'er - giver en effektiv struktur til strukturering af agenthandlinger.

• System-API'er tilbyder en ensartet, sikker og abstrakt grænseflade til underliggende registreringssystemer. De adskiller agenter fra kompleksiteten af backend-protokoller og datamodeller, hvilket sikrer, at alle agenthandlinger udføres på administrerede, pålidelige slutpunkter.
• Proces-API'er omfatter kompleks forretningslogik med flere trin. Agenter behøver ikke forstå den komplicerede orkestrering, der ligger bag oprettelse af salgsordrer, kontrol af lager eller initiering af forsendelser. De kan bruge proces-API'er (f.eks. "Procesbestilling") uden at skulle håndtere de underliggende kompleksiteter. Proces-API'er leverer en sikker, transaktionel og revisionsvenlig mekanisme for agenter til at køre forretningsprocesser, hvilket reducerer den påkrævede agentargumentation dramatisk og sikrer, at forretningsregler håndhæves ensartet.
• Oplevelses-API'er er traditionelt designet til at betjene specifikke brugergrænsefladeapplikationer (f.eks. Bestillingsstyringsapp), men de kan også bruges som kontekstrige handlinger for agenter. Dette giver agenter vigtige oplysninger til at udføre en given opgave uden at kræve flere kald til downstream-systemer.

For at opfylde den stigende efterspørgsel efter værktøjer og funktioner, der er klar til agent, skal virksomheder sætte skub i udviklingen af API'er og integrationer, der udgør det sammensatte fundament. MuleSoft håndterer denne udfordring ved at integrere generativ AI direkte i udviklingslivscyklussen, hvilket skaber en dygtig cyklus, der bruger AI til at opbygge de højkvalitetsaktiver, som andre agenter forbruger.

For udviklere fungerer MuleSoft Vibes som en intelligent partner ved at automatisere de mest gentagne aspekter af integrationsudvikling og levere en forenet, agentisk grænseflade for hele softwareudviklingens livscyklus. Gennem MuleSoft Vibes i Anypoint Code Builder interagerer udviklere med generative funktioner, der er drevet af de sikrede Einstein AI Pipelines, hvilket gør den AI-assisterede udviklingsproces problemfri og effektiv. Denne pipeline - Inference Graph Execution Service (IGES) - er en flerfaset proces, der bruges til at opnå resultater af høj kvalitet. Den består af grounding, validering, fejlkorrektion og grundig evaluering.

• Funktionen generative forløb i MuleSoft Vibes bygger på Agentforce AI-strukturen. Den omdanner naturlig sprogforretningslogik (Brugermeddelelser) til funktionelle Mule-applikationer. IGES Pipelinen består af følgende trin:
  • Samtalehistorikoversigt: LLM analyserer den aktuelle meddelelse og brugerens tidligere meddelelser for at oprette en opsummeret meddelelse, der registrerer brugerhensigt og samtalehistorik. Denne konsoliderede meddelelse forbedrer nøjagtigheden af efterfølgende data hentning og genereringstrin.
  • Forløbssemantik hentning fra en vektor database: Systemet tager den opsummerede meddelelse fra det forrige trin og udfører en semantisk søgning mod en vektordatabase, der indeholder over 200 forbindelser, over 7.000 forbindelseshandlinger og over 7.000 eksempelkodestykker. Den henter de mest relevante forbindelser, handlinger og kodeeksempler for at basere genereringsprocessen ved brug af nøjagtige data og sikrer, at output er i overensstemmelse med MuleSoft's omfattende forbindelsesøkosystem. Da MuleSoft er branchestandard for forbindelser og drift, giver denne grundlæggende indstilling modellen en omfattende kontekst- og domænenøjagtighed, som generiske LLM'er mangler.
  • Udvidelse: Det hentede indhold og samtalehistorikmeddelelser kombineres derefter med den opsummerede meddelelse. Denne udvidede meddelelse guider LLM til at reducere hallucinationer. Den indeholder også instruktioner til at forhindre generering af giftigt indhold.
  • Forløbsgenerering: Dette trin bruger Einstein AI LLM-modellen til at generere rå XML-kode, der er baseret på konteksten og de eksempler, der leveres. Dette er kernetrinet i genereringspipelinen.
  • Påfølgende behandling og validering: Efterbehandling og validering kontrollerer koden for at sikre korrekt syntaks og brugen af gyldige forbindelseshandlinger, mens en separat toksicitetskontrol markerer skadeligt indhold.
  • Flere trin fejlrettelse: Hvis alle de indledende genereringer er ugyldige, analyserer den automatiserede fejlrettelsesmekanisme fejlmeddelelserne for at registrere mønstre. Derefter sendes meddelelsen igen til LLM sammen med berigede fejlmeddelelser og korrigerende metadata.
  • Konfigurer filgenerering: Dette trin udtrækker relevante forbindelsesmetadata, udvider meddelelsen og sender den til LLM for at generere nøjagtige forbindelseskonfigurationer. Endelig genereres alle POM- og XML-navneområder deterministisk ved brug af den seneste version af hver afhængighed, hvilket eliminerer hallucinationer og sikrer ensartethed.
• DataWeave Transformation Generering: Datatransformation er ofte den mest tidskrævende del af integrationsudvikling. MuleSoft Vibes håndterer denne proces ved hjælp af den flertrins tilgang, der minder om Mule Flow XML-generering.
  • Hensigtsårsag: LLM analyserer brugerinput- og outputdataeksempler for at udlede og formulere transformationslogik på højt niveau i naturligt sprog. Dette trin adskiller brugerens mål fra de ordrette dataværdier, der kan være angivet i meddelelsen.
  • DataWeave Semantisk hentning: Hvis du vil finde den mest semantisk relevante DataWeave-funktionsdokumentation og fuldføre transformationseksempler, bruger systemet den genererede meddelelse fra det forrige trin som en forespørgsel til vektordatabasen. Dette baserer genereringsprocessen på bekræftede oplysninger af høj kvalitet.
  • Udvidelse: De hentede funktioner og eksempler kombineres med den oprindelige brugermeddelelse for at oprette et kontekstbevidst sæt instruktioner for det efterfølgende LLM-kald, hvilket påvirker LLM's adfærd for at reducere hallucinationer.
  • DataWeave-generering: Dette trin anvender LLM-modellen til at generere et DataWeave-transformationsscript og en ledsaget forklaring, der er baseret på den angivne kontekst og eksempler. Dette er kernetrinet i genereringspipelinen.
  • Påfølgende behandling og validering Det genererede script evalueres mod to specifikke mål: gyldighed og korrekthed. Scriptet skal kompileres uden syntaksfejl (gyldighed) og oprette det forventede output, når det køres ved brug af eksempelinputtet (korrekthed).
  • Flere trin fejlrettelse: Hvis den indledende validering mislykkes, identificerer dette plugin fejlkategorierne og retter problemerne i det genererede script. Denne justering hjælper med til at forbedre systemets generelle succesfrekvens og nøjagtighed.
  • Færdig efterbehandling og validering Det korrigerede script fra fejlkorrektionsmodulet gennemgår en valideringsproces for at sikre, at det er syntaktisk gyldigt og funktionelt korrekt. Denne endelige kvalitetsportal sikrer, at outputtet er nøjagtigt og pålideligt, før du sender det tilbage til brugeren.
• Udviklere af API-specifikationer og dokumentgenerering: kan generere fuldt validerede OpenAPI (OAS) eller RAML-specifikationer ved at beskrive den ønskede API på naturligt sprog. MuleSoft Vibes overfører meddelelsen (som indeholder detaljer om ressourcer, metoder, sikkerhedsplaner og parametre) og producerer en gyldig, syntaktisk korrekt API-definition. Efter generering kan det oprette dokumentation til API i Anypoint Exchange, som dækker alt fra godkendelse til slutpunktsdetaljer og fejlhåndtering, hvilket frigør udviklere fra disse typer af kedelige opgaver.
• AI-assisteret MUnit-generering: Kvalitetsgaranti er vigtigst for aktiver, der forbruges af autonome agenter. MuleSoft Vibes hjælper med at generere MUnit-testsager direkte fra Mule-forløbskoden. Dette hjælper med at narre eksterne afhængigheder og påstande og identificere almindelige testmangler, hvilket reducerer den manuelle indsats, der kræves for at opnå høj testdækning og sikre pålideligheden af integrationslogikken.

Udviklere klarer sig godt i deres foretrukne miljøer. Det er derfor, at MuleSoft møder udviklere der, hvor de er, hvilket giver dem mulighed for at opbygge integrationer i deres AI IDE efter eget valg. MuleSofts MCP-server viser udviklings-, implementerings- og administrationsfunktioner som MCP-værktøjer, som enhver VS-kodebaseret AI-oprindelig IDE (f.eks. Cursor, Windsurf eller Trae) kan bruge til at interagere med Anypoint Platform ved brug af naturligt sprog.

Ved at pakke sin kerne IDE-funktionalitet ind i en standard VS Code-udvidelse, adskiller MuleSoft sine værktøjer fra et brandet IDE-shell, hvilket gør det muligt for udviklingsværktøjer at være IDE-agnostiske. I stedet for at konkurrere med den hurtige udvikling af id'er, gør dette arkitekturalvalg det muligt for MuleSoft's udviklingsværktøjer at forblive kompatible og tilgængelige på tværs af det voksende økosystem af moderne, AI-drevne id'er.

I en agentvirksomhed er det nødvendigt at have et robust fundament af API'er, der kan sammensættes, men ikke tilstrækkeligt. Det næste vigtige trin er at sikre, at disse aktiver er synlige, forståelige og kan kaldes af AI-agenter. Dette kræver et "handlingslag", der er bygget på åbne standarder, der er designet specifikt til agentkommunikation. MuleSoft leverer værktøj til de to dominerende nye protokoller:

• MCP til agent-til-system-interaktioner
• A2A for agent-til-agent-interaktioner

MCP har hurtigt udviklet sig som branchestandard for agent-til-værktøj-kommunikation, hvilket svarer til, hvad REST blev til for webtjenester. MCP gør det muligt for AI-agenter dynamisk at opdage et systems funktioner, forstå dets input og output og kalde det til at udføre en handling, alt uden at kræve forud programmeret eller hardcodet logik.

MuleSoft MCP-forbindelsen tillader, at enhver API, der implementeres som en Mule-applikation, udgives som en MCP-server. Da MuleSoft leverer hundredvis af forudbyggede forbindelser til stort set alle større virksomhedssystemer (f.eks. SaaS, ældre og databaser), transformerer dette øjeblikkeligt en organisations API'er og applikationer til et sæt værktøjer, der er klar til agent. En API, der er designet til at kontrollere lager i SAP, et forløb, der behandler et nyt emne i Salesforce, eller en tilpasset applikation, der er tilsluttet via MuleSoft, kan alle stilles til rådighed for AI-agenter som atomiske, administrerede værktøjer ved brug af MCP-forbindelsen.

Mens MCP udmærker sig ved hierarkiske, agent-tilkaldende-værktøjsinteraktioner, kræver komplekse forretningsprocesser ofte samarbejde mellem flere specialiserede agenter. Agent-til-agent-protokollen (A2A) er den nye åbne standard, der er designet til at lette peer-to-peer-kommunikation, der muliggør sofistikerede arbejdsflows med flere agenter.

MuleSoft's understøttelse af A2A gør det muligt for virksomheder at designe og opbygge avancerede systemer med det samme niveau af styring og pålidelighed, som de forventer af deres API'er. Med MuleSoft A2A-forbindelsen kan udviklere nemt vise enhver agent som en A2A-server eller kalde enhver A2A-kompatibel agent fra en Mule-applikation. En ansøgningsproces for et pant kan f.eks. være orkestreret på tværs af en "Credit Check Agent", en "Document Signature Agent" og en "Regulatory Compliance Agent", hvor hver agent finder ud af og kalder andres funktioner (efter behov) for at flytte applikationen fremad.

Ved at levere robuste værktøjer på virksomhedsniveau til MCP og A2A understøtter MuleSoft opbygning af et fleksibelt økosystem, der består af direkte agent-til-system-interaktioner (via MCP-værktøjer) og agent-til-agent-interaktioner (A2A). Uanset hvordan AI-landskabet udvikler sig, placerer denne tilgang MuleSoft som det underliggende fundament, der forbinder alle former for agentisk kommunikation.

Når virksomheder anvender agentisk AI, står de uundgåeligt over for udfordringen med agentudvidelse. Hvis du vil forhindre dette i at devolvere til kaos, kræves der et dedikeret orkestreringslag. MuleSoft Agent Fabric (demo) er en omfattende arkitektonisk løsning, der er designet til at løse denne udfordring direkte. Den leverer en central administrationsplan til at udforske, styre, orkestrere og observere hele netværket af AI-agenter, uanset hvor de er bygget, eller hvordan de fungerer. MuleSoft Agent Fabric fungerer som "lufttrafikstyring" for virksomhedens digitale arbejdsstyrke og omdanner en samling af fragmenterede, isolerede agenter til et sammenhængende, sikkert og højtydende intelligensnetværk.

MuleSoft Agent Fabric er bygget på fire integrerede søjler, der dækker den komplette livscyklusstyring for agenter som førsteklasses virksomhedsaktiver.

Grundlaget for ethvert administreret økosystem er opdagelighed. Agentregistret fungerer som det universelle, centraliserede katalog over alle agentaktiver i virksomheden. Dette inkluderer tilpassede agenter, agenter, der er integreret i SaaS-applikationer, MCP-servere, der viser ældre systemer og A2A-slutpunkter til interagentsamarbejde. Ved at levere en enkelt kilde til sandheden løser Agent Registry det kritiske opdagelsesproblem ved at forhindre teams i at opbygge overflødige kapaciteter og give udviklere og andre AI-agenter mulighed for dynamisk at finde og genbruge eksisterende aktiver i stor skala.

Agentregistret bygger på Anypoint Exchange, og det tilføjer tre nye aktivtyper: Agenter, MCP-servere og LLM'er. Den registrerer oplysninger om disse aktiver, herunder MCP-værktøjer, transportprotokoller og agentkort samt afhængighederne mellem agenter og de MCP-servere og værktøjer, som de forbruger. Udviklere kan oprette og administrere aktiver direkte i registreringsdatabasen. De kan også programmeringsmæssigt opdage og genbruge eksisterende aktiver i MuleSoft Vibes (via MuleSoft MCP Servers search_asset-værktøj) ved oprettelse af nye orkestreringer. Dette udstyrer udviklere med alle de oplysninger, de har brug for for at forstå og bruge disse aktiver.

Når aktiver kan findes, skal de være orkestreret for at udføre nyttigt arbejde. Agent Broker er en orkestreringstjeneste, der udfører forretningsprocesser med flere trin. Den bruger en konfigurerbar LLM til at fortolke opgaver på højt niveau og generere tilsvarende arbejdsflows. Agentforhandleren finder dynamisk, opdeler sekvenser og kalder de krævede agenter og værktøjer for at fuldføre disse processer.

Forbindelsen administreres via MCP for værktøjer og en A2A-protokol for agenter. Dette giver systemet mulighed for at organisere agenter i forretningsspecifikke domæner (f.eks. Supply Chain eller Finance) og distribuere opgaver på tværs af dem alle. En enkelt, naturlig sprog-meddelelse (f.eks. "Onboard an Employee") opdeles i en række diskrete handlinger, der afvikles af forskellige agenter eller værktøjer på tværs af flere backendsystemer. Agentbrokerorkestrering inkluderer:

• Dynamisk orkestreringsmønster: Dette er et agent-løkke-mønster, der bestemmer underopgaver og orkestrerer dem på tværs af de mest egnede agenter og værktøjer for at nå det generelle mål. Ved at udnytte dette mønster kan samarbejdsagenter opbygges til at løse komplekse anvendelsessituationer (f.eks. håndtering af en kompleks serviceskalering).
• LLM-drevet begrundelse: Bruger en LLM til at fortolke naturlige sprogmål og generere kørselsplaner, hvilket fjerner behovet for hardcodet, rigid arbejdsflowlogik.
• Konfigurerbar LLM Model: Giver udviklere mulighed for at angive, hvilken LLM-model der skal bruges, hvilket giver kontrol over omkostninger, ydeevne og funktioner.
• Naturlig sprogudvikling: Agent Broker logik kan defineres ved hjælp af naturligt sprog via MuleSoft Vibes.
• Observation: Anypoint Monitoring giver logføring og sporing ved implementering for at hjælpe brugerne med at forstå og fejlfinde Agent Brokers argumenter og interaktioner med MCP værktøjer og A2A agenter.
• Administreret implementering: Agent Broker er et containeriseret program, der understøttes af Mule Runtime, der administrerer tilgængelighed og skalerbarhed af implementeringen.

Anypoint Flex Gateway er den mekanisme, hvorigennem visse politikker håndhæves teknisk. MuleSoft Agent Fabric bruger Anypoint Flex Gateway til at sikre, inspicere og administrere hver agentisk interaktion, der sker via MCP og A2A protokoller. Dette gør det muligt for organisationer at anvende et omfattende sæt af politikker på virksomhedsniveau på al agentisk trafik for at sikre, at hver handling er sikker, kompatibel og kan revideres, før den udføres. For sikkert og ansvarligt at skalere AI-indføring er disse guardrails vigtige.

Forretningsstyringspolitikker for agentprotokoller

Udover at administrere indgående anmodninger administrerer Anypoint Flex Gateway også alle udgående forbindelser og anmodninger fra en agent til eksterne tjenester (f.eks. MCP Servers and Tools eller andre agenter). Dette inkluderer:

• Logning: Giver et centralt observationspunkt til at overvåge og logføre alle udgående agentanmodninger om revision og fejlfinding.
• Sikkerhed: Forhindrer følsom datalækage ved at undersøge udgående trafik.
• Godkendelse: Administrerer legitimationsoplysninger for eksterne systemer ved at anvende udgående godkendelsesmekanismer, herunder API-nøgler, OAuth og ClientId/ClientSecret fra et enkelt punkt.

Anypoint Flex Gateway Policy Development Kit (PDK) giver brugerne mulighed for at oprette tilpassede politikker, når indbyggede politikker ikke opfylder specifikke krav. Ved at bruge PDK kan udviklere skrive politiklogik på programmeringssproget Rust og kompilere den til et WebAssembly-_modul. Det selvstændige modul indlæses derefter i _Anypoint Flex Gateway for at håndhæve unikke sikkerhedsregler, tilpassede datatransformationer eller specialiseret integrationslogik direkte i API-kanten. Dette giver en effektiv, højtydende måde til at udvide gatewayfunktionalitet for entydige eller komplekse anvendelsessituationer.

Her er de fire vigtigste komponenter i PDK:

• Anypoint CLI PDK Plugin: Dette plugin opretter PDK projektet og uploader den kompilerede politik til Exchange. Det genererer også en Makefile, der forenkler udviklingsprocessen ved at give et tydeligt sæt kommandoer til at opbygge og administrere politikken.
• Policeskabelon: Når der oprettes et nyt projekt, genererer PDK et basissæt eller en skabelon. Denne struktur inkluderer alle de nødvendige filer og konfigurationer, der kræves for at kompilere politikken, hvilket giver udviklere et udgangspunkt for tilpasset logik.
• SDK Building Tools: Disse værktøjer abstrakterer den komplekse begivenhedsstyrede arkitektur i den underliggende Envoy-proxy. Ved at bruge reaktor- og eksekvatormønstre giver SDK en enkel, lineær kodemetode. Dette hjælper med at reducere kompleksitet, forbedre fejlfinding og sænke læringskurven for udviklere.
• Policemanagement: MuleSoft MCP Server leverer MCP-værktøjer til at hjælpe brugerne med at administrere den tilpassede politiklivscyklus. Eksempler på disse værktøjer omfatter:
  • get_flex_gateway_policy_example
  • manage_api_instance_policy
  • manage_flex_gateway_policy_project

Agent Visualizer giver et dynamisk kort over hele agentnetværket i realtid, hvilket gør det, der kunne være en "sort boks" af AI-interaktioner, til et fuldt observerbart system. Arkitekter og driftsteams kan bruge Agent Visualizer til at gennemse, hvordan agenter er forbundet, spore deres beslutningsforløb, overvåge deres tilstand og ydeevne og identificere afhængigheder. Dette niveau af synlighed er afgørende for at optimere ydeevnen, fejlfinde fejl effektivt, registrere flaskehalse og opbygge tillid til implementerede agenter.

MuleSoft API-katalog og emnecenter er designet til at forbedre måden, som API'er opdages, bruges og administreres, især i forbindelse med Agentforce.

Alle de MuleSoft API'er, der er designet og udgivet, kan gøres tilgængelige og forbrugbare via API-kataloget i Salesforce Platform. API-kataloget fungerer som det centraliserede lager, og det forener alle organisationens API'er fra MuleSoft, Salesforce, Heroku og andre clouds i en enkelt visning. Dette gør det nemt for udviklere og administratorer at opdage, forstå og genbruge eksisterende API'er ved at gøre det muligt at bruge dem i automatiseringer (f.eks. Agentforce, Flow og Apex).

MuleSoft for Agentforce: Emnecenter gør det muligt for udviklere at strukturere deres API'er omkring specifikke forretningsanvendelsessituationer ved at definere Agentforce Emner og Handlinger-metadata på selve designtidspunktet. Dette inkluderer:

• Handlinger, som er de opgaver, som en agent kan udføre
• Instruktioner, der guider agenten i, hvordan visse handlinger skal udføres

Ved at tilføje dette semantiske lag gør Emnecenteret API'er forståelige og brugervenlige for Agentforce, hvilket sikrer, at det kan interagere effektivt med virksomhedssystemer.

Agentforce Gateway er et centraliseret styringslag, der er designet til at administrere og sikre interaktioner i det voksende Agentforce økosystem. Da Agentforce integreres med yderligere tredjeparts-API'er og værktøjer via protokoller som f.eks. MCP, er den primære funktion for Agentforce Gateway at håndhæve politikker (f.eks. satsgrænser og værktøjsbegrænsninger) på al udgående trafik, der initieres af Agentforce, og overvåge alle udgående anmodninger.

Agentforce Gateway bruger den eksisterende MuleSoft API-styringspolitikmotor, der er indbygget som standard i Salesforce Platform. Dette Udleveringsbaserede politiksystem opfanger agenttrafik, anvender konfigurerede politikker (f.eks. attributbaseret adgangskontrol og kvotegrænser) og administrerer godkendelse og autorisation, alt sammen uden at kræve, at kunderne installerer yderligere gatewayinfrastruktur.

Implementering af et administreret netværk af agenter er en milepælsopnåelse. Men den introducerer nye "dag 2"-driftsmæssige udfordringer. Det kræver et forbedret niveau af driftsdata for at overvåge, måle og fejlfinde et dynamisk distribueret system af autonome aktører. Den ultimative arkitektoniske vision er et system, hvor AI ikke kun bruges til at køre forretningsprocesser, men også til at overvåge, administrere og helbrede selve den infrastruktur, som den kører på.

MuleSoft’s vision for integrationsintelligens udnytter styrken fra det bredere Salesforce økosystem til at levere dybtgående, tilpasselige indsigter i ydeevnen af integrationsstoffet og agentnetværket. Ved at registrere og lagre OTEL-kompatible data - den nye standard for observation - i Salesforce Data 360 kan organisationer oprette et samlet lager for logfiler, metrikker og spor på tværs af hele landskabet. Disse data kan ses i Tableau via dashboards, der er bygget på forhånd, og tilpassede visualiseringer for at få detaljeret indsigt i API-ydeevne, agentinteraktionsmønstre og overordnet systemtilstand.

Dette system har tre nøglekomponenter:

1. Indtagelse: Overførselstjenesten er det centraliserede indgangspunkt til indsamling og behandling af telemetridata fra forskellige Mule-applikationer, Agent Brokers og Flex Gateways. Den udfører skemavalidering, datanormalisering og filtrering for at bevare datakvalitet og ensartethed på tværs af forskellige applikationer. Endvidere håndhæver den kontroller (f.eks. godkendelse, kryptering, lejerfairness og frekvensbegrænsning) i overførselspipelinen.
2. Lager: Et high-throughput streaming job kører i Data 360, der læser data fra multi-lejer Kafka emner, og transformerer det til OTEL format. OTEL-data knyttes derefter til lejerens Data 360 i TelemetryTraceSpan, TelemetryLogs og TelemetryMetrics DMO'er i Lakehouse.
3. Visualisering/forbrug: Med de telemetridata, der er tilgængelige i Data 360, kan kunder gennemse systemtilstand og få indsigt ved at bruge dashboards, der er bygget på forhånd eller tilpasset via Tableau Next. Kunder kan også drage fordel af Tableau Concierge, som er en forudbygget, agentisk analysefærdighed i Tableau Next, der giver brugerne mulighed for at stille spørgsmål om telemetridata på naturligt sprog og modtage pålidelige, handlingsrettede svar med visualiseringer. Kunder kan også eksportere dataene til eksisterende APM-_systemer (f.eks. _DynaTrace, Datadog, Splunk osv.).

Overgangen til et agentfirma er ikke kun en it-opgradering. Det er et grundlæggende arkitektonisk omdrejningspunkt. En fragmenteret, enkeltstående implementering af AI-agenter er en direkte sti til operativt kaos, skygge-IT og ikke-administrerbar teknisk gæld. Den eneste bæredygtige sti fremad er gennem en forenet, sammensat arkitektur. Ved at bygge på det gennemprøvede grundlag for API-ledet tilslutning leverer MuleSoft Agent Fabric det "centrale nervesystem", der kræves for at administrere denne nye digitale arbejdsstyrke. Den leverer de vigtige funktioner til opdagelse, orkestrering, styring af virksomhedsniveau og end-to-end-observation. Sådan bevæger vi os videre end AI-eksperimentering og begynder at arkitektere en virkelig intelligent, automatiseret og sikker virksomhed og omdanne autonom potentiale til konkrete, styrede forretningsresultater.

• Kom godt i gang med Anypoint Code Builder
• Teknisk vejledning til Einstein for Anypoint Code Builder: Generative forløb
• DataWeave Generative Transformation Deep Dive: AI-innovation til hurtig datatransformation
• Oprettelse af API-specifikationer med MuleSoft Dev Agent
• Generering af API-dokumentation med Einstein Generative AI
• Oversigt over MuleSoft MCP-server
• MuleSoft MCP-serverværktøjer
• MCP-forbindelse
• A2A-forbindelse
• Kom godt i gang med Agent Fabric
• Sikkerhed for agentinteraktioner med Flex Gateway
• Flex Gateway-agentpolitikker
• Oversigt over PDK (Flex Gateway Policy Development Kit)
• MuleSoft API-katalog til Salesforce
• Aktivering af et API-projekt for emner og agenthandlinger
• Samarbejd med Tableau Næste
• OpenTelemetry
• Modelkontekstprotokol
• Agent2Agent (A2A)-protokol

Nikhil Aggarwal er hovedarkitekt hos Salesforce, hvor han leder arkitektur for MuleSoft og Salesforce Automation Clouds. Nikhil har over 18 års erfaring med at levere produkter i stor skala og er passioneret for skalerbar arkitektur, intuitive udvikleroplevelser og opbygning af højtydende teams. Før Salesforce ledte han flere initiativer i Microsoft Power Platform, Dataverse og Office 365 fra koncept til lancering. Hans arbejde fortsætter med at forme, hvordan moderne virksomheder tilslutter systemer, automatiserer arbejdsflows og låser forretningsværdien op i den første æra af AI.