Overgangen til Agentic Enterprise representerer det mest betydningsfulle arkitektoniske skiftet siden skyen startet. Den lover enestående nivåer av produktivitet og automatisering, men den introduserer også dype utfordringer som er relatert til styring, sikkerhet og operasjonell kompleksitet. Bruk av en delvis tilnærming - distribusjon av agenter i enheter uten en forente strategi - er en direkte vei til teknisk gjeld og organisasjonskaos.

Distribusjon av agenter uten en sentral behandlingsplan skaper betydelig driftsrisiko, inkludert sikkerhetssårbarheter fra direkte systemtilgang, manglende observabilitet i agentinteraksjoner og -handlinger og høye kostnader på grunn av overflødige punkt-til-punkt-integrasjoner. Denne isolerte distribusjonsstrategien fører til et sprøtt miljø som er vanskelig å håndtere i stor skala. En bærekraftig modell krever en forent plattform for agentintegrering og styring.

MuleSoft tilbyr en omfattende, forent og åpen plattform som trygt veileder virksomheter gjennom hele deres reise. Den benytter virksomhetens eksisterende API-landskap som grunnlag for agenthandlinger, og akselererer opprettelse av nye agentklargjorte aktiva gjennom en klarert, AI-drevet livssyklus for utvikling. Gjennom støtte på bedriftsnivå for åpne standarder som modellkontekstprotokollen (MCP) og Agent2Agent-protokollene (A2A), gjør den disse aktivaene handlingsbare for både enkle kommandoer og komplekst samarbeid med flere agenter, uavhengig av hvordan AI-landskapet utvikler seg. MuleSoft Agent Fabric tilbyr en løsning for å oppdage, orkestrere, styre og observere hele agentøkosystemet. Gjennom denne integrerte tilnærmingen gir MuleSoft Agent Fabric et godt grunnlag for å skalere et nettverk av Klarerte AI-agenter, som transformerer løftet om AI til konkrete, automatiserte forretningsresultater og realiserer det fulle potensialet i intelligent virksomhet.

Den etablerte trelagstilnærmingen til API-ledet tilkobling - system-, prosess- og opplevelses-API-er - gir et kraftig rammeverk for strukturering av agenthandlinger.

• System-API-er tilbyr et konsistent, sikkert og abstrakt grensesnitt til underliggende postsystemer. De kobler agenter fra kompleksiteten i serverdelprotokoller og datamodeller, noe som sikrer at alle agenthandlinger utføres på styrte, pålitelige endepunkter.
• Prosess-API-er innkapsler kompleks forretningslogikk med flere trinn. Agenter trenger ikke å forstå den kompliserte orkestreringen som ligger bak opprettelse av salgsbestillinger, kontroll av lagerbeholdning eller initiering av forsendelser. De kan bruke Prosess-API-er (for eksempel Prosessbestilling) uten å måtte håndtere de underliggende kompleksitetene. Prosess-API-er sørger for en sikker, transaksjonell og reviderbar mekanisme for at agenter kan utføre forretningsprosesser, noe som dramatisk reduserer agentenes begrunnelse og sikrer at forretningsregler håndheves konsekvent.
• Opplevelses-API-er ble tradisjonelt designet for å betjene spesifikke brukergrensesnittprogrammer (for eksempel Bestillingsbehandling-appen), men de kan også brukes på nytt som kontekstrike handlinger for agenter. Dette gir agenter viktig informasjon for å utføre en gitt oppgave uten å kreve flere kall til nedstrøms systemer.

For å dekke den økende etterspørselen etter agentklargjorte verktøy og funksjoner må virksomheter øke hastigheten på utviklingen av API-ene og integrasjonene som danner det sammensettbare grunnlaget. MuleSoft løser denne utfordringen ved å bygge inn generativ AI direkte i utviklingslivssyklusen, noe som skaper en virtuøs syklus som bruker AI til å bygge de høykvalitets aktivaene som andre agenter forbruker.

For utviklere fungerer MuleSoft Vibes som en intelligent partner ved å automatisere de mest gjentagende aspektene ved integrasjonsutvikling og gi et forent, agentisk grensesnitt for hele livssyklusen for programvareutvikling. Gjennom MuleSoft Vibes i Anypoint Code Builder kan utviklere samhandle med generative funksjoner som leveres av de klarerte Einstein AI Pipelines, noe som gjør AI-støttet utviklingsprosess jevn og effektiv. Denne pipelinen - Inference Graph Execution Service (IGES) - er en flertrinns prosess som brukes til å oppnå resultater av høy kvalitet. Den består av jording, validering, feilkorreksjon og grundig evaluering.

• Generative flyter-funksjonen i MuleSoft Vibes bygger på rammeverket for Agentforce AI. Den transformerer forretningslogikk med naturlig språk (Brukerledetekster) til funksjonelle Mule-programmer. IGES Pipeline består av følgende trinn:
  • Samtalehistorikksammendrag: LLM analyserer gjeldende ledetekst og brukerens tidligere meldinger for å opprette en oppsummert ledetekst som fanger opp brukerhensikt og diskusjonshistorikk. Denne konsoliderte ledeteksten forbedrer nøyaktigheten av påfølgende datahentings- og genereringstrinn.
  • Flytsemantisk henting fra en vektordatabase: Systemet tar den oppsummerte ledeteksten fra forrige trinn og utfører et semantisk søk mot en vektordatabase som inneholder 200+ koblinger, 7000+ koblingsoperasjoner og 7000+ eksempelkodesnutter. Den henter de mest relevante koblingene, operasjonene og kodeeksemplene for å lage grunnlag for genereringsprosessen ved bruk av nøyaktige data, og sikrer at utdataene er i samsvar med MuleSofts omfattende koblingsøkosystem. I og med at MuleSoft er bransjestandard for koblinger og drift, gir denne tilgrunnen modellen rik kontekst og domenepresisjon som generelle LLM-er mangler.
  • Utvidelse: De hentede innholds- og samtalehistorikkmeldingene kombineres deretter med den oppsummerte ledeteksten. Denne utvidede ledeteksten veileder LLM til å redusere hallusinasjoner. Den inneholder også instruksjoner for å hindre generering av giftig innhold.
  • Flytgenerering: Dette trinnet bruker Einstein AI LLM-modellen til å generere rå XML-kode som er basert på konteksten og eksemplene som gis. Dette er kjernetrinnet i generering under behandling.
  • Påfølgende behandling og validering: Postprosessoren og valideringen kontrollerer koden for å sikre riktig syntaks og bruk av gyldige koblingsoperasjoner, mens en separat toksisitetskontroll flagger skadelig innhold.
  • Flertrinns feilkorreksjon: Hvis alle de første generasjonene er ugyldige, analyserer den automatiske feilkorrigeringsmekanismen feilmeldingene for å oppdage mønstre. Deretter sender den meldingen på nytt til LLM sammen med forbedrede feilmeldinger og korrigerende metadata.
  • Konfigurer filgenerering: Dette trinnet trekker ut relevante koblingsmetadata, utvider ledeteksten og sender den til LLM for å generere nøyaktige koblingskonfigurasjoner. Til slutt genereres alle POM- og XML-navneområder deterministisk med den nyeste versjonen av hver avhengighet, noe som eliminerer hallusinasjoner og sikrer konsistens.
• DataWeave Transformation Generering: Datatransformasjon er ofte den mest tidkrevende delen av integrasjonsutvikling. MuleSoft Vibes håndterer denne prosessen med en flertrinns tilnærming som ligner på genereringen av Mule Flow XML.
  • Hensiktsårsak: LLM analyserer brukerinndata- og utdatadataeksempler for å utlede og formulere transformasjonslogikk på høyt nivå på naturlig språk. Dette trinnet skiller brukerens mål fra de litterale dataverdiene som kan ha blitt oppgitt i ledeteksten.
  • DataWeave semantisk henting: For å finne den mest semantisk relevante DataWeave-funksjonsdokumentasjonen og fullstendige transformasjonseksempler bruker systemet den genererte ledeteksten fra forrige trinn som en spørring til vektordatabasen. Det baserer genereringsprosessen på bekreftet informasjon av høy kvalitet.
  • Utvidelse: De hentede funksjonene og eksemplene kombineres med den opprinnelige brukermeldingen for å opprette et kontekstbevisst sett med instruksjoner for det etterfølgende LLM-kallet, som påvirker LLMs virkemåte for å redusere hallusinasjoner.
  • DataWeave-generering: Dette trinnet bruker LLM-modellen til å generere et DataWeave-transformasjonsskript og en tilhørende forklaring som er basert på den gitte konteksten og eksemplene. Dette er kjernetrinnet i generering under behandling.
  • Påfølgende behandling og validering Det genererte skriptet evalueres mot to spesifikke målinger: gyldighet og korrekthet. Skriptet må kompileres uten syntaksfeil (gyldighet) og produsere forventede utdata når det kjøres med eksempelinndata (korrekthet).
  • Flertrinns feilkorreksjon: Hvis den første valideringen mislykkes, identifiserer dette tillegget feilkategoriene og korrigerer problemene i det genererte skriptet. Denne forbedringen bidrar til å forbedre den generelle suksessfrekvensen og nøyaktigheten av systemet.
  • Sluttbehandling og validering Det korrigerte skriptet fra feilkorreksjonsmodulen gjennomgår en ny valideringsprosess for å sikre at det er syntaksmessig gyldig og funksjonelt riktig. Denne siste kvalitetsporten sikrer at utdataene er nøyaktige og pålitelige før du sender dem tilbake til brukeren.
• Utviklere av API-spesifikasjoner og dokumenter: kan generere fullstendig validerte OpenAPI (OAS) eller RAML-spesifikasjoner ved å beskrive ønsket API på naturlig språk. MuleSoft Vibes henter inn ledeteksten (som inkluderer detaljer om ressurser, metoder, sikkerhetsskjemaer og parametere) og produserer en gyldig, syntaksmessig riktig API-definisjon. Etter generering kan det opprette dokumentasjon for API i Anypoint Exchange, som dekker alt fra godkjenning til endepunktsdetaljer og feilhåndtering, og frigjør utviklere fra disse typer kjedelige oppgaver.
• AI-assistent MUnit-generering: Kvalitetssikring er avgjørende for aktiva som forbrukes av autonome agenter. MuleSoft Vibes bidrar til å generere MUnit-testtilfeller direkte fra Mule-flytkoden. Dette bidrar til å undertrykke eksterne avhengigheter og deklarasjoner og identifisere vanlige testhull, noe som drastisk reduserer den manuelle innsatsen som kreves for å oppnå høy testdekning og sikre integreringslogikkens pålitelighet.

Utviklere trives i sine foretrukne miljøer. Det er derfor MuleSoft møter utviklere der de er, noe som gjør at de kan bygge integrasjoner i AI IDE etter eget valg. MuleSofts MCP-server viser utviklings-, distribusjons- og administrasjonsfunksjoner som MCP-verktøy som enhver VS Code-basert AI-innebygd IDE (for eksempel Cursor, Windsurf eller Trae) kan bruke til å samhandle med Anypoint Platform ved hjelp av naturlig språk.

Ved å pakke sin kjerne IDE-funksjonalitet i en standard VS Code-utvidelse, frakobler MuleSoft sine verktøy fra et merkeprofilert IDE-shell, noe som gjør det mulig å utvikle verktøy som er IDE-agnostisk. I stedet for å konkurrere med den raske utviklingen av IDE-er, tillater dette arkitekturvalget at MuleSofts utviklingsverktøy forblir kompatible og tilgjengelig på tvers av det voksende økosystemet med moderne, AI-drevne IDE-er.

I et Agentic Enterprise er det nødvendig å ha et robust grunnlag for komponerbare API-er, men ikke tilstrekkelig. Det neste kritiske trinnet er å sikre at disse aktivaene kan oppdages, forstås og kalles opp av AI-agenter. Dette krever et "handlingskapasjonslag" som bygger på åpne standarder som er spesielt utformet for agentisk kommunikasjon. MuleSoft leverer verktøy på bedriftsnivå for de to dominerende nye protokollene:

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

MCP har raskt dukket opp som bransjestandard for agent-til-verktøy-kommunikasjon, noe som er analogt med hva REST ble for nettjenester. Med MCP kan AI-agenter dynamisk oppdage et systems evner, forstå dets inndata og utdata og kalle det opp for å utføre en handling, alt uten å kreve forhåndsprogrammering eller hardkodet logikk.

Med MuleSoft MCP-koblingen kan alle API-er som er implementert som et Mule-program, publiseres som en MCP-server. Siden MuleSoft tilbyr hundrevis av forhåndsbygde koblinger til praktisk talt alle store virksomhetssystemer (for eksempel SaaS, eldre databaser og databaser), transformerer dette umiddelbart en organisasjons API-er og programmer til et sett agentklarte verktøy. En API som er utformet for å sjekke lagerbeholdning i SAP, en flyt som behandler et nytt salgsemne i Salesforce, eller et tilpasset program som er koblet via MuleSoft, kan alle gjøres tilgjengelig for AI-agenter som atomære, styrte verktøy ved bruk av MCP-koblingen.

Mens MCP skiller seg ut i hierarkiske, agent-oppkall-verktøy-interaksjoner, krever komplekse forretningsprosesser ofte samarbeid mellom flere spesialiserte agenter. Agent-til-agent-protokollen (A2A) er den nye åpne standarden som er utformet for å lette node-til-node-kommunikasjon som muliggjør avanserte arbeidsflyter for flere agenter.

Med MuleSofts støtte for A2A kan virksomheter utforme og bygge avanserte systemer med samme nivå av styring og pålitelighet som de forventer for sine API-er. Med MuleSoft A2A-koblingen kan utviklere enkelt eksponere en agent som en A2A-server, eller kalle opp en hvilken som helst A2A-kompatibel agent fra et Mule-program. En prosess for lånesøknad kan for eksempel orkestreres på tvers av en "Credit Check Agent", en "Document Signature Agent" og en "Regulatory Compliance Agent", der hver agent oppdager og kaller opp andres muligheter (etter behov) for å flytte søknaden fremover.

Ved å tilby robust verktøy på bedriftsnivå for MCP og A2A støtter MuleSoft bygging av et fleksibelt økosystem som består av direkte agent-til-system-interaksjoner (via MCP-verktøy) og agent-til-agent-interaksjoner (A2A). Uavhengig av hvordan AI-landskapet utvikler seg, posisjonerer denne tilnærmingen MuleSoft som det underliggende grunnlaget som kobler sammen alle former for agentisk kommunikasjon.

Etter hvert som virksomheter tar i bruk agentisk AI, står de uunngåelig overfor utfordringen med agentspredning. For å hindre at dette nedbrytes til kaos, kreves det et dedikert orkestreringslag. MuleSoft Agent Fabric (demonstrasjon) er en omfattende arkitektonisk løsning som er utviklet for å løse denne utfordringen direkte. Den sørger for en sentral behandlingsplan for å oppdage, styre, orkestrere og observere hele nettverket av AI-agenter, uavhengig av hvor de er bygd eller hvordan de opererer. MuleSoft Agent Fabric fungerer som "flytstyring" for virksomhetens digitale arbeidsstyrke, og transformerer en samling fragmenterte, isolerte agenter til et sammenhengende, sikkert og høyt ytende etterretningsnettverk.

MuleSoft Agent Fabric er bygd på fire integrerte søyler som dekker fullstendig livssyklusbehandling for agenter som førsteklasses bedriftsaktiva.

Grunnlaget for alle administrerte økosystemer er oppdagelsesmuligheter. Agenteregistretet fungerer som den universelle, sentraliserte katalogen for alle agenter i virksomheten. Dette inkluderer tilpassede agenter, agenter som er innebygd i SaaS-programmer, MCP-servere som viser eldre systemer, og A2A-endepunkter for samarbeid mellom agenter. Ved å tilby en enkelt sannhetskilde løser Agent Registry det kritiske oppdagelsespørsmålet ved å hindre at team bygger overflødige funksjoner, og gi menneskelige utviklere og andre AI-agenter mulighet til dynamisk å finne og gjenbruke eksisterende aktiva i stor skala.

Agentregisteret er bygget på Anypoint Exchange, og det legger til tre nye aktivumtyper: Agenter, MCP-servere og LLM-er. Den fanger opp informasjon om disse aktivaene, inkludert MCP-verktøy, transportprotokoller og agentkort, i tillegg til avhengighetene mellom agenter og MCP-serverne og verktøyene de bruker. Utviklere kan opprette og behandle aktiva direkte i registeret. De kan også programmatisk oppdage og gjenbruke eksisterende aktiva i MuleSoft Vibes (via MuleSoft MCP Servers search_asset verktøy) når de oppretter nye orkestreringer. Dette gir utviklere all informasjonen de trenger for å forstå og bruke disse aktivaene.

Når aktiva oppdages, må de orkestreres for å utføre nyttig arbeid. Agent Broker er en orkestreringstjeneste som utfører flertrinns forretningsprosesser. Den bruker en konfigurerbar LLM til å tolke oppgaver på høyere nivå og generere tilsvarende arbeidsflyter. Agentmegleren oppdager, sekvenserer og kaller opp de nødvendige agentene og verktøyene dynamisk for å fullføre disse prosessene.

Tilkoblingen administreres via MCP for verktøy og en A2A-protokoll for agenter. Dette gir systemet mulighet til å organisere agenter i forretningsspesifikke domener (for eksempel Supply Chain eller Finance) og rute oppgaver på tvers av dem alle. En enkelt, naturlig språklig ledetekst (for eksempel "I en ansatt") brytes ned i en sekvens av diskrete handlinger som utføres av forskjellige agenter eller verktøy på tvers av flere serverdelsystemer. Agent Broker Orchestration inkluderer følgende:

• Dynamisk orkestreringsmønster: Dette er et Agent-Loop-mønster som bestemmer underoppgaver og orkestrerer dem på tvers av de mest egnede agentene og verktøyene for å oppnå det generelle målet. Ved å utnytte dette mønsteret kan samarbeidsagenter bygges for å løse komplekse bruksområder (for eksempel håndtering av en kompleks tjenesteeskalering).
• LLM-drevet resonans: Bruker en LLM til å tolke mål for naturlig språk og generere utførelsesplaner, noe som fjerner behovet for hardkodet, stiv arbeidsflytlogikk.
• Konfigurerbar LLM modell: Lar utviklere angi hvilken LLM-modell som skal brukes, som gir kontroll over kostnad, ytelse og funksjoner.
• Naturlig språkutvikling: Agent Megler logikk kan defineres med naturlig språk via MuleSoft Vibes.
• Observability: Anypoint Monitoring sørger for logging og sporing ved distribusjon for å hjelpe brukerne med å forstå og feilsøke Agent Brokers resonnement og interaksjoner med MCP-verktøy og A2A-agenter.
• Administrert distribusjon: Agent Broker er et beholderbasert program som støttes av Mule Runtime, som administrerer tilgjengelighet og skalerbarhet av distribusjonen.

Anypoint Flex Gateway er mekanismen som bestemte policyer håndheves teknisk gjennom. MuleSoft Agent Fabric bruker Anypoint Flex Gateway til å sikre, inspisere og administrere hver agentisk interaksjon som skjer via MCP- og A2A-protokoller. Dette gjør det mulig for organisasjoner å bruke et omfattende sett policyer på bedriftsnivå på all agentisk trafikk for å sikre at hver handling er sikker, samsvarende og reviderbar før den utføres. For å skalere AI-tilpassing på en sikker og ansvarlig måte er disse vakthullene avgjørende.

Enterprise Governance-policyer for agentiske protokoller

I tillegg til å styre innkommende forespørsler behandler Anypoint Flex Gateway også alle utgående tilkoblinger og forespørsler fra en agent til eksterne tjenester (for eksempel MCP Servers and Tools eller andre agenter). Dette inkluderer følgende:

• Logge: Gir et sentralisert observasjonspunkt for å overvåke og logge alle utgående agentforespørsler for revisjon og feilsøking.
• Sikkerhet: Hindrer følsom datalekkasje ved å inspisere utgående trafikk.
• Godkjenning: Behandler legitimasjon for eksterne systemer ved å bruke utgående godkjenningsmekanismer, inkludert API-nøkler, OAuth og ClientId/ClientSecret fra ett enkelt sted.

Med Anypoint Flex Gateway Policy Development Kit (PDK) kan brukere opprette tilpassede policyer når forhåndsdefinerte policyer ikke oppfyller spesifikke krav. Ved å bruke PDK kan utviklere skrive policy logikk i Rust programmeringsspråket og kompilere det til en WebAssembly (WASM) modul. Den frittstående modulen lastes deretter inn i Anypoint Flex Gateway for å håndheve unike sikkerhetsregler, tilpassede data-transformasjoner eller spesialisert integreringslogikk direkte ved API-kant. Dette gir en kraftig og ytelsesrik måte å utvide gatewayfunksjonalitet på for unike eller komplekse brukstilfeller.

Her er de fire viktigste komponentene i PDK:

• Anypoint CLI PDK Plugin: Dette plugin oppretter PDK prosjektet og laster opp den kompilerte policyen til Exchange. Det genererer også en Makefile som forenkler utviklingsprosessen ved å gi et tydelig sett kommandoer for å bygge og behandle policyen.
• Policymal: Når et nytt prosjekt opprettes, genererer PDK et grunnleggende stativ eller mal. Denne strukturen inkluderer alle de nødvendige filene og konfigurasjonen som kreves for å kompilere policyen, noe som gir utviklere et utgangspunkt for tilpasset logikk.
• SDK byggeverktøy: Disse verktøyene abstrakterer den komplekse, hendelsesdrevne arkitekturen til den underliggende Envoy-proxyen. Ved å bruke reaktor- og utførelsesmønstre gir SDK en enkel, lineær kodingsmetode. Dette bidrar til å redusere kompleksiteten, forbedre feilsøking og redusere læringskurven for utviklere.
• Policy Management: MuleSoft MCP Server har MCP-verktøy som hjelper brukerne med å administrere livssyklusen til den tilpassede policyen. Eksempler på disse verktøyene er:
  • get_flex_gateway_policy_example
  • manage_api_instance_policy
  • manage_flex_gateway_policy_project

Agent Visualizer gir et sanntids dynamisk kart over hele agentnettverket, og gjør det som kan være en "svart boks" av AI-interaksjoner til et fullt observerbart system. Arkitekter og driftsteam kan bruke Agent Visualizer til å se gjennom hvordan agenter er tilkoblet, spore beslutningsflyter, overvåke tilstanden og ytelsen deres og identifisere avhengigheter. Dette synlighetsnivået er avgjørende for å optimalisere ytelsen, feilsøke feil effektivt, oppdage flaskehalser og bygge tillit til distribuerte agenter.

MuleSoft API-katalogen og emnesenteret er utformet for å forbedre måten API-er oppdages, brukes og administreres på, spesielt i samarbeid med Agentforce.

Alle MuleSoft API-er som er utformet og publisert, kan gjøres oppdagbare og forbrukbare via API-katalogen i Salesforce Platform. API-katalogen fungerer som det sentraliserte oppbevaringsstedet, og den forener alle organisasjonens API-er fra MuleSoft, Salesforce, Heroku og andre skyer i en enkelt visning. Dette gjør det enkelt for utviklere og administratorer å oppdage, forstå og gjenbruke eksisterende API-er ved å gjøre det mulig å bruke dem i automatiseringer (for eksempel Agentforce, Flow og Apex).

MuleSoft for Agentforce: Med Emnesenter kan utviklere strukturere sine API-er rundt spesifikke forretningsbrukstilfeller ved å definere Agentforce Emner og Handlinger-metadata på selve utformingstidspunktet. Dette inkluderer følgende:

• Handlinger, som er oppgavene som en agent kan utføre
• Instruksjoner som veileder agenten om hvordan bestemte handlinger skal utføres

Ved å legge til dette semantiske laget gjør emnesenteret API-er forståelige og forbrukbare for Agentforce, noe som sikrer at det kan samhandle effektivt med bedriftssystemer.

Agentforce Gateway er et sentralisert styringslag som er utformet for å administrere og sikre interaksjoner innenfor det voksende Agentforce økosystemet. Siden Agentforce integreres med andre tredjeparts API-er og verktøy via protokoller som MCP, er den primære funksjonen til Agentforce Gateway å håndheve policyer (for eksempel grenser og verktøyrestriksjoner) for all utgående trafikk som initieres av Agentforce, og kontrollere alle utgående forespørsler.

Agentforce Gateway benytter den eksisterende MuleSoft API-policymotoren for styring, som er innebygd som standard i Salesforce Platform. Denne Envoy-baserte policymotoren fanger opp agenttrafikk, bruker konfigurerte policyer (for eksempel attributtbasert tilgangskontroll og kvotegrenser) og administrerer godkjenning og godkjenning, alt uten at kunder må installere ytterligere gatewayinfrastruktur.

Distribusjon av et styrt nettverk av agenter er en milepæl. Det introduserer imidlertid nye dag 2-operative utfordringer. Det kreves et forbedret nivå av operasjonell intelligens for å overvåke, måle og feilsøke et dynamisk, distribuert system med autonome aktører. Den ultimate arkitektoniske visjonen er et system der AI ikke bare brukes til å utføre forretningsprosesser, men også til å overvåke, behandle og helbrede selve infrastrukturen den kjører på.

MuleSofts visjon for integrasjonsintelligens benytter kraften i det bredere Salesforce økosystemet til å gi dyp, tilpassbar innsikt i ytelsen til integrasjonsteksten og det agentiske nettverket. Ved å fange opp og lagre data som samsvarer med OpenTelemetry (OTEL) - den nye standarden for observabilitet - i Salesforce Data 360, kan organisasjoner opprette et forent repositorium for logger, målinger og sporinger på tvers av hele landskapet. Disse dataene kan vises i Tableau via forhåndsbygde kontrollpaneler og tilpassede visualiseringer for å få detaljert innsikt i API-ytelse, agentinteraksjonsmønstre og generell systemtilstand.

Dette systemet har tre viktige komponenter:

1. Inntak: Inntakstjenesten er det sentrale inngangspunktet for å samle inn og behandle telemetridata fra ulike Mule-applikasjoner, Agent Brokers og Flex Gateways. Den utfører skjemavalidering, datanormalisering og filtrering for å opprettholde datakvalitet og konsistens på tvers av ulike programmer. I tillegg håndhever den kontroller (for eksempel godkjenning, kryptering, leietagerrettferdighet og frekvensbegrensning) under behandling.
2. Lagring: En strømmetjeneste med stor trafikk kjører i Data 360 som leser data fra emner for flere leietagere og transformerer dem til OTEL-_formatet. OTEL-data blir deretter knyttet til leietagerens _Data 360 i TelemetryTraceSpan, TelemetryLogs og TelemetryMetrics DMO-er i Lakehouse.
3. Visualisering/Forbruk: Med telemetridataene som er tilgjengelig i Data 360, kan kunder se gjennom systemtilstanden og få innsikt ved å bruke forhåndsbygde eller tilpassede kontrollpaneler via Tableau Next. Kunder kan også benytte seg av Tableau Concierge, som er en forhåndsbygd, agentisk analytisk ferdighet i Tableau Next, som lar brukere stille spørsmål om telemeterdata på naturlig språk og motta pålitelige, handlingsrettede svar med visualiseringer. Kunder kan også eksportere dataene til eksisterende application performance management (APM) systemer (for eksempel DynaTrace, Datadog, Splunk og så videre).

Overgangen til et Agentic Enterprise er ikke bare en IT-oppgradering, det er et grunnleggende arkitektonisk tilbakeløpspunkt. En fragmentert, isolert distribusjon av AI-agenter er en direkte bane til operasjonelt kaos, skyggeinformasjon og ikke-administrerbar teknisk gjeld. Den eneste bærekraftige banen fremover er gjennom en forent, komponerbar arkitektur. Ved å bygge på det velprøvde grunnlaget for API-ledet tilkobling leverer MuleSoft Agent Fabric det sentrale nervesystemet som kreves for å administrere denne nye digitale arbeidsstyrken. Den gir viktige funksjoner for oppdagelse, orkestrering, styring på bedriftsnivå og ende-til-slutt-observerbarhet. Slik beveger vi oss utover AI-eksperimentering og begynner å arkitektere en virkelig intelligent, automatisert og sikker virksomhet, og transformerer autonomt potensial til konkrete, styrte forretningsutfall.

• Komme i gang med Anypoint Code Builder
• Teknisk veiledning til Einstein for Anypoint Code Builder: Generative flyter
• DataWeave generative transformasjon Deep Dive: AI-innovasjon for rask datatransformasjon
• Opprette API-spesifikasjoner med MuleSoft Dev Agent
• Generere API-dokumentasjon med Einstein Generative AI
• MuleSoft MCP Server Oversikt
• MuleSoft MCP Server-verktøy
• MCP-kobling
• A2A-kobling
• Komme i gang med Agent Fabric
• Sikker agentinteraksjoner med Flex Gateway
• Flex Gateway Agent-policyer
• Flex Gateway Policy Development Kit (PDK) Oversikt
• MuleSoft API-katalog for Salesforce
• Aktivering av et API-prosjekt for emner og agenthandlinger
• Arbeide med Tableau Neste
• OpenTelemetry
• Model Context Protocol
• Agent2Agent (A2A)-protokoll

Nikhil Aggarwal er hovedarkitekt i Salesforce, der han leder arkitektur for MuleSoft og Salesforce Automation Clouds. Nikhil har over 18 års erfaring med å levere produkter i stor skala, og er opptatt av skalerbar arkitektur, intuitive utvikleropplevelser og å bygge team med høy ytelse. Før Salesforce ledet han flere initiativer i Microsoft Power Platform, Dataverse og Office 365 fra konsept til oppstart. Arbeidet hans fortsetter å forme hvordan moderne virksomheter kobler sammen systemer, automatiserer arbeidsflyter og låser opp forretningsverdi i AI-første æra.