Övergången till Agentic Enterprise representerar det mest betydande arkitektoniska skiftet sedan molnets gryning. Det lovar oöverträffade nivåer av produktivitet och automatisering, men det introducerar även djupa utmaningar som relaterar till styrning, säkerhet och operativ komplexitet. Att använda ett fragmenterat tillvägagångssätt - att distribuera agenter i silos utan en enhetlig strategi - är en direkt väg till teknisk skuld och organisatoriskt kaos.

Att distribuera agenter utan ett centralt hanteringsplan skapar betydande operativa risker, inklusive säkerhetsrisker från direkt systemåtkomst, brist på observerbarhet i agentinteraktioner och åtgärder och höga kostnader på grund av överflödiga punkt-till-punkt-integreringar. Denna silobaserade distributionsstrategi resulterar i en spröd miljö som är svår att hantera i stor skala. En hållbar modell kräver en enhetlig plattform för agentintegrering och styrning.

MuleSoft erbjuder en omfattande, enhetlig och öppen plattform för att tryggt guida företag under hela deras resa. Den använder företagets befintliga API-landskap som grund för agentåtgärder och snabbar på skapandet av nya agentredo tillgångar genom en betrodd, AI-driven utvecklingslivscykel. Genom stöd för öppna standarder som Model Context Protocol (MCP) och Agent2Agent (A2A) i företagsklass gör det dessa tillgångar användbara för både enkla kommandon och komplext samarbete mellan flera agenter, oavsett hur AI-landskapet utvecklas. MuleSoft Agent Fabric erbjuder en lösning för att upptäcka, orkestrera, styra och observera hela agentens ekosystem. Genom denna integrerade metod ger MuleSoft Agent Fabric en beprövad grund för att skala upp ett nätverk av Betrodda AI agenter, som omvandlar löftet om AI till konkreta, automatiserade verksamhetsresultat och förverkligar den fulla potentialen hos det intelligenta företaget.

Den etablerade trelagersmetoden för API-ledd anslutning - System, Process och Experience API - ger ett kraftfullt ramverk för att strukturera agenters handlingskraft.

• System-API erbjuder ett enhetligt, säkert och abstrakt gränssnitt till underliggande postsystem. De kopplar bort agenter från komplexiteten hos backendprotokoll och datamodeller, vilket säkerställer att alla agentåtgärder utförs på styrda, pålitliga slutpunkter.
• Process-API:n innehåller komplex affärslogik i flera steg. Agenter behöver inte förstå den komplicerade orkestrering som ligger bakom att skapa försäljningsordrar, kontrollera lager eller inleda leveranser. De kan använda Process API (till exempel "Processorder") utan att behöva hantera de underliggande komplexiteterna. Process-API:er ger en säker, transaktionell och granskningsbar mekanism för agenter att utföra verksamhetsprocesser, vilket dramatiskt minskar agentresonemanget som behövs och säkerställer att verksamhetsregler tillämpas enhetligt.
• Upplevelse-API:n har traditionellt utformats för att serva specifika användargränssnittprogram (till exempel Orderhanteringsapp). De kan dock även återanvändas som sammanhangsrika åtgärder för agenter. Detta ger agenter viktig information för att utföra en uppgift utan att kräva flera samtal till system längre ner.

För att möta den ökande efterfrågan på agentredo verktyg och kapacitet måste företag snabba på utvecklingen av de API:n och integreringar som utgör den sammansatta grunden. MuleSoft hanterar denna utmaning genom att bädda in generativ AI direkt i utvecklingslivscykeln, vilket skapar en positiv cykel som använder AI för att bygga högkvalitativa tillgångar som andra agenter konsumerar.

För utvecklare fungerar MuleSoft Vibes som en intelligent partner genom att automatisera de mest repetitiva aspekterna av integreringsutveckling och tillhandahålla ett enhetligt, agentiskt gränssnitt för hela programvaruutvecklingens livscykel. Genom MuleSoft-vibbar i Anypoint Code Builder interagerar utvecklare med skapande kapacitet som drivs av betrodda Einstein AI-pipelines, vilket gör den AI-stödda utvecklingsprocessen smidig och effektiv. Denna pipeline - Inference Graph Execution Service (IGES) - är en process i flera steg som används för att uppnå resultat av hög kvalitet. Den består av jordning, validering, felkorrigering och noggrann utvärdering.

• Kapaciteten för generativa flöden i MuleSoft Vibes bygger på ramverket Agentforce AI. Den transformerar affärslogik på naturligt språk (Användaruppmaningar) till funktionella Mule-program. IGES-pipeline består av följande steg:
  • Sammanfattning av konversationshistorik: LLM analyserar den aktuella uppmaningen och användarens tidigare meddelanden för att skapa en sammanfattad uppmaning som samlar in användarens syfte och konversationshistorik. Denna konsoliderade uppmaning förbättrar precisionen för efterföljande steg för att hämta och skapa data.
  • Flödessemantisk hämtning från en vektordatabas: Systemet tar den sammanfattade uppmaningen från föregående steg och utför en semantisk sökning mot en vektordatabas som innehåller över 200 anslutare, över 7 000 anslutaroperationer och över 7 000 exempel på kodstycken. Den hämtar de mest relevanta anslutarna, operationerna och kodexemplen för att grunda skapandeprocessen med korrekta data och säkerställer att utdata anpassas till MuleSofts omfattande ekosystem av anslutare. Eftersom MuleSoft är branschstandarden för anslutare och operationer ger denna jordning modellen en rik sammanhangs- och domänprecision som generiska LLM saknar.
  • Utökning: Det hämtade innehållet och konversationshistorikmeddelanden kombineras sedan med den sammanfattande uppmaningen. Denna utökade uppmaning guidar LLM för att minska hallucinationer. Den innehåller även instruktioner för att förhindra att giftigt innehåll skapas.
  • Flödesskapande: Detta steg använder Einstein AI LLM-modellen för att skapa rå XML-kod som baseras på sammanhanget och de exempel som ges. Detta är kärnsteget i produktionspipeline.
  • Efterbearbetning och validering: Efterbehandlaren och valideraren kontrollerar koden för att säkerställa korrekt syntax och användning av giltiga anslutaroperationer medan en separat toxicitetskontroll flaggar skadligt innehåll.
  • Felkorrigering i flera steg: Om alla inledande skapande är ogiltiga analyserar den automatiserade felkorrigeringsmekanismen felmeddelandena för att upptäcka mönster. Sedan skickar den uppmaningen igen till LLM tillsammans med utökade felmeddelanden och korrigerande metadata.
  • Skapande av konfigurationsfil: Detta steg extraherar relevanta anslutarmetadata, utökar uppmaningen och skickar den till LLM för att skapa korrekta anslutarkonfigurationer. Slutligen skapas alla POM- och XML-namnutrymmen deterministiskt med den senaste versionen av varje beroende, vilket eliminerar hallucinationer och säkerställer enhetlighet.
• DataWeave-transformationsskapande: Datatransformation är ofta den mest tidskrävande delen av integreringsutvecklingen. MuleSoft Vibes hanterar denna process med flerstegsmetoden som liknar skapandet av MuleFlow XML.
  • Resonemang om syfte: LLM analyserar dataexempel för användarinmatning och utdata för att härleda och artikulera transformationslogik på hög nivå på naturligt språk. Detta steg separerar användarens mål från de bokstavliga datavärden som kan ha angetts i uppmaningen.
  • Semantisk hämtning av DataWeave: För att hitta den mest semantiskt relevanta DataWeave-funktionsdokumentationen och fullständiga transformationsexempel använder systemet den genererade uppmaningen från föregående steg som en sökfråga till vektordatabasen. Detta grundar skapandeprocessen i verifierad information av hög kvalitet.
  • Utökning: De hämtade funktionerna och exemplen kombineras med den ursprungliga användaruppmaningen för att skapa en sammanhangsmedveten uppsättning instruktioner för det efterföljande LLM-anropet, vilket påverkar LLM:s beteende för att minska hallucinationer.
  • Skapande av DataWeave: Detta steg använder LLM-modellen för att skapa ett DataWeave-transformationsskript och en medföljande förklaring som baseras på det sammanhang och de exempel som tillhandahålls. Detta är kärnsteget i produktionspipeline.
  • Efterbearbetning och validering Det skript som skapas utvärderas mot två specifika mått: giltighet och korrekthet. Skriptet måste kompilera utan syntaxfel (validitet) och producera den förväntade utmatningen när det körs med hjälp av exempelinmatningen (korrekthet).
  • Felkorrigering i flera steg: Om den inledande valideringen misslyckas identifierar denna plugin felkategorierna och åtgärdar problemen i det skapade skriptet. Denna förfining hjälper till att förbättra systemets övergripande resultat och precision.
  • Slutgiltig efterbearbetning och validering Det korrigerade skriptet från felkorrigeringsmodulen genomgår en omvalideringsprocess för att säkerställa att det är syntaktiskt giltigt och funktionellt korrekt. Denna slutgiltiga kvalitetsgrind säkerställer att utmatningen är korrekt och pålitlig innan den skickas tillbaka till användaren.
• Utvecklare av API-specifikationer och dokumentationsskapande: kan skapa fullständigt validerade specifikationer för OpenAPI (OAS) eller RAML genom att beskriva önskad API på naturligt språk. MuleSoft Vibes tar in uppmaningen (som innehåller detaljer om resurser, metoder, säkerhetsscheman och parametrar) och skapar en giltig, syntaktiskt korrekt API-definition. Efter skapande kan den skapa dokumentation för API i Anypoint Exchange, som täcker allt från autentisering till slutpunktsdetaljer och felhantering, vilket frigör utvecklare från dessa typer av tråkiga uppgifter.
• AI-assisterat MUnit-skapande: Kvalitetssäkring är av största vikt för tillgångar som konsumeras av autonoma agenter. MuleSoft Vibes hjälper till att skapa MUnit-testfall direkt från Mule-flödeskoden. Detta hjälper till att håna externa beroenden och kontroller och identifiera vanliga testluckor, vilket drastiskt minskar den manuella ansträngning som krävs för att uppnå hög testtäckning och säkerställa integreringslogikens tillförlitlighet.

Utvecklare trivs i sina föredragna miljöer. Därför möter MuleSoft utvecklare där de är, vilket låter dem bygga integreringar i sin AI IDE. MuleSofts Model Context Protocol (MCP)-server exponerar utvecklings-, distribuerings- och hanteringsfunktioner som MCP-verktyg som alla VS Code-baserade AI-baserade IDE (till exempel Markör, Vindsurf eller Spår) kan använda för att interagera med Anypoint Platform med naturligt språk.

Genom att paketera sin kärnfunktionalitet i ett standardtillägg för VS Code kopplar MuleSoft bort sina verktyg från ett varumärkt IDE-skal, vilket gör att utvecklingsverktyg kan vara IDE-agnostiska. Istället för att konkurrera med den snabba utvecklingen av IDE:er låter detta arkitekturval MuleSofts utvecklingsverktyg förbli kompatibla och tillgängliga i det växande ekosystemet av moderna, AI-drivna IDE:er.

I ett Agentic Enterprise är det nödvändigt att ha en robust grund av sammansatta API:n, men otillräckligt. Nästa viktiga steg är att säkerställa att dessa tillgångar är upptäckbara, begripliga och åberopbara av AI-agenter. Detta kräver ett "åtgärdslager" som bygger på öppna standarder som är utformade specifikt för agentisk kommunikation. MuleSoft tillhandahåller verktyg i företagsklass för de två dominerande framväxande protokollen:

• MCP för agent-till-system-interaktioner
• A2A för agent-till-agent-interaktioner

MCP har snabbt växt fram som branschstandard för agent-till-verktyg-kommunikation, vilket är analogt med vad REST blev för webbtjänster. MCP låter AI-agenter dynamiskt upptäcka ett systems kapacitet, förstå dess indata och utdata och åberopa det för att utföra en åtgärd, utan att kräva förprogrammerad eller hårdkodad logik.

MuleSoft MCP-anslutaren låter alla API som implementeras som ett Mule-program publiceras som en MCP-server. Eftersom MuleSoft tillhandahåller hundratals färdigbyggda anslutare till praktiskt taget alla större företagssystem (till exempel SaaS, äldre och databaser) omvandlar detta omedelbart en organisations API:er och program till en uppsättning agentredo verktyg. Ett API som är utformat för att kontrollera lager i SAP, ett flöde som bearbetar ett nytt lead i Salesforce eller ett eget program som är anslutet via MuleSoft kan alla göras tillgängligt för AI-agenter som atomstyrda verktyg med hjälp av MCP-anslutaren.

Även om MCP är utmärkt på hierarkiska interaktioner mellan agenter som åberopar verktyg, kräver komplexa verksamhetsprocesser ofta samarbete mellan flera specialiserade agenter. Protokollet Agent-till-agent (A2A) är den framväxande öppna standarden som är utformad för att underlätta peer-to-peer-kommunikation som möjliggör sofistikerade arbetsflöden med flera agenter.

MuleSofts stöd för A2A låter företag designa och bygga avancerade system med samma nivå av styrning och pålitlighet som de förväntar sig för sina API. Med MuleSoft A2A-anslutaren kan utvecklare enkelt visa vilken agent som helst som en A2A-server eller åberopa vilken A2A-kompatibel agent som helst från ett Mule-program. Till exempel kan en inteckningsansökningsprocess vara orkestrerad över en "Kreditkontrollagent", en "Dokumentsignaturagent" och en "Regulatory Compliance Agent", där varje agent upptäcker och åberopar de andras kapacitet (efter behov) för att föra ansökan framåt.

Genom att tillhandahålla robusta, företagsanpassade verktyg för MCP och A2A stöder MuleSoft att bygga ett flexibelt ekosystem som består av direkta agent-till-system-interaktioner (via MCP-verktyg) och agent-till-agent-interaktioner (A2A). Oavsett hur AI-landskapet utvecklas placerar detta tillvägagångssätt MuleSoft som den underliggande grunden som kopplar samman alla former av agentisk kommunikation.

När företag börjar använda agentisk AI ställs de oundvikligen inför utmaningen med agentspridning. För att förhindra att detta övergår i kaos krävs ett särskilt orkestreringslager. MuleSoft Agent Fabric (demo) är en omfattande arkitektonisk lösning som utformats för att hantera denna utmaning rakt på sak. Det ger ett centralt hanteringsplan för att upptäcka, styra, orkestrera och observera hela nätverket av AI-agenter, oavsett var de är byggda eller hur de arbetar. MuleSoft Agent Fabric fungerar som "flygledare" för företagets digitala arbetsstyrka och omvandlar en samling fragmenterade, silobaserade agenter till ett sammanhållet, säkert och högpresterande intelligensnätverk.

MuleSoft Agent Fabric bygger på fyra integrerade pelare som täcker hela livscykelhanteringen för agenter som förstklassiga företagstillgångar.

Grunden för alla hanterade ekosystem är upptäckbarhet. Agentregistret fungerar som den universella, centraliserade katalogen för varje agenttillgång inom företaget. Detta inkluderar specialbyggda agenter, agenter som är inbäddade i SaaS-program, MCP-servrar som exponerar äldre system och A2A-slutpunkter för samarbete mellan agenter. Genom att tillhandahålla en enda källa till sanning löser agentregistret det kritiska upptäcktsproblemet genom att förhindra team från att bygga överflödig kapacitet och låta mänskliga utvecklare och andra AI-agenter dynamiskt hitta och återanvända befintliga tillgångar i stor skala.

Agentregistret bygger på Anypoint Exchange och lägger till tre nya tillgångstyper: Agenter, MCP-servrar och LLM. Den samlar in information om dessa tillgångar, inklusive MCP-verktyg, transportprotokoll och agentkort, samt beroenden mellan agenter och MCP-servrar och verktyg som de använder. Utvecklare kan skapa och hantera tillgångar direkt i registret. De kan även programmatiskt upptäcka och återanvända befintliga tillgångar i MuleSoft Vibes (via MuleSoft MCP Servers search_asset-verktyg) när de skapar nya orkestreringar. Detta ger utvecklare all information de behöver för att förstå och konsumera dessa tillgångar.

När tillgångar är upptäckbara måste de vara orkestrerade för att utföra användbart arbete. Agentmäklaren är en orkestreringstjänst som utför verksamhetsprocesser i flera steg. Den använder en konfigurerbar LLM för att tolka uppgifter på hög nivå och skapa motsvarande arbetsflöden. Agentmäklaren upptäcker, sekvenserar och åberopar agenter och verktyg som behövs för att utföra dessa processer dynamiskt.

Anslutning hanteras via MCP för verktyg och ett A2A protokoll för agenter. Detta låter systemet organisera agenter i verksamhetsspecifika domäner (till exempel Leveranskedja eller Finans) och dirigera uppgifter över dem alla. En enskild uppmaning på naturligt språk (till exempel ”Ombord på en anställd”) delas upp i en sekvens av diskreta åtgärder som utförs av olika agenter eller verktyg i flera backendsystem. Agentmäklarorkestrering inkluderar:

• Dynamiskt orkestreringsmönster: Detta är ett Agent-Loop-mönster som avgör underuppgifter och orkestrerar dem över de agenter och verktyg som passar bäst för att uppnå det övergripande målet. Genom att använda detta mönster kan medarbetare byggas för att lösa komplexa användningsfall (till exempel att hantera en komplex serviceomflyttning).
• LLM-drivet resonemang: Använder en LLM för att tolka mål på naturligt språk och skapa genomförandeplaner, vilket tar bort behovet av hårdkodad, rigid arbetsflödeslogik.
• Konfigurerbar LLM-modell: Låter utvecklare specificera vilken LLM-modell som ska användas, vilket ger kontroll över kostnad, prestanda och kapacitet.
• Utveckling av naturligt språk: Agentmäklarlogik kan definieras med naturligt språk via MuleSoft Vibes.
• Observerbarhet: Anypoint Monitoring tillhandahåller loggning och spårning vid distribuering för att hjälpa användare förstå och felsöka Agent Brokers resonemang och interaktioner med MCP-verktyg och A2A-agenter.
• Hanterad distribuering: Agent Broker är ett behållarprogram som backas upp av Mule Runtime, som hanterar tillgänglighet och skalbarhet för distribueringen.

Anypoint Flex Gateway är den mekanism genom vilken vissa policyer tillämpas tekniskt. MuleSoft Agent Fabric använder Anypoint Flex Gateway för att säkra, inspektera och hantera varje agentinteraktion som sker via protokollen MCP och A2A. Detta låter organisationer tillämpa en omfattande uppsättning företagsklassade policyer för all agenttrafik för att säkerställa att varje åtgärd är säker, följsam och granskningsbar innan den utförs. För att på ett säkert och ansvarsfullt sätt skala upp AI-användning är dessa skyddsräcken viktiga.

Företagsstyrningspolicyer för agentprotokoll

Utöver att styra inkommande begäranden hanterar Anypoint Flex Gateway även alla utgående anslutningar och begäranden från en agent till externa tjänster (till exempel MCP Servers and Tools eller andra agenter). Detta inkluderar:

• Loggning: Ger en centraliserad observationspunkt för att bevaka och logga alla begäranden om utgående agenter för granskning och felsökning.
• Säkerhet: Förhindrar läckage av känsliga data genom att inspektera utgående trafik.
• Autentisering: Hanterar inloggningsuppgifter för externa system genom att tillämpa utgående autentiseringsmekanismer, inklusive API-nycklar, OAuth och ClientId/ClientSecret från en enda punkt.

Anypoint Flex Gateway Policy Development Kit (PDK) låter användare skapa egna policyer när färdiga policyer inte uppfyller specifika krav. Genom att använda PDK kan utvecklare skriva policylogik i programmeringsspråket Rust och kompilera den till en modul för WebAssembly (WASM). Den fristående modulen läses sedan in i Anypoint Flex Gateway för att tillämpa unika säkerhetsregler, egna datatransformationer eller specialiserad integreringslogik direkt i API-kanten. Detta ger ett kraftfullt, högpresterande sätt att utöka gateway-funktionalitet för unika eller komplexa användningsfall.

Här är de fyra nyckelkomponenterna i PDK:

• Anypoint CLI PDK-insticksprogram: Denna plugin skapar projektet PDK och laddar upp den kompilerade policyn till Exchange. Den skapar även en Makefile som förenklar utvecklingsprocessen genom att tillhandahålla en tydlig uppsättning kommandon för att bygga och hantera policyn.
• Policymall: När ett nytt projekt skapas skapar PDK en grundläggande ställning eller mall. Denna struktur innehåller alla nödvändiga filer och konfigurationer som behövs för att framgångsrikt kompilera policyn, vilket ger utvecklare en utgångspunkt för egen logik.
• SDK-byggverktyg: Dessa verktyg abstraherar den komplexa, händelsedrivna arkitekturen hos den underliggande Envoy-proxyn. Genom att använda reaktor- och utförandemönster ger SDK en enkel, linjär kodningsmetod. Detta hjälper till att minska komplexiteten, förbättra felsökningen och sänka inlärningskurvan för utvecklare.
• Policyhantering: MuleSoft MCP Server tillhandahåller MCP-verktyg för att hjälpa användare hantera den egna policyns livscykel. Exempel på dessa verktyg inkluderar:
  • get_flex_gateway_policy_example
  • manage_api_instance_policy
  • manage_flex_gateway_policy_project

Agentvisualiseraren ger en dynamisk karta i realtid över hela agentnätverket och förvandlar vad som kan vara en "svart låda" med AI-interaktioner till ett fullständigt observerbart system. Arkitekter och verksamhetsteam kan använda Agentvisualiseraren för att granska hur agenter är anslutna, följa sina beslutsflöden, övervaka sin hälsa och prestanda och identifiera beroenden. Denna nivå av synlighet är avgörande för att optimera prestanda, felsöka effektivt, upptäcka flaskhalsar och bygga förtroende för distribuerade agenter.

MuleSoft API-katalogen och ämnescentret är utformade för att förbättra hur API upptäcks, används och hanteras, särskilt tillsammans med Agentforce.

Alla MuleSofts API:n som utformas och publiceras kan göras upptäckbara och konsumeras via API-katalogen i Salesforce Platform. API-katalogen fungerar som det centraliserade arkivet och förenar alla en organisations API från MuleSoft, Salesforce, Heroku och andra moln i en och samma vy. Detta gör det enkelt för utvecklare och administratörer att upptäcka, förstå och återanvända befintliga API:er genom att låta dem användas i automatiseringar (till exempel Agentforce, Flow och Apex).

MuleSoft för Agentforce: Ämnescenter låter utvecklare strukturera sina API:n kring specifika verksamhetsanvändningsfall genom att definiera Agentforces metadata för ämnen och åtgärder vid själva designtillfället. Detta inkluderar:

• Åtgärder, som är de uppgifter som en agent kan utföra
• Instruktioner som guidar agenten i att tillämpa vissa åtgärder

Genom att lägga till detta semantiska lager gör ämnescentret API:n begripliga och användbara för Agentforce, vilket säkerställer att det kan interagera effektivt med företagssystem.

Agentforce Gateway är ett centraliserat styrlager som är utformat för att hantera och säkra interaktioner inom det expanderande Agentforce ekosystemet. När Agentforce integrerar med ytterligare API:n och verktyg från tredje part via protokoll som MCP är den primära funktionen för Agentforce Gateway att tillämpa policyer (till exempel begränsning av taxor och verktyg) för all utgående trafik som inleds av Agentforce, och granska alla utgående begäranden.

Agentforce Gateway använder den befintliga policymotorn för MuleSoft API-styrning, som är inbyggd i Salesforce Platform. Denna Sändebudsbaserade policymotor fångar upp agenttrafik, tillämpar konfigurerade policyer (till exempel attributbaserad åtkomstkontroll och säljmålsgränser) och hanterar autentisering och auktorisering, utan att kräva att kunder installerar ytterligare gatewayinfrastruktur.

Att distribuera ett styrt nätverk av agenter är en milstolpe. Det introducerar dock nya operativa utmaningar under dag 2. Det kräver en utökad nivå av operativ intelligens för att övervaka, mäta och felsöka ett dynamiskt, distribuerat system av autonoma aktörer. Den ultimata arkitektoniska visionen är ett system där AI inte bara används för att utföra verksamhetsprocesser utan även för att övervaka, hantera och läka själva infrastrukturen som den körs på.

MuleSofts vision för integreringsintelligens använder kraften hos det bredare Salesforce ekosystemet för att ge djupa, anpassningsbara insikter i prestandan hos integreringsstrukturen och agentnätverket. Genom att samla in och lagra data som överensstämmer med OpenTelemetry (OTEL) – den framväxande standarden för observerbarhet – i Salesforce Data 360 kan organisationer skapa en enhetlig databas för loggar, mått och spår i hela sitt landskap. Dessa data kan visas i Tableau via färdigbyggda instrumentpaneler och egna visualiseringar för att få detaljerade insikter i API-prestanda, agentinteraktionsmönster och övergripande systemhälsa.

Detta system har tre nyckelkomponenter:

1. Intag: Intagstjänsten är den centraliserade ingångspunkten för att samla in och bearbeta telemetridata från olika Mule-program, agentmäklare och flexgateways. Den utför schemavalidering, datanormalisering och filtrering för att upprätthålla datakvalitet och enhetlighet i olika program. Dessutom tillämpas kontroller (till exempel autentisering, kryptering, rättvisa arrendatorer och begränsning av hastighet) i pipeline för intag.
2. Lagring: Ett streamingjobb med hög genomströmning körs i Data 360 som läser data från Kafka-ämnen med flera klienter och transformerar dem till OTEL-formatet. OTEL-data överlämnas sedan till arrendatorns Data 360 i TelemetryTraceSpan, TelemetryLogs och TelemetryMetrics DMO i Lakehouse.
3. Visualisering/konsumtion: Med de telemetridata som finns tillgängliga i Data 360 kan kunder granska systemhälsa och få insikter genom att använda färdigbyggda eller egna instrumentpaneler via Tableau Next. Kunder kan även använda Tableau Concierge, som är en färdigbyggd agentanalyskompetens i Tableau Next, som låter användare ställa frågor om telemetridata på naturligt språk och få betrodda, användbara svar med visualiseringar. Kunder kan även exportera data till befintliga system för Application Performance Management (APM) (till exempel DynaTrace, Datadog, Splunk och så vidare).

Övergången till ett agentföretag är inte bara en IT-uppgradering; det är en grundläggande arkitektonisk reflektionspunkt. En fragmenterad, silobaserad distribuering av AI-agenter är en direkt väg till operativt kaos, skugg-IT och ohanterliga tekniska skulder. Den enda hållbara vägen framåt är genom en enhetlig, komponerbar arkitektur. Genom att bygga på den beprövade grunden för API-ledd anslutning levererar MuleSoft Agent Fabric det "centrala nervsystemet" som krävs för att hantera denna nya digitala arbetsstyrka. Den tillhandahåller de viktiga kapaciteterna för upptäckt, orkestrering, styrning i företagsklass och fullständig observerbarhet. Det är så vi går bortom AI-experiment och börjar skapa ett verkligt intelligent, automatiserat och säkert företag, som omvandlar autonom potential till konkreta, styrda verksamhetsresultat.

• Komma igång med Anypoint Code Builder
• Teknisk guide till Einstein för Anypoint Code Builder: Generativa flöden
• DataWeave Generative Transformation Djupdykning: AI-innovation för snabb datatransformation
• Skapa API-specifikationer med MuleSoft Dev Agent
• Skapa API-dokumentation med Einstein Generative AI
• Översikt av MuleSoft MCP-server
• MuleSoft MCP-serververktyg
• MCP-anslutare
• A2A-anslutare
• Kom igång med Agent Fabric
• Säkra agentinteraktioner med Flex Gateway
• Flex Gateway Agentpolicyer
• Översikt av Flex Gateway Policy Development Kit (PDK)
• MuleSoft API-katalog för Salesforce
• Aktivera ett API-projekt för ämnen och agentåtgärder
• Arbeta med Tableau Nästa
• OpenTelemetry
• Modellsammanhangsprotokoll
• Protokollet Agent2Agent (A2A)

Nikhil Aggarwal är chefsarkitekt på Salesforce, där han leder arkitektur för MuleSoft och Salesforce Automation Clouds. Nikhil har över 18 års erfarenhet av att leverera storskaliga produkter och brinner för skalbar arkitektur, intuitiva utvecklarupplevelser och att bygga högpresterande team. Innan Salesforce ledde han flera initiativ i Microsoft Power Platform, Dataverse och Office 365 från koncept till lansering. Hans arbete fortsätter att forma hur moderna företag ansluter system, automatiserar arbetsflöden och frigör affärsvärde i den AI-första eran.