阿里云发布AgentTeams与AgentLoop：破解企业智能体规模化落地两大难题

近日，阿里阿里云正式推出两款聚焦企业AI应用落地的破解核心产品：多智能体协作治理平台 AgentTeams与 智能体观测优化平台 AgentLoop。这两款产品精准直击企业在大规模部署AI智能体时面临的企业两大核心痛点——即“多智能体如何高效协同”与“智能体如何持续迭代优化”。目前，体规两款产品均已全面开启公测，模化旨在加速企业从单点AI应用向规模化智能体集群的落地两转型。

阿里云AgentTeams & AgentLoop 正式发布

在企业尝试以AI智能体替代重复性劳动的难题过程中，最大的阿里障碍往往并非模型智能程度的不足，而是破解多智能体间的协作混乱。复杂的企业业务流程往往需要多个Agent各司其职：有的负责意图识别，有的体规负责执行操作，有的模化负责结果审核。若缺乏统一的落地两协作机制，这些“数字员工”极易陷入各自为战甚至逻辑冲突的难题困境。

AgentTeams被定位为AI团队的阿里“组织管理体系”，通过以下机制实现有序协作：
* 职责边界明确：通过岗位说明书式的配置，界定每个智能体的权限与责任。
* 人机协同审批：在关键业务节点设置人类确认流程，确保关键决策可控。
* 透明化沟通：提供“工作群”视图，让管理者实时掌握智能体间的交互内容与执行状态。
* 权限管控：通过“门禁”与“公章”机制，严格限制智能体的访问范围与操作权限，防止越权行为。

AgentTeams一站式企业多智能体治理与协作平台架构

安全性是企业部署智能体时的首要关切。在涉及数据库查询、支付接口调用等高敏感场景中，密钥管理至关重要。AgentTeams采用密钥集中托管机制：
* 零信任访问：智能体本身无法直接获取或留存密钥，需由平台按需动态发放，任务完成后立即回收。
* 全兼容接入：无论是自研Agent还是基于开源框架构建的智能体，均可统一纳入平台管理。
* 全程可审计：对调用记录、资源消耗及运行成本进行全链路审计，完全满足金融、政务等行业的严苛合规要求。

如果说AgentTeams解决了“让AI团队稳定工作”的问题，AgentLoop则致力于回答更深层的挑战——如何让AI越用越聪明。

智能体上线后面临的最大难题是“效果黑盒”：运行状态如何？瓶颈在哪里？传统的人工抽查方式既低效又难以覆盖全量数据。AgentLoop通过自动记录智能体的每一次思考过程、工具调用及资源消耗，将其还原为清晰的执行轨迹。开发者无需修改代码即可接入，通过可视化平台即可查看工作日志，快速定位导致延迟的环节或高成本的步骤。

在评估能力上，AgentLoop引入了“Agent-as-a-Judge”（智能体即裁判）范式：
* 自动深度分析：由专门的评估智能体基于执行轨迹，自动识别回答跑题、信息幻觉等典型问题。
* 闭环优化机制：发现的问题自动沉淀为经验教训并反馈至知识库，形成“观测—评估—优化—再观测”的数据飞轮。
* 持续进化：确保智能体在真实业务场景中具备持续学习与自我修正的能力，而非上线后静止不变。

AgentLoop助力企业构建智能体进化数据飞轮

此外，阿里云全域智能运维平台 STAROps正式商业化，并上架至 QoderDesktop插件市场。用户可直接在Qoder中通过自然语言对话，完成指标查询、日志检索、链路追踪及告警诊断，无需切换专业监控平台，也无需掌握复杂的查询语法，极大降低了运维门槛。

从有序协作（AgentTeams）到持续进化（AgentLoop），再到智能运维（STAROps），阿里云构建了智能体从“能用”到“好用”再到“放心用”的完整链路。这不仅提供了AI的基础能力，更解决了AI大规模进入生产环境后的管理、进化与运维难题，为企业AI落地打造了全生命周期的治理闭环。

附：立即体验链接

• AgentTeams：https://www.aliyun.com/product/agentteams
• AgentLoop：https://www.aliyun.com/product/agentloop
• STAROps：https://www.aliyun.com/product/starops

(责任编辑：焦点)