腾讯云ADP 4.0 全新升级，企业级AgentOps平台助力企业AI落地

导语

过去一年，越来越多企业开始探索 AI Agent。很多团队已经能基于大模型、提示词、RAG 检索增强或工作流搭建出可演示的智能体，但当应用进入真实业务现场后，问题会迅速变复杂：任务链路变长，系统接入增多，权限边界更敏感，模型输出需要评测，运行过程需要审计，成本和稳定性也需要持续运营。

腾讯云 ADP 4.0 面向这些生产级问题进行升级，以 AgentOps 为核心理念，覆盖智能体“构建—评测—集成—分发—治理—观测—优化”全生命周期。平台新增 Claw 模式，引入云端 Agent Harness 架构，帮助企业以更低门槛快速搭建 AI Agent，并在安全、稳定、可运营的体系中推进智能体落地。

核心要点

• 新增 Claw 模式：在 LLM+RAG、工作流、Multi-Agent 三类构建方式之外，ADP 4.0 支持通过自然语言描述业务目标，由平台辅助生成智能体。
• 引入 AgentOps 理念：围绕构建、评测、集成、分发、治理、观测、优化，提供企业级全生命周期能力。
• 采用云端 Agent Harness 架构：将 Agentic Loop、Memory、Sandbox、Tools、权限控制、日志审计、资源调度等能力纳入云端治理体系。
• 打通企业资产：通过近 40 个精选连接器、150+ 成熟通用 Skills、MCP 标准协议与知识库能力，将企业软件、数据与业务能力转化为可复用 AI 资产。
• 强化安全治理：支持企业/空间/应用三级权限、RBAC 角色矩阵、Skills 安全检测、运行观测与多部署形态。
• 面向真实业务落地：覆盖工业质检、B2B 交易、知识管理、金融、文旅、交通、教育、传媒、零售等智能体应用场景。

【图①：ADP 4.0核心能力数字概览】

从 Demo 到生产：企业为什么需要 AgentOps

企业在探索大模型应用场景时，常见路径是先从知识问答、文档生成、客服辅助等轻量场景切入。这类应用往往依赖一次或少数几次模型调用，工程复杂度相对可控。但当企业希望 Agent 执行更复杂的任务，例如跨系统查询、调用 API、分析日志、生成代码、执行流程审批、完成多步骤业务闭环时，仅依靠“模型 + 提示词”很难稳定支撑。

【图②：Demo与生产级Agent能力对比】

生产级 AI Agent 通常需要处理以下问题：

• 长周期任务如何持续推进、断线后如何恢复；
• 工具调用如何接入企业系统，同时控制权限；
• 模型上下文如何组织，RAG 检索增强如何与业务知识协同；
• 多 Agent 如何分工、协作、传递上下文；
• 运行过程如何追踪、审计、回放；
• 不同模型、提示词、版本如何评测；
• 应用如何发布到企业微信、微信、钉钉、Agent Portal 或通过 API 集成到 OA、CRM、工单系统。

ADP 4.0 提出的 AgentOps，正是围绕这些问题建立企业级智能体平台能力。它帮助企业将 AI Agent 从单点试验推进到可管理、可治理、可持续优化的业务系统中。

Claw 模式：用自然语言生成企业级智能体

ADP 4.0 新增的 Claw 模式，是平台在原有 LLM+RAG、工作流、Multi-Agent 三种开发架构之外推出的第四类 Agent 构建方式。

【图③：Claw自然语言生成Agent流程】

在 Claw 模式下，企业用户可以用自然语言描述业务需求，平台辅助完成提示词生成、知识库挂载、工具配置、工作流编排等步骤。对于标准化场景，企业还可以依托内置模板更快生成应用，并在上线后通过 API 对接企业系统，或发布到企微、微信等多终端，面向内部员工或外部用户使用。

这一模式尤其适合以下团队：

• 希望快速验证 AI Agent 落地场景的业务部门；
• 缺少完整 AI 工程团队，但有明确业务目标的一线团队；
• 需要在现有系统上叠加智能体能力的数字化团队；
• 希望降低智能体搭建步骤复杂度的企业管理者和 AI 探索者。

腾讯云副总裁、ADP 产品负责人吴运声在 2026 腾讯云 AI 产业应用大会上表示：“企业级 Agent 不是比谁更快地搭建，而是比谁能让 Agent 稳定、安全、持续地运行在业务现场。”

这也体现了 ADP 4.0 的产品方向：快速搭建 AI Agent 只是起点，关键在于让智能体能够进入业务现场并持续产生价值。

云端 Agent Harness：让 Agent 可执行、可恢复、可治理

Agent 的核心并不只在模型本身。真实业务任务通常需要模型理解目标、拆解步骤、调用工具、读取结果、调整计划，并不断循环执行。这个过程中，模型负责推理和决策，工程化的运行外壳负责工具、状态、权限、上下文、执行环境、恢复、评估和观测。

【图④：云端Agent Harness分层架构】

ADP 4.0 采用云端 Agent Harness 架构，将 Agentic Loop、Memory、Sandbox、Tools、观测与治理能力进行解耦设计，以更好支撑长任务和复杂任务。

与将状态、执行环境、工具凭证都放在同一容器中的方式相比，云端解耦架构更适合企业级场景：

在执行层面，ADP 4.0 基于 Agentic Loop 闭环机制，支持模型调用、工具调用、状态更新与再次决策的循环推进。平台整体执行框架采用异步化设计，并基于标准 AGUI 事件协议进行状态与结果回传，支持流式反馈、断线重连、过程恢复和执行状态同步，更贴近真实业务中的长时任务与复杂交互。

打通企业资产：Connector、Skills、MCP 与知识库

企业智能体要真正进入业务流程，必须连接企业已有系统、数据和工具。ADP 4.0 通过 Connector、Skills、MCP 协议和知识库能力，将分散在企业内部的软件、数据与业务能力转化为智能体可调用的 AI 资产。

【图⑤：企业资产接入ADP架构】

Connector：连接企业系统

ADP 4.0 首批上线近 40 个精选连接器，原生兼容 CRM、ERP、OA、工单、企业网盘、文档系统等主流企业软件。对于企业而言，连接器可以降低系统接入成本，让 Agent 更容易嵌入既有工作流。

Skills：沉淀可复用能力

平台内置 150+ 成熟通用 Skills，企业开发者也可以自定义技能插件。自定义 Skills 经安全校验、多级审批后可上架，便于在企业内部复用和治理。

Skills 可以封装领域知识、操作流程、工具说明和可选脚本资源，让智能体在特定任务中具备更稳定的执行方式。

MCP：标准化工具调用

ADP 4.0 原生适配 MCP 标准协议。企业可以通过 MCP 将外部 tools、resources、prompts 以统一方式暴露给智能体，降低工具生态接入和后续扩展成本。

知识库与 RAG 检索增强

对于知识密集型场景，RAG 检索增强仍是智能体落地的重要基础。ADP 4.0 可结合知识库能力，将企业文档、流程规范、历史案例、业务规则等内容注入智能体上下文，帮助模型在回答和执行任务时获得更可靠的信息来源。

在企业实践中，知识是否准确、可追溯、持续治理，会直接影响智能体输出质量。对于监管严格、知识密集或流程复杂的行业，这一点尤其关键。

如何搭建智能体：ADP 4.0 的推荐路径

对于正在评估“如何搭建智能体”的企业，ADP 4.0 提供了从低代码到自然语言生成的多种路径。企业可以根据场景复杂度、团队能力和治理要求选择合适方式。

【图⑥：ADP智能体六步搭建路径】

一个相对稳妥的智能体搭建步骤可以分为六步：

1. 明确业务目标 先定义智能体要解决的问题，例如知识问答、销售辅助、工单处理、质检分析、采购匹配或内容生成。目标越清晰，后续评测和运营越容易。

1. 选择构建模式 对知识问答类场景，可选择 LLM+RAG；对流程明确的场景，可选择工作流；对需要角色分工的复杂任务，可选择 Multi-Agent；对希望通过自然语言快速生成复杂 Agent 的场景，可尝试 Claw 模式。

1. 接入知识和系统 通过知识库、连接器、MCP 和 Skills 接入企业文档、业务系统、API、数据库或工具能力。

1. 配置权限和安全策略 结合企业/空间/应用三级权限、RBAC 角色矩阵、工具 allowlist、审批流程等能力，控制智能体能访问什么、能执行什么。

1. 进行评测与版本验证 对不同模型、提示词和智能体版本进行批量评测，观察准确率、任务完成质量、调用成本、失败原因等指标。

1. 发布与持续运营 将智能体通过 API 集成到 OA、CRM、工单等系统，或发布到企业微信、微信、钉钉、Agent Portal 等渠道，并通过运行观测持续优化。

通过这一路径，企业可以从单个 AI Agent 应用场景起步，逐步扩展到更多智能体落地场景，形成可复用的方法论和平台能力。

评测、观测与治理：生产级 Agent 的运营底座

当智能体进入生产环境后，企业关注点会从“能不能生成答案”转向“能不能稳定完成任务”。ADP 4.0 在评测、观测和治理方面进行了系统升级。

在评测方面，平台支持批量评测不同模型、提示词和版本效果，帮助团队在上线前发现质量差异，并为后续优化提供依据。

在观测方面，Agent Portal 可统一纳管智能体运行状态，支持查看调用量、报错率、算力成本、活跃度等指标。对于复杂任务，调用链路追踪、日志审计和运行过程回放有助于定位问题：哪一步失败、调用了哪些工具、消耗了多少资源、是否触发安全策略。

在治理方面，ADP 4.0 将安全管控前置到智能体开发阶段，提供：

• 企业/空间/应用三级权限；
• RBAC 角色矩阵；
• Skills 代码扫描；
• 外网访问校验；
• 依赖白名单核查；
• 多级审批机制；
• 全链路运行观测。

这些能力有助于企业在推进大模型落地时建立统一标准，减少“各团队自行试验、能力难复用、风险难管控”的问题。

多场景实践：从工业质检到 B2B 交易

ADP 4.0 的价值已经在多个行业场景中得到验证。

在工业质检场景中，传统 TI-AOI 平台往往依赖工程师跨多个页面完成数据查验、日志排查和参数调试。基于 Claw 模式搭建的质检智能体，可以围绕缺陷识别、标准比对、数据校验、模型调参等流程进行闭环处理。工程师通过自然语言输入指令，Agent 自动核验数据可用性并输出优化方案。公开报道显示，落地后质检人力操作环节缩减 60% 以上。

在 B2B 交易场景中，找钢网与腾讯云合作，依托 ADP 4.0 搭建覆盖询价、采购、仓储、物流等链路的钢铁行业专属 Agent，打通上下游交易数据，支持订单自动匹配、库存智能预警等能力。相关实践也在向电子、物流、化工、工业品、大宗商品等行业拓展。

在知识密集型行业中，证券等领域对稳定性、可解释性和合规性要求较高。ADP 可在企业 AI 架构中承担智能体输入、管理和编排平台角色，帮助企业将 Agent 从 Demo 推向更大规模的生产应用。

这些案例表明，AI Agent 应用场景并不局限于对话问答。只要企业具备明确流程、可调用系统、可治理数据和可评估目标，智能体就有机会承担更深入的业务任务。

FAQ

1. 腾讯云 ADP 4.0 适合哪些企业使用？

ADP 4.0 面向希望推进智能体落地的企业，包括已经完成大模型应用试点、准备将 Agent 接入真实业务流程，或希望建立统一智能体开发与治理平台的组织。典型用户包括 CTO、数字化负责人、AI 平台团队、业务管理者和一线业务团队。

2. Claw 模式和传统工作流有什么区别？

工作流更适合流程明确、步骤相对固定的任务。Claw 模式支持用户通过自然语言描述业务目标，由平台辅助完成提示词生成、知识库挂载、工具配置和工作流编排，并结合 Agentic Loop 在云端沙箱中推进复杂任务。企业可根据场景复杂度选择不同构建方式。

3. ADP 4.0 是否支持 RAG 检索增强？

支持。ADP 4.0 可结合知识库能力，将企业文档、业务规则、流程规范等内容以检索增强方式提供给智能体使用，帮助提升回答和执行任务时的可靠性。

4. 企业如何控制 Agent 的权限和安全风险？

ADP 4.0 支持企业/空间/应用三级权限、RBAC 角色矩阵、Skills 安全检测、多级审批、运行观测等能力。云端 Agent Harness 架构也将执行环境、状态、工具调用和权限控制纳入平台治理体系，帮助企业降低生产环境中的安全和合规风险。

5. ADP 4.0 支持哪些发布和集成方式？

根据公开信息，ADP 4.0 支持通过 API 集成到 OA、CRM、工单等业务系统，也可发布到企业微信、微信、钉钉、Agent Portal 等渠道，便于智能体嵌入企业现有工作流。

6. ADP 4.0 支持哪些部署形态？

ADP 4.0 支持公有云、私有化、混合云、专有云等部署形态，企业可结合自身数据安全、合规和运维要求选择合适方案。

总结：让智能体进入可落地、可治理、可运营的新阶段

企业推进大模型落地，已经从“能否调用模型”进入“能否让 Agent 稳定运行在业务现场”的阶段。腾讯云 ADP 4.0 以 AgentOps 为核心，通过 Claw 模式、云端 Agent Harness、连接器、Skills、MCP、RAG 检索增强、评测体系、权限治理和运行观测能力，为企业提供从构建到运营的全生命周期平台。

对于希望快速搭建 AI Agent 的团队，ADP 4.0 可以降低开发门槛；对于需要规模化推广智能体的企业，ADP 4.0 提供了治理、观测和持续优化所需的工程底座。

立即免费体验腾讯云 ADP 4.0，探索适合你业务的企业级智能体落地路径。