AIOps领域一直存在一种危险的误解：“MCP不过是另一种API。”
当然。照这么说，SOAP也不过是自命不凡的XML罢了。
基于智能体的架构，尤其是基于模型上下文协议（MCP）构建的架构，依赖于随每个请求传递的显式上下文块。这并非依靠神经网络的直觉或“LLM记忆”，而是随每次调用传递的序列化、结构化操作上下文。可以把它理解为JSON，而不是什么感觉。它有助于智能体持续掌握目标、角色、策略和工作流状态。
但现实是：上下文会发生漂移。一旦发生这种情况，智能体不只是会陷入混乱，还可能自信地给出错误结果、在运行中表现得不可预测，甚至直接带来危险。
问题在于，那些已经开始尝试甚至部署AI智能体的人走在了前面。事实也的确如此。我们的最新研究显示，9%的受访者已将AI智能体投入生产，29%已正式制定推进方案，另有50%仍处于探索的“早期阶段”。也就是说，只有11%的受访者尚未考虑AI智能体。
他们行动迅速，速度超过行业整体水平。
目前没有真正有效的合规工具，也缺乏安全保障和最佳实践。新技术出现时往往伴随着安全风险，而现有方案几乎无法应对这些风险。
但可编程性是个例外。没错，这正是贵公司的应用交付与安全平台发挥作用之处。它不是简单传输数据的“哑管道”，而是可编程的守门人，帮助维护认知健康和上下文规范。
上下文实际如何传递
上下文并非抽象概念，而是直接包含在有效载荷中。实际的MCP请求如下：
POST /agent/v1/invoke HTTP/1.1
Host: agentmesh.internal
Authorization: Bearer xyz123
Content-Type: application/json
X-MCP-Version: 1.0
{
"context": {
"user": { ... },
"goal": "...",
"prior_messages": [ ... ],
"task_state": { ... },
"security": { ... }
},
"input": { "prompt": "现在用一个简单图表将其可视化。" }
}
此上下文块并非可选，而是智能体的工作记忆。其中包含智能体“知道”的一切，以及它据以采取行动的所有假设。每次传递都会原样带上这些内容：未经压缩，有时未经检查，而且几乎总会随着每轮交互而愈发陈旧。
上下文如何偏移（以及为何重要）
正是这些累积信息最终导致了上下文漂移。以下情况会发生漂移：
- 用户转向其他任务后，原有目标和任务状态仍会残留。
- 先前的消息不断堆积，导致请求臃肿，并误导智能体。
- 安全标签会残留在不应出现的位置。
- 多个代理更新同一线程，却未清理其中的冗余内容。
等到第4个智能体接手时，它已经在依据过时的指令、陈旧的访问控制，以及无人再关心的“目标”做决策。智能体不会抱怨，只会信心十足地产生幻觉，并把这堆烂摊子传给下游。
可编程性：真正需要的上下文清理工具
如果仍将应用交付平台仅仅视为负载均衡器，那么恭喜：当其他人都在下国际象棋时，您还在下跳棋。
在智能体架构中，可编程应用交付是唯一具备以下能力的层：
- 全面洞察每个请求
- 检查、转换、阻止或清理上下文的权限
- 不依赖任何单一智能体的观点或记忆
边缘处的上下文截断
不要让智能体在每次请求时都携带人类的全部历史记录。
- 将
prior_messages精简为最近N轮对话。 - 根据时间或状态变化自动使目标过期。
- 当意图从“
task_state”切换为“continuation”时，丢弃“new-task.
现在，您甚至在智能体处理输入之前，就开始实施内存预算和认知卫生管理。
分类与策略执行
如果上下文块中注明security.classification = confidential，但即将调用公共摘要API，则需要在边缘部署可编程的策略管控机制，用于阻止、隐去或掩码敏感字段，并验证每个请求的访问范围。大语言模型（LLM）不会质疑既定策略，只会造成数据泄露。
意图漂移检测
用户是否从“汇总季度指标”转而要求“生成幻灯片”？此时需要重置上下文，而不是一味累积。如果请求意图发生变化，但上下文仍包含过时的目标和任务状态，应清除上下文并重新开始。这样可以避免智能体用今天的数据解决昨天的问题。
遥测与漂移监控
应用交付层应跟踪以下信息：
- 上下文块的令牌大小随时间的变化
- 增长率：
prior_messages - 每个智能体的目标与任务不匹配模式
这样就能在上下文膨胀和偏移失控前及时发现问题。当管理层问起为什么“自主智能体”表现得像过度自信的实习生时，监控数据能给出切实的答案。
您需要的不只是防火墙，还需要上下文清理机制
LLM会毫不犹豫地接收您提供的所有上下文；如果不加留意，很容易造成混乱。当上下文发生偏移、目标不再适用或任务历史开始产生负面影响时，智能体不会发出警告。可编程交付层不仅会这样做，而且必须这样做。
这是仅存的中立层，能够洞察全局并执行策略。
在智能体AI时代，应用交付平台不再只是路由流量。它还是语义防火墙和合规守卫，也是防止智能体在拥有root访问权限后因过度自信而提供虚假信息的重要防线。
因为一旦任由偏移和臃肿蔓延，失去的将不只是控制力，还有对整个AI技术栈的信任。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。