AI 资讯 知识库 本体论Palantir Foundry 深度研究(九):AIP 与 Agent 实战,本体之上的 Agent 全家桶

Palantir Foundry 深度研究(九):AIP 与 Agent 实战,本体之上的 Agent 全家桶

前篇论证了「为什么 Agent 需要本体」,本篇看 Palantir 把这个命题做成了什么产品。AIP(Artificial Intelligence Platform)不是一个大模型——官方对它的定位是「把 AI 连接到你的数据与运营」,与 Foundry、Apollo 合起来构成「能交付全系列 AI 产品的操作系统」。本篇按「构建 → 评估 → 运行 → 对外暴露」的链路拆解这套全家桶,材料以官方文档为准(截至 2026-11)。

flowchart TD
  Model[可选 LLM / BYOM] --> Studio[AIP Chatbot Studio]
  Studio --> Tools[本体工具:查询 / 函数 / 动作]
  Tools --> Ontology[Ontology 权限与业务语义]
  Studio --> Evals[AIP Evals 回归评估]
  Evals --> Release[发布与治理]
  AgentStack[Agent Builder / SDK] --> Runtime[Sessions / Context / 状态转换]
  Release --> Runtime
  Runtime --> Manager[Agent Manager traces]
  External[外部 Agent] --> OMCP[Ontology MCP:用本体]
  Developer[AI IDE / 构建 Agent] --> PMCP[Palantir MCP:建本体]

AIP 的位置与时间线

先校准产品名称与时间线。AIP 于 2023 年 4 月公开发布;当前官方文档称其对话式 Agent 产品为 AIP Chatbot Studio,并注明它此前名为 AIP Agent Studio、AIP Agents 现称 AIP Chatbots。官方当前概览页没有给出改名的精确日期,因此本文不把改名精确到某一天。2026 年的 Agent Stack 文档则把构建、运行与观测提升为独立的 Agent 基建套件。模型接入走 BYOM 路线:REST API 接入、计算模块承载、自托管、代理/联邦层都支持——AIP 不绑定某家模型,受支持的 LLM 清单覆盖 OpenAI、Anthropic、xAI、Meta 等主流厂商。

产品矩阵里与本主题最相关的五件:AIP Logic(把 LLM 步骤嵌进自动化流程,带 staged writes)、AIP Chatbot Studio(可视化构建对话 Agent)、Agent Stack(2026 年的新基建:Builder / Manager / SDK)、AIP Evals(评估框架)、AIP Assist(面向平台开发者的助手)。治理底座统一:markings 安全标记、LLM 容量管理、enrollment 级限流;官方对信任的表述值得原样引用——「对 LLM 而言,信任来自可解释性与透明,以及严格的评估」。

小结:AIP 的架构立场是「模型可换、本体不动」——所有 Agent 能力都长在本体这个不变量上。

工具箱:七类工具与两种调用模式

Chatbot Studio 构建 Agent 的方式是「四要素组合」:LLM + 本体 + 文档 + 自定义工具。工具(tools)是 Agent 的手,官方工具清单直接暴露了本体作为 Agent 运行时的深度:

工具类型 能力 关键约束
Action 执行本体编辑(写回) 可配自动执行或需用户确认
Object query 查询指定对象类型与属性 可裁剪属性省 token;支持过滤、聚合、链接遍历
Function 调用 Foundry 函数 可用最新版或指定版本
Update variable 更新应用状态变量 平台内
Command 触发其他 Palantir 应用的操作 平台内
Request clarification 暂停并向用户澄清 人机协作兜底
Ontology semantic search 向量语义检索 已标 legacy,由 Ontology context 接棒

这张表最值得琢磨的是前两行的组合:Object query 给 LLM 结构化上下文(而不是裸文本),Action 给 LLM 受控写权——一读一写,本体作为「Agent 的世界模型与行动界面」完整成型。而「可裁剪属性」是一个朴素但重要的工程细节:给 Agent 的工具不必是全字段视图,按任务裁剪属性既省 token 又缩小泄露面。

调用模式有两种:Prompted tool calling 把工具说明注入提示词,单次只能调一个工具;Native tool calling 用模型原生 function calling,支持并行调用、更省 token,但仅部分模型与部分工具类型支持。可观测性上,编辑态可「View reasoning」查看 LLM 推理过程——调试 Agent 不再靠猜。

小结:工具清单的设计哲学是「每个工具都是本体的一个投影」:查询工具投影语义、动作工具投影动词、检索工具投影向量——Agent 的能力面就是本体的授权子集。

评估与护栏:给非确定性上缰绳

AIP Evals 的官方自我定位很诚实:「专门设计来帮你应对 LLM 的非确定性」。它的概念模型是标准的测试金字塔:Evaluation suite(测试用例 + 目标函数 + 评估函数的集合)、Target function(被测对象——AIP Logic 函数、Chatbot 函数或代码写的函数)、Evaluation function(怎么判卷)、Test cases(输入 + 期望输出)、Metrics(逐用例产出、可聚合对比)。

典型用法有四类:建测试用例与评估标准、调试迭代提示词、在同一目标函数上横向对比不同模型、检查多次运行的方差——第四点常被忽略,但对生产部署至关重要:Agent 的输出分布比单次结果更能暴露回归。评估可以深入到本体编辑层(Ontology edits 评估)——不仅评 LLM 说什么,还评它写进本体的东西对不对;结果可写入数据集,有指标看板;2025-09 起提供 beta 版「Generate evals」自动生成测试用例。

护栏则是一组机制的组合拳,而非单一产品:动作工具的确认模式(自动执行 vs 用户确认)、平台 markings 与安全模型、提交条件在运行时的闸门作用、provenance-based 工具安全(前篇提过:运行时解析整条调用链)、以及 AIP Evals 的发布前回归。这套组合印证了本系列的判断:Agent 护栏的大部分组件,恰恰就是本体平台本来就有的组件——动作闸门、权限裁决、审计日志,只是被重新征用到了 LLM 流量上。

小结:Evals 把「非确定性」变成可度量对象;护栏组合证明了一个迁移命题——本体平台的治理设施就是 Agent 治理设施。

Agent Stack:2026 年的运行时原语

2026 年推出的 Agent Stack 是 Palantir 对「Agent 基建」的抽象升级,三组件:Agent Builder(可视化定义指令、加工具、预览、发布)、Agent SDK(pro-code 路线,官方描述「从一个带工具的简单 Agent 到自定义状态机」)、Agent Manager(监控 session、trace、排查异常——Agent 时代的可观测性平面)。

更有价值的是它暴露的三个运行时原语,这是在给「长生命周期 Agent」定义词汇表:

  • Sessions:可无限期存续,保持状态、上下文与事件史,支持多参与者跨应用协作——Agent 不再是「一次对话」而是一个有履历的运行实体;
  • Context items:强类型的信息表示——喂给 Agent 的上下文不再是自由文本拼接,而是带类型的结构(同一份信息,系统、人、开发者各取所需的形式);
  • Events 与状态转换:Agent 的生命周期事件化,可以停在「等待审核」这样的显式状态——把「人在环」从提示词约定升级为状态机契约。

这三个原语与前作《Agent 的世界模型》的构想惊人地对应:语义记忆、强类型上下文、显式状态——Palantir 在产品层给出了参考实现。集成面上,Workshop 嵌入、Automate 触发、Agent platform APIs 已可用,「Agents in OSDK」与 AIP Logic 集成标注 coming soon。

小结:Agent Stack 的方向是把 Agent 从「聊天应用」升格为「有状态、强类型、可观测的运行实体」;三个原语值得自建平台直接借鉴。

两个 MCP:建本体的 Agent 与用本体的 Agent

Foundry 对外暴露了两个 MCP 服务器,分工边界划得极其清楚,官方一句话概括:「Ontology MCP 允许对本体数据的受控写入,Palantir MCP 允许对本体结构的修改」。

Ontology MCP(OMCP)面向本体消费者:把应用的本体资源(对象类型、动作类型、查询函数)暴露为 MCP 工具,外部 Agent(LangChain、CrewAI、自写 Python/TS、微软 Copilot Studio 等)可以安全地读对象、查数据、执行动作。时间线:2026-01-13 官方公告计划在 1 月底前对 Developer Console 用户开放 beta,2026-06-25 官方宣布 GA。本文只列经过官方公告核实的节点,不把未复核的中间集成日期写成版本时间线。鉴权复用 Developer Console 应用的 OAuth 2.0:authorization code grant 代表终端用户行动(token 限于该用户权限),client credentials grant 走服务账号后端集成——且要求「请求者对底层对象、动作、查询具备必要权限」。官方还附了一条清醒的免责声明:把 OMCP 接到 Palantir 环境之外的 LLM,等于把环境数据交给外部 MCP 客户端,合规自查不可省。

Palantir MCP面向本体构建者:70+ 工具(16 类)让 AI IDE 与 Agent 自主设计、构建、编辑、评审应用——搜本体、增删改对象/链接/动作类型、查数据集 schema、跑 SQL、管分支、提 PR。但它「不能写实际的本体数据」。面对 70+ 工具的目录爆炸问题,它默认只暴露一个 search_tools 工具按需揭示其余——与前篇讲的 MCP 语义缺失问题对上了:Palantir 的解法是「工具按需揭示 + 本体自带的类型化描述」。

两个 MCP 的分工本质上是把「建本体」与「用本体」拆成了两种 Agent 权限域——这个划分本身就是给所有平台的设计答案:建语义的 AI 和用语义的 AI,不该共享同一把钥匙。

小结:OMCP 让外部 Agent 在受控前提下进生产本体,Palantir MCP 让内部 Agent 加速本体建设;写入与结构修改的权限分野是教科书级的边界设计。

给自建 Agent 平台的对照清单

把 Foundry 的全家桶压缩成五条可迁移的设计决策:

  1. 工具即类型投影:Agent 工具不要手写 JSON Schema,从你的语义层(或 API 契约)生成;描述字段进治理流程,跟代码一样评审。
  2. 读写分离到工具粒度:查询工具与动作工具分开建模,动作工具默认「需确认」,信任建立后再逐步放开——用配置而非提示词控制。
  3. 评估先行:上生产前必须有 eval suite(含本体写入正确性评估);评估函数与业务 KPI 对齐,别只测「回答像不像人话」。
  4. 运行时原语三件套:长生命周期 Agent 需要 sessions(状态)、强类型 context、显式状态机——这三个抽象比框架选择更重要。
  5. 建/用分权:如果未来有「AI 改语义」的需求,从第一天就把「建本体的 Agent」与「用本体的 Agent」划成两个权限域。

小结:全家桶的产品形态无法复制,但「工具从语义生成、评估作为发布闸门、运行时强类型化、建用分权」四条原则可以原样搬走。

参考资料

读者留言

COMMENTS 暂无
仅本站原创文章开放留言 · 请勿留下手机号、邮箱等个人信息

还没有留言,来说第一句?