一、研发背景
随着生成式人工智能与智能体（AI Agent）技术快速演进，业务系统正从”流程驱动”转向”智能体驱动”。当单位内部智能体数量从”试点”增至”数十上百”，Agent身份分散、版本混乱、调度无序、工具与经验重复造轮子、跨Agent协同缺乏统一机制等工程难题随之浮现；涉密涉敏业务对运行审计、国产化替代、私有化部署的要求也远高于通用场景。智能体必须像应用程序一样被管理、编排、治理，其能力与经验也必须像代码库一样被沉淀、复用。
中科雨辰自主研发的辰智多智能体全生命周期管理与协同编排平台（下称”辰智平台”），以”智能体容器化、运行服务化、治理体系化、能力资产化”为设计思路，提供智能体注册、自主编排、调度、工具市场、技能（Skills）市场、知识接入、拓扑监测、安全审计等一体化能力。核心价值：把散落的AI智能体与业务经验收拢为可管理、可协同、可审计、可演进的智能体资产。
图1 辰智平台仪表盘总览
二、四大核心能力
（一）多智能体全生命周期管理
智能体被定义为可注册、可版本、可监控、可下线的”一等工程对象”，支持版本并存、灰度发布、A/B运行与一键熔断，像管理微服务一样管理Agent资产。
（二）多智能体协同编排
Supervisor-Worker分层协同架构，调度Agent负责任务分解与编排，Agent间通过消息总线同步状态。支持ReAct推理、工作流编排、人机协同挂钩三种调度范式并存，兼顾自主性与可控性。
（三）工具、技能与MCP生态集成
平台以MCP（Model Context Protocol）为统一规范，同时构建工具市场与技能（Skills）市场两级能力生态：工具提供”做什么”的外部执行力，技能沉淀”怎么做”的内部操作力（提示模板、操作SOP、校验规则、典型范例）；两者互补，供Agent按需声明调用，避免”一Agent一套集成、一Agent一套经验”的重复建设。
（四）多模型混编与国产化适配
对底层大模型解耦，支持MiniMax、通义千问、DeepSeek、智谱等国产模型同时接入，按Agent粒度配置底座；全栈适配国产基础软硬件，可在物理隔离涉密内网独立部署。
三、平台总体架构
辰智平台采用”五层一体”纵向架构，自下而上分为接入层、数据层、智能体层、服务层、应用层。
·接入层：基于MCP统一纳入外部数据、工具、业务系统。
·数据层：以”五库一图”组织运行数据资产——任务履历库、Agent记忆库、知识语料库、技能Skills库、元数据库，以及贯通人/事/物/组织的知识图谱。
·智能体层（平台核心）：承载Agent运行时、注册中心、调度引擎、工具市场、技能市场、记忆管理、运行监测、安全审计八大管理组件，预置监测、研判、预警、上报、调度、知识等横切Agent及若干业务域Agent。
·服务层：封装任务托管、报告生成、风险识别、知识检索、通知分发等标准服务。
·应用层：提供智能体控制台、作业台、拓扑监测、知识中心、任务中心、综合仪表盘等统一门户。
图2 辰智平台总体架构
四、Agent管理核心机制
“管理”是辰智平台区别于一般Agent应用框架的关键。平台围绕Agent全生命周期构建六项管理核心机制。
（一）智能体注册与全生命周期管理
所有Agent须经注册中心登记后方可接入调度，注册信息含角色、模型底座、Prompt模板、工具清单、绑定技能清单、输入输出契约、版本、拥有者、标签等字段。支持多版本并存、按标签灰度、按租户隔离、一键熔断全停；Prompt、工具、技能、模型变更以版本留存，支持任意回滚。
（二）任务编排与多模调度
同时支持Supervisor-Worker自主调度、工作流编排、人机协同挂钩三种模式并存，适配探索式、标准化、关键节点三类任务，可在同一任务内混用。
（三）Agent拓扑可视化与运行监测
Agent协同关系实时可视化为”活跃智能体拓扑”：节点颜色表征状态（idle/working/stopped），连线表征活跃消息链路，叠加调用频次、耗时、错误率等指标，支持5分至24小时回放，辅助全局掌控。
（四）工具与MCP市场
以MCP构建面向Agent的”工具超市”，支持租户私有与平台共享工具并存、版本管理与权限授权，按Agent粒度配置白名单，同一工具可被多Agent复用，显著降低集成成本。
（五）技能（Skills）市场与经验沉淀
平台将业务中验证有效的Prompt模板、SOP、校验规则、典型范例结构化打包为技能单元，与工具互补构成Agent能力两极。技能市场提供四项核心能力：版本治理（支持灰度切换与一键回滚）、智能召回（按任务语义或显式声明自动注入Agent推理，实现”能力即插即用”）、跨Agent复用（同一技能多Agent共享，避免Prompt重复建设）、经验沉淀闭环（有效Prompt可由运营人员一键沉淀为新技能发布到市场，形成”发现—验证—沉淀—复用”的持续演进闭环，将业务Know-How转化为可累积的数字资产）。
（六）安全审计与国产化适配
Agent每一次推理、工具调用、技能激活、模型出入参均被完整记录并与发起者身份绑定，支持事后追责；实施Prompt校验、越权熔断、输出审计等纵深防护；底层全栈适配国产基础软硬件环境。
图3 辰智平台活跃智能体拓扑视图
五、典型应用场景
在开源情报（OSINT）业务场景下，辰智平台装配出由监测、研判、预警、上报、调度、知识等角色Agent组成的多体作业链路，通过工具市场接入AIS、ADS-B、境外社交媒体、境外主流媒体、GDELT事件集等情报源，从技能市场加载”轨迹异常识别”“多源时间线对齐”“情报简报生成”“分级预警模板”等业务技能。
以”盯紧海湾方向军事动向”任务为例：调度Agent拆解任务后，海事态势Agent通过AIS捕获美军舰船异常集结；空情态势Agent通过ADS-B发现E-3预警机同向执飞；涉外舆情Agent捕获军方发言人异常表态；热点事件Agent挖掘到油价跳涨。研判Agent加载”多源时间线对齐”技能做关联分析，综合输出”局势进入敏感窗口期”的高置信度结论；预警Agent生成紧急预警单；上报Agent依托”情报简报生成”技能在两分钟内完成《海湾局势日报》呈送。从AIS异常发现到完成上报件用时不足15分钟，较传统人工链路效率提升一个数量级。
图4 开源情报综合态势大屏（SignalEarth可视化子系统）
六、结语
辰智平台将智能体视为与微服务同等重要的工程资产，将业务经验视为与代码同等重要的数字资产，通过全生命周期管理、多模调度、拓扑可视化、工具市场、技能市场、安全审计等机制，使AI智能体由”散落试点”走向”体系化作业”，使业务经验由”存于个人”走向”沉淀于平台”。
