NVIDIA联合16家企业打造"开放AI智能体平台"。开发者本周应纳入代码的3项实现变革

⚡ 本文为系列第2篇。尚未阅读第1篇《Vibe Coding只是序章。“智能体工程”让开发者成为指挥家的日子》的读者，建议先从那篇开始。

16家企业站上同一舞台。GTC 2026究竟发生了什么

上一篇文章里我写到”开发者将成为指挥家”。即将到来的时代是——向AI智能体下达指令，代码的质量与方向由人来掌控。

就在那篇文章发布的下一周，指挥家的手边送来了一份”共同的乐谱”。

2026年3月16日，NVIDIA的GTC（GPU Technology Conference）大会。一条新闻稿的标题瞬间抓住了我的眼球。

“NVIDIA Ignites the Next Industrial Revolution in Knowledge Work With Open Agent Development Platform”

直译过来就是”用开放的智能体开发平台，点燃知识工作的产业革命之火”（NVIDIA Newsroom）。

看到表态采用的企业名单时我惊呆了（VentureBeat）。

Adobe（奥多比）、Atlassian（亚特拉森）、SAP、Salesforce（赛富时）。Cisco（思科）、CrowdStrike（众击）、ServiceNow、Siemens（西门子）。还有Amdocs、Box、Cadence、Cohesity。Dassault Systèmes（达索系统）、IQVIA、Red Hat、Synopsys（新思科技）。合计16家。

Salesforce和SAP，不正是在CRM领域正面交锋的两家公司吗？这两家居然宣布使用同一套工具包。

这不仅是技术层面的事。这是一个信号——“智能体开发的通用语言已经定下来了”。

对开发者而言，实现层面要把握的要点有3个。NeMo Agent Toolkit（NeMo智能体工具包）、A2A协议、OpenShell（开放外壳）。我们逐一来看。

NeMo Agent Toolkit。将现有代码智能体化的最短路径

我做的第一件事，就是打开NeMo Agent Toolkit的GitHub仓库（GitHub）。

这套工具包的卖点是”框架无关”。用LangChain（朗链）也行。LlamaIndex（驼羊索引）、CrewAI（船员AI）都能跑。Microsoft Semantic Kernel（语义内核）和Google ADK（智能体开发套件）也都支持。其设计精髓在于——现有代码可以原封不动地搬过来。

具体步骤是这样的。执行工具包的workflow create命令，就会生成项目的脚手架。核心是pyproject.toml和config.yaml这两个文件。用YAML定义智能体的构成要素。

# config.yaml 的结构示意（简化版）
# 用 NeMo Agent Toolkit 定义智能体的技能
workflow:
  name: my-first-agent
  description: "检索企业内部知识的智能体"

  # 指定要使用的框架
  framework: langchain

  # 列举技能（智能体能做的事）
  skills:
    - name: search_docs
      type: retrieval   # RAG检索
    - name: summarize
      type: generation  # 生成摘要

这一点正中我这个Vibe Coding出身者的下怀。只需写YAML就能搭出智能体的骨架，不必为代码架构设计苦恼好几天。

NVIDIA准备的”AI-Q Blueprint”也值得关注。这是一份检索型智能体的参考实现。在DeepResearch Bench这个精度基准测试中拿下了第一（NVIDIA Developer Blog）。“先看到能跑起来的东西，再据此做定制”是我的开发风格。我觉得这份蓝图作为入门口非常合适。

官方也公开了无需任何环境配置就能在Google Colab上运行的Notebook（NVIDIA Developer）。不用担心被环境搭建坑住，这一点真的很贴心。

提前共享一下踩坑点。NeMo Agent Toolkit最新版本是v1.5，但部分文档还停留在v1.4没有更新。config.yaml的schema有微妙变化的情况存在，请务必参考官方文档最新版。如果只看README就开干，会像我一样白白耗掉30分钟。

DeepLearning.AI上还有NVIDIA解决方案架构师亲自授课的免费课程（DeepLearning.AI）。主题是”如何让智能体在生产环境中可靠运行”，正是Toolkit引入之后必然要面对的问题。我推荐周末跑完AI-Q Blueprint之后立刻来上这门课。

A2A协议。智能体之间对话的通用语言

用NeMo Agent Toolkit做出来的智能体，单独使用也能发挥作用。不过真正有趣的，是把多个智能体串起来协作的时候。

这时候登场的就是A2A（Agent-to-Agent）协议。它最初由Google开发，目前已捐赠给Linux基金会，成为开放标准（A2A Protocol官网）。

A2A要解决的问题非常明确。“用不同框架开发的智能体，彼此之间如何交换信息”——它给出了答案。

也许有人会好奇A2A和MCP（Model Context Protocol）的区别。MCP是AI模型访问外部工具的规范。整理一下两者的角色是这样的。

• MCP：智能体访问外部工具或数据源的规范。“打开工具箱的钥匙”
• A2A：智能体之间相互委派任务的规范。“向同事请人帮忙时的通用语”

NeMo Agent Toolkit从v1.4开始就标准支持A2A（NVIDIA NeMo A2A文档）。根据官方文档，现有的LangGraph智能体只需做最小的代码改动，就能升级为A2A兼容。

0.3版本中追加了gRPC支持和安全卡签名功能（Google Cloud Blog）。已有超过150个组织表态支持A2A。

“我们的智能体没法和别家对接”——这种说法已经越来越行不通了。

来看一段实现示意。给现有的LangGraph智能体加上A2A服务端能力，代码大概是这种程度的简洁。

# A2A 对接的最小构成（NeMo Agent Toolkit）
# 把现有的 LangGraph 工作流公开为 A2A 的示意
from nemo_agent_toolkit.a2a import A2AServer

# 把自己的智能体作为 A2A 服务端公开
server = A2AServer(
    agent=my_langgraph_agent,  # 直接传入现有的智能体
    name="doc-search-agent",
    description="检索并总结企业内部文档"
)
server.start(port=8080)
# 仅此一步，就能被其他 A2A 兼容的智能体调用

用MCP连接工具，用A2A连接智能体。这套二层结构很可能成为2026年多智能体开发的基本范式。

OpenShell。不让自主智能体脱缰的安全装置

老实说，每次听到”自主型智能体”的话题，我心里都会有点发怵。

“AI擅自调用API、擅自部署、擅自产生计费”——脑海里总会闪过这样的剧本。正因为是客服出身才更明白，用户一旦觉得”被AI做了意料之外的事”，信任就会瞬间崩塌。

针对这一点，NVIDIA推出了名为”OpenShell”的开源运行时。这是一套基于策略，对安全、网络控制和隐私护栏进行强制执行的机制（VentureBeat）。

简单说，就把它理解为”事先划定智能体能活动范围的盒子”吧。无论智能体变得多聪明，OpenShell未允许范围之外的API它就是调不到。

上一篇文章里我写过”看准何时叫停智能体非常关键”。OpenShell正是把那个”叫停标准”用代码定义出来的工具。

在个人开发场景中也大有用武之地。自己做业务工具的时候，“这个Bot要是失控了怎么办”的担忧总是如影随形。有了OpenShell，就可以用策略文件明确写出”可以做的事”和”不能做的事”的边界。

对一路秉持”能跑就行”精神过来的我而言，安全装置变成标配的时代，反而是值得欢迎的变化。

回想一下上一篇文章中提到的CurXecute（卡执行）。那是Vibe Coding工具刚被发现零点击漏洞之后的发布。自由行动的智能体和安全行动的智能体两者兼得，正逐步成为可落地的现实。

16家企业同步行动的背景。Gartner”40%“预测的分量

为何16家企业要同步行动？背景是行业分析师的预测。“到2026年底，40%的企业应用将内嵌任务级AI智能体”——这一数字浮现了出来。2025年这一比例还不到5%，也就是一年增长8倍。

观察各家的动作，就能感受到那种紧迫感。

Salesforce在”Agentforce”服务中采用了NeMo Agent Toolkit。规划是构建面向销售、营销和客户服务的AI智能体。对话界面则设计为使用Slack。

SAP将把Agent Toolkit集成进”Joule Studio”平台。设想是在SAP BTP（Business Technology Platform）之上运行AI智能体。

Adobe则表态将把Toolkit应用于创造力、生产力以及营销领域的长时间运行型智能体。

也就是说——只要开发者在使用这些产品，背后就有可能正在跑着NeMo Agent Toolkit。即便不直接接触，作为生态系统的一部分了解一下，价值也很充分。

回想上一篇介绍的Pragmatic Engineer（务实工程师）调查。那份调查中，Claude Code以46%的得票率成为最受喜爱的工具。智能体开发的主战场正从”选哪个LLM”转向”在哪个平台上搭智能体”。NVIDIA这次的动作，正是这一转折的象征。

总结。这个周末可以做的3件事

上一篇文章里我写过”智能体工程让开发者成为指挥家”。今天想传达的是”指挥家的乐谱，已经可以以开源形式拿到手了”。

NeMo Agent Toolkit、A2A协议、OpenShell。这三块齐备之后，智能体开发的入口一下子敞开了。

这个周末能做的事，我列出3条。

1. 克隆 NeMo Agent Toolkit的GitHub仓库（github.com/NVIDIA/NeMo-Agent-Toolkit），跑一下AI-Q Blueprint。在Google Colab上也行得通，不用担心被环境搭建卡住
2. 读一读 A2A协议规范（a2a-protocol.org）。仅仅理解它和MCP的区别，下周的设计判断就会变得不同
3. 用 DeepLearning.AI的免费课程（deeplearning.ai）做一次动手实操。课程内容由NVIDIA的解决方案架构师亲自讲授

作为一名曾经的”挫折工程师”，我能说的只有一句。“智能体开发，已经不再是只属于专家的领域。“写YAML、跑Blueprint、用A2A连起来。这第一步，今个周末就能迈出去。

“智能体工程”的概念与NVIDIA的实现基座连成了一体。从”概念”到”能写代码的状态”，转折正在发生。“高手工程师附体”的那种感觉，又能再深一层去品味了。

系列特辑第3篇预计将探讨”实现Gartner预测40%的3种架构设计模式”。在”选哪个平台”之后，接下来要面对的”如何设计”这个问题，我们将给出答案。

---

---