企业AI的真正风险不是自主Agent，而是它们之间的复杂性。

事件核心：发生了什么

API 管理公司 Gravitee 的 Rory Blundell 在 VentureBeat 发文指出，企业级 AI 的故障模式正在从“单个 Agent 出错”转向“Agent 集群间的复杂性失控”。文章给出的关键逻辑是：当企业部署第二个 Agent 时，系统增加一条连接；但当部署到第十个 Agent 时，连接数不是增加十条，而是可能增加数十条——因为任意 Agent 都可能调用其他 Agent，每次调用还可能触发链式反应。

这种复杂性带来两个具体问题。首先是权限蔓延：某个用于摘要支持工单的 Agent 被授予了宽泛的 API 访问权限，原因是“精细化授权需要额外迭代周期”，六个月后这个 Agent 可能已经打通了支付系统的路径。其次是责任真空：一条工作流经过五个 Agent，第四步出错时，组织架构里根本找不到一个被指派为“对该环节负责”的人。

为什么重要

这篇文章触及了当前企业 AI 落地的一个被低估的瓶颈。多数企业在治理 Agent 时仍沿用传统的清单式审批——批准、登记、归档——但这种方式只能检查单一时间点，无法覆盖跨 Agent 的连续调用链。原文的核心判断是：治理基础设施没有跟上 Agent 的真实行为模式（互联、级联、指数级增长），这才是大多数企业 AI 项目“永远停留在试点”的根本原因，而非模型能力不足或算力受限。

文章进一步区分了“监控”与“治理”：一个仪表盘显示 Agent 五分钟前越权，这只是监控工具；能在越权调用执行前就阻止它，才叫治理。目前多数企业只建设了前者。

对用户/开发者/创作者的影响

对于开发者而言，文章给出的直接建议是：Agent 必须拥有独立的身份实体，而不是借用部署者的影子权限；每个 Agent 需要有独立的注册名称、范围化授权，以及一名具名的人类负责人。API 开发者尤其需要关注跨 Agent 调用的可观测性——实时查看某个 Agent 做了什么、触发了哪些下游动作、链路终端在哪里，而非依赖季度报告。

AI 工具推荐

想把多个 AI 模型放在一个入口？

GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。

了解 GamsGo AI

推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。

对于企业采购决策者，这篇文章提供了一个评估供应商的切入点：不要只看 Agent 本身的单点能力，要追问其平台是否具备跨链路执行策略（在调用发生前拦截违规请求）的能力，以及是否支持将 Agent 权限与人类负责人绑定。目前公开信息显示，Gravitee 作为 API 管理厂商，正试图将这类治理能力纳入其平台定位。

值得关注的后续

第一，观察 Gravitee 或同类 API 管理厂商是否会推出针对 Agent 间调用链的可视化图谱工具——原文明确提到“没有人负责绘制 Agent 之间的连接图”，这是明确的产品缺口。

第二，关注企业级 Agent 平台（如微软 Copilot Studio、AWS Bedrock Agents 等）是否会跟进“跨 Agent 策略执行”能力，而非仅提供单 Agent 的权限配置。

第三，留意“Agent 责任归属”是否会成为企业采购合同中的新条款——即供应商是否需要承诺对多 Agent 级联调用中的意外行为承担可追溯的问责机制。

来源：VentureBeat AI