从实验走向生产：Credit Karma 如何治理企业智能体

📌 One-Sentence Summary

Credit Karma 工程师介绍以 MCP 网关、LangGraph 策略、可观测性、敏感数据过滤和上下文优化支撑企业智能体上线的方案。

📝 Summary

Harish Gaggar 从企业智能体上线所需的基础控制谈起，展示智能体和 MCP 服务的注册、评审与部署路径。中央网关负责客户端认证、按命名空间路由工具调用，并以用户权限约束实际访问。LangGraph 工作流区分读取、修改和敏感操作，先收集证据，再对高风险步骤引入人工批准。系统还记录日志、追踪、指标、记忆检查点和评估数据；入口过滤力图在敏感信息进入模型、记忆或遥测系统前将其拦截。上下文优化则通过筛选、重排、去重和压缩减少 token 消耗。分享提供了一手架构和演示，但未给出独立的安全审计或可靠性数据。

💡 Main Points

通过统一网关治理工具访问

客户端先完成认证，再访问按命名空间组织的 MCP 服务，实际权限仍受用户身份约束。

执行前识别操作风险

工作流区分读取、修改和敏感请求，收集证据，并在高风险动作前加入人工批准。

让运行可追查，并限制敏感数据外流

追踪、评估和检查点用于复盘；入口过滤避免密钥进入模型、记忆和遥测记录。

在调用模型前压缩上下文

系统筛选、重排、去重并压缩大规模输入，以保留相关证据并降低 token 用量。

💬 Key Quotes

很多人缺少这道网关

要建设的是企业级框架，而不只是一个智能体

无论工具调用来自本地还是智能体，都应经过统一的 MCP 网关

📊 Article Meta

AI Screening： 90

Featured： Yes

Source： AI Engineer

Author： AI Engineer

Category： 人工智能

Language： 英文

Read Time： 22 min

Word Count： 5356

Tags：

AI 与智能应用 , 可观测性 , AI Agent , 企业级 AI , MCP协议

Play Full Video