云原生这个概念已经很久没人提了，最早人们认为这只是云大厂的一种营销话术。但Agent Infra概念火了以后，让二者发生了化学反应。云原生+Agent Infra= Agent Native Cloud，这可能是我们对阿里云云原生这个最新产品的直接理解！

　　在上海WAIC期间，阿里云发布了Agent Native Cloud，如何理解这一产品的最新能力升级？显然，不只是云原生与Agent Infra这两个概念的简单相加，而是对云上基础设施在新应用环境下的重构！

　　由IT168&IT1PUB最新推出的《Agent Infra变革进行时，企业级智能体规模化落地的“基础设施之战”》选题，将以系列文章的方式，陆续推出原创内容。本期，我们将从阿里云视角分析下AI云原生范式下的Agent Infra，如何实现“共生自进化”！

　　在了解Agent Native Cloud到底是怎样一款产品时，我们先看看阿里云为什么要发布这样一款产品？

　　当Agent开发全面转向云端

　　就像传统应用开发的发展脉络一样。最初，企业部署Agent更愿意部署在本地，觉得本地电脑会让Agent更安全、更可控。

　　但现在，用户的思路变了，本地电脑只能跑2-3个Agent，但在云端这个数字可以轻松扩展到5个、10个，甚至是20个。

　　以AI编程编排工具Conductor为例，这家企业的CEO在X上发布了一条推文，未来几周内，公司将把重心全面转向云Agent，并强调这是一次堵上公司全部身价的战略转型。

　　这家靠“本地体验”起家的公司，之所以放弃原有的根据地，是因为开发者们发现：单个AI编程Agent已经不够用了，如果让Claude Code改一个文件，虽然它改得不错。但如果你想同时做五个功能、修三个Bug、重构一个模块，排着队等一个Agent完成，效率就回到了原点。

　　虽然，本地也可以部署多个Agent，但协作效率差，给人的感觉是：像有8只手，各干个的。同时，每只手都在消耗你的本地空间。风扇狂转，CPU飙升，内存吃紧……更致命的是，一旦你合上电脑，所有Agent全部停摆。你只能守在屏幕前，像看着一锅粥，不能离人。

　　所以，需要强调的一点是，阿里云发布Agent Native Cloud，不是临时起意，而是刚好踩在用户的痛点上。

　　Agent可控、可复用、可协作、会进化的平台架构

　　问题是，满足Agent需要的云上开发环境到底长什么样？从"传统云原生"到"Agent原生云"到底变了什么？

　　阿里云云原生应用平台负责人周琦有一句话，说到了点上。他说：“下一轮竞争，比的不是谁拥有更多Agent，而是谁能把Agents变成可控、可复用、可协作、会进化的组织资产。”

　　如何实现这一目标？阿里云Agent Native Cloud，围绕 Agent 生命周期，打造了可靠运行环境的Agent infra和Platform。

　　要知道，Agent Infra不是单一产品，而是一套完整的基础设施技术栈，完整的架构图如下：

　　其中，AgentRun是为 Agent 而生的运行时。它从根本上解决了Agent部署的“毛坯房”问题，一个Agent可以"随时唤醒→执行任务→保存状态→缩容到0"，长会话成本直降70%；AgentLoop，让 Agent 不再是黑盒，通过全栈可观测引擎可以快速解决Agent执行出错这个问题，用户可以基于 OpenTelemetry Trace，实现从用户请求→模型调用→工具执行的全链路追踪。

　　听起来很美好，那阿里云是怎么通过上述能力实现Agent的全生命期管理的呢？从整个平台能力来看，最新升级的Agent Native Cloud，在基础设施层为Agent场景量身打造了具备MicroVM/VM级强隔离能力的Sandbox环境，不仅支持会话缩容至零以显著降低长时运行成本，更具备应对高并发需求的极致弹性。

　　在此基础上，阿里云推出了全生命周期的Agent Platform，由高代码构建平台AgentRun、多智能体治理协作平台AgentTeams及观测与优化平台AgentLoop三大核心组成，并辅以Identity、Gateway、Policy等关键模块，全面覆盖从构建、运行到治理、评估的完整链路；配合智能运维平台STAROps，更推动运维模式从被动告警响应向主动的AgenticOps演进。

　　依托Agent Native Cloud，阿里云在AgentScope、Higress等开源项目中落地实践，利用AgentTeams组建研发、客服及数据分析团队，通过Team Leader Agent调度Worker Agent高效执行，并借助AgentLoop持续采集真实轨迹与量化评估驱动智能体进化。这一体系成功实现了15个Agent的7×24小时全天候服务，承担了85%的答疑工作，使运营支持时长大幅降低90%，版本发布周期缩短至1天。

　　可观测性，是Agent从黑盒到白盒的关键“一跃”

　　Agent要想从实验室走进生产环境，有一个关键问题，就是可观测性。

　　如今，Agent已是一个能自主决策的超级智能体，但越聪明越难管。首先，多智能体的协作让调用关系变成一张网，传统监控环境跟不上，使得监测成为盲盒；其次，性能和故障难以定位，找不到慢请求的卡点；其三，安全攻击面扩大，提示词的注入越权的调用，加大了隐私数据泄露的风险。

　　如何让黑盒变成白盒？阿里云还推出了云监控2.0方案，借助CMS2.0这个agent可观测的能力，可以让agent的推理过程全链路可追踪。用户需要把完整的数据拿到手，在这些数据之上，再用全域智能运维平台STAROps做更聪明的诊断分析、安全审计和成本优化。

　　阿里云云监控 CMS 2.0 将此前独立的云监控 CMS、日志服务 SLS、应用实时监控服务 ARMS 整合为一站式统一可观测平台，以 UModel 数据模型为核心，打通指标、日志与链路数据，显著降低运维复杂度，也为上层 Agent 提供了统一、可推理的数据底座。

　　STAROps提供 RAM 权限控制、高风险操作人工确认、Agent 行为审计与端到端加密等企业级保障。基于 STAROps ，企业可根据需求构建专属 SRE Agent，并配置职责、权限与技能，使其自主调度运维操作、独立完成任务；同时， STAROps 本身就是一套运行在阿里云基础设施之上的 Agent，通过统一编排承接复杂的跨域运维作业。企业既可以通过 OpenAPI 与 MCP 将 STAROps 无缝接入现有工作流、快速获得 AI 提效，也能以此加速向 Agent Native 的智能运维模式升级。

　　写在最后

　　Agent开发从本地走向云端，带动了云基础设施的深化发展。而阿里云围绕Agent Infra的最新部署，标志着云原生架构迎来了它的下一个十年起点。在这个新起点上，云不再仅仅是算力和存储的容器，而是成为了智能体生长、协作与进化的土壤。

　　从这个角度来看，Agent Native Cloud的最新升级，并不是凭空出现，而是阿里云对时代趋势的精准回应。它没有停留在概念层面的炒作，而是用AgentRun、AgentTeams、AgentLoop以及STAROps这一整套“组合拳”，实实在在地解决了Agent在落地过程中面临的运行成本、协作效率、可观测性以及安全治理等核心难题。

　　Agent Native Cloud不仅定义了AI时代基础设施的新标准，更向我们展示了一个清晰的未来：当云与Agent真正融为一体，企业数字化转型的天花板将被彻底打破，一个由智能体驱动的高效、自治、进化的新商业时代，正由此拉开序幕。