售后客服主管经常遇到这种工单：客户问“我的订单为什么还没发货”。已有 RAG 知识库能把退换货政策答得很顺，但订单状态在 OMS 里，物流轨迹在快递接口里，补偿券要写会员系统。RAG 只能把政策段落拼给客户，解决不了“查订单、查物流、发券”这条动作链。
这类场景就是企业 AI 应用从 RAG 走向 Agent 的典型入口。按架构决策顺序写：哪些问题 RAG 够了，协议怎么选，多智能体怎么编排，权限和评测怎么补，再往后看阿里云、腾讯云控制台里能落下哪些组件。文中不嵌入 B 站、腾讯视频、优酷、抖音视频：视频链接会失效，且无法在 2026-09-08 逐条核验，只保留官方文档入口。
1. RAG 在知识密集场景的局限
RAG 的强项是“从文档里找依据再生成答案”。政策问答、产品手册、合同条款、培训资料，这几类问题只要文档完整、更新及时、召回稳定，RAG 成本低，评测也简单。局限经常出在数据形态和任务边界，模型本身不一定是主要原因。
先看一张判断表：
| 问题类型 | 例子 | RAG 够不够 | 需要补什么 |
|---|---|---|---|
| 静态政策 | 退货要几天 | 够 | 文档更新、引用 |
| 多跳查询 | A 产品的配件在 B 仓库有没有库存 | 常常不够 | 库存 API、工具调用 |
| 实时状态 | 我的订单到哪了 | 不够 | OMS、物流接口 |
| 写操作 | 帮我改收货地址 | 不够 | 权限校验、事务、确认 |
| 权限隔离 | 销售总监看全国，销售看自己区域 | 容易出错 | 行级权限过滤 |
| 表格/扫描件 | 报价单 PDF | 容易漏 | 版面解析、结构化抽取 |
| 长流程 | 退款同时改发票、发券、通知 | 不够 | 编排、状态机、重试 |
所以 RAG 升级 Agent 的触发条件可以写成清单：
- 用户问题需要调用内部 API 或 SaaS 接口
- 答案依赖实时状态，不只是文档
- 任务包含写操作，必须鉴权和确认
- 需要跨系统取数，再决定下一步
- 失败后要重试、降级或转人工
- 需要按用户身份返回不同数据范围
2. 工具调用、MCP、A2A 协议选型
工具调用、MCP、A2A 不在同一层。工具调用解决“模型怎么表达要调哪个函数”。MCP 解决“工具和资源怎么以统一方式接给不同客户端”。A2A 解决“一个 Agent 怎么发现并委托另一个 Agent”。选型先看调用方和被调用方是不是同一套系统。
| 方案 | 解决什么 | 典型场景 | 2026 年注意点 |
|---|---|---|---|
| Function calling | 模型输出结构化参数，业务代码执行 | 1 到 3 个内部 API、POC | 参数校验、超时、幂等要自己做 |
| MCP | 统一接入工具、资源、提示模板 | 多个客户端复用同一批工具，如 IDE、客服台、内部助手 | 看规范版本；授权走 OAuth 2.1 相关流程 |
| A2A | Agent 间发现、消息、任务协作 | 跨团队、跨厂商、跨进程的 Agent 委托 | 适合边界清晰的 Agent，不适合替代内部函数 |
| 平台插件 | 云厂商控制台内置工具连接器 | 快速接数据库、搜索、工作流 | 锁定风险，导出和迁移要提前评估 |
A2A 的公开项目在 https://github.com/a2aproject/A2A，官网入口 https://a2a-protocol.org/。A2A 适合这种结构：客服 Agent 不直接管报销，它把“查报销规则”委托给财务 Agent。A2A 消息里仍然要带用户身份、租户、trace_id，否则下游无法审计。
选型步骤：
- 列出工具清单，标记只读/可写、数据级别、调用频率。
- 只读工具先接 MCP，写工具单独走审批和幂等设计。
- 两个以上 Agent 需要互相委托，再引入 A2A。
- 同一云平台内能完成的，先用平台工作流，但保留 HTTP/OpenAPI 出口，避免迁移时重写。
3. 多智能体编排与可观测性
多智能体不是越多越好。一个客服 Agent 加订单查询工具、物流工具、退款工具，能解决大部分问题。需要多 Agent 的情况通常是：检索、风控、执行三类职责的模型、权限、评测指标不同，或者不同团队各自维护 Agent。
常见编排模式：
- 单 Agent + 工具：POC 和中等复杂度任务，链路短，调试快。
- 主管-工人：主管拆任务，工人分别查知识库、订单、物流，主管汇总。
- 状态机：退款、理赔、开户这类流程，状态和转移条件必须明确。
- 事件驱动：工单创建、物流异常、支付失败触发 Agent，适合异步。
可观测性别只看模型输入输出。一次 Agent 任务要能还原：用户是谁、命中哪些文档、调了哪个工具、参数是什么、返回什么、花了多少 token、延迟卡在哪、为什么转人工。建议统一 trace 字段：
| 字段 | 用途 |
|---|---|
| trace_id | 串起用户请求、Agent、工具、异步任务 |
| span | 区分检索、规划、工具调用、生成 |
| tool_name / status | 统计工具成功率和失败类型 |
| retrieval_hit | 看召回文档 ID、分数、是否被引用 |
| token / cost | 按租户、用户、Agent 分摊 |
| latency_ms | 拆分模型、检索、API、排队 |
| error_type | 区分超时、鉴权失败、参数错误、模型拒绝 |
| human_handoff | 记录转人工原因，回流评测集 |
4. 权限、安全、评测
Agent 一旦能写数据，权限问题就从“提示词约束”变成“系统约束”。用户身份不能由模型自己声明，要从登录态、OAuth token 或网关签名传入。工具层做 RBAC 或 ABAC，数据层做行级过滤。比如销售 Agent 查订单，SQL 里必须带 region = current_user.region，不能靠模型记得。
安全清单按调用链排：
- 用户身份、租户、角色从可信网关注入，模型不可覆盖
- 每个工具声明所需 scope，最小权限，短时 token
- 写操作二次确认，金额/数量/地址变更留快照
- 参数白名单和范围校验，拒绝 SQL、命令、路径拼接
- 工具返回内容做提示注入检测，标记不可信文本
- 网络出口限制到目标域名，容器或沙箱运行
- 审计日志保留用户、工具、参数摘要、结果状态
- 预算和速率限制按租户、用户、Agent 设置
- 敏感数据脱敏后再进模型上下文
- 失败降级：查不到转人工，不编造订单状态
一个可执行的最小评测集：
| 类型 | 条数建议 | 通过标准 |
|---|---|---|
| 单跳知识问答 | 30 | 引用正确，无编造 |
| 多跳工具查询 | 20 | 工具链正确，结果可追溯 |
| 权限隔离 | 10 | 越权请求被拒绝 |
| 写操作确认 | 10 | 未确认不执行 |
| 故障降级 | 10 | 超时转人工，不重试写操作 |
| 提示注入 | 10 | 不泄露系统提示和内部数据 |
5. 阿里云与腾讯云落地案例
这里写公开控制台里能看到的组件和落地路径，不写客户名和收益数字。产品价格、配额、地域、协议版本在 2026 年会调整，以官方计费页和文档为准。
阿里云百炼入口在 https://bailian.console.aliyun.com/，文档在 https://help.aliyun.com/zh/model-studio/。可用组件包括知识库、插件、工作流、智能体应用。一个可落地的售后路径：知识库导入退换货政策；工作流先判断意图；订单查询接 API 插件或 HTTP 工具；退款写操作接函数计算并加 RAM 权限和审批；日志投到 SLS。注意 RAM 子账号、VPC、知识库权限和模型调用配额要分开管。
腾讯云大模型知识引擎入口在 https://cloud.tencent.com/product/lke，智能体开发平台入口在 https://cloud.tencent.com/product/adp。LKE 偏文档解析、知识库、RAG 和工作流；ADP 偏 Agent 编排和应用发布。落地路径：工单分类走工作流；政策问答走知识库；订单、物流、退款接云函数或 API 网关；发布到客服台或企业微信。注意子账号权限、网络访问、内容安全审核和会话数据保留策略。
两个平台的共同检查项：
- 知识库文档权限和 Agent 工具权限是否同一套身份
- 写操作是否支持幂等、审批和回滚
- trace 是否能导出到自建 Observability
- 模型、向量库、工具是否可替换，避免硬绑定
- 计费按 token、检索、工具调用分别核对
免责声明：文中链接为官方公开入口，产品能力、价格、配额和协议版本可能变化，请以对应云厂商和控制台最新文档为准；本文不构成采购或安全合规建议。未嵌入 B 站、腾讯视频、优酷、抖音视频，原因是无法在 2026-09-08 核验具体视频链接与内容。