· AI Engineer NYC 2026 Online Talks
Путь к production: управляемые корпоративные AI-агенты
Paving the Road to Production: Governed Enterprise AI Agents — Harish Gaggar, Credit Karma
Корпоративный агент выходит в продакшен надёжно, когда шлюз MCP, аудит, память, трекинг, фильтрация PII и оптимизация контекста заложены с первого дня.
- Централизованный MCP-шлюз — все вызовы инструментов идут через один шлюз, который аутентифицирует запрос, выдаёт JWT и маршрутизирует его на MCP-серверы, прямого доступа к эндпоинтам нет. Инструменты собственных MCP-серверов проходят ревью службы безопасности до продакшена.
- Workflow с human-in-the-loop — LangGraph классифицирует запрос на чтение, изменение и удаление, чувствительные записи ждут одобрения человека, а все решения попадают в аудит.
- Трекинг и состояние — threads, run ID и checkpoints сохраняют состояние workflow, отдельные таблицы хранят ответы, модель, стоимость, вызовы инструментов и траектории. Демо показывают просмотр записей, а не проверенное качество системы или ROI.
- Оптимизация контекста — pruning, reranking, дедупликация и сжатие payload. По словам автора, токены в одном запросе упали с примерно 24 000 до 2 400, в примере Slack-бота до около 1 500, но сравнения качества ответов не приводится.
Кому полезно: техлидам, которые выводят агентов с доступом к внутренним системам и MCP-инструментам в компании.
Статья по теме
Главы
Похожие доклады
300 agents, 60 человек: как мы обеспечили безопасность собственных AI agents
Близко по содержанию
Создание агентов с Model Context Protocol
AI Engineer Summit 2025
Близко по содержанию
Практическое руководство по запуску ИИ-агентов в корпоративном масштабе
AI Engineer Europe 2026
Близко по содержанию
Ваш агент — смертоносная триада (и что с этим делать)
AI Engineer NYC 2026 Online Talks
Близко по содержанию

