铺就生产之路：受治理的企业级 AI Agent——Credit Karma 的 Harish Gaggar

Credit Karma 的 Harish Gaggar 介绍企业级 AI Agent 的落地路径：通过内部门户注册 Agent，并配套身份、记忆、追踪、评估与密钥管理；本地开发经容器构建、审查、安全扫描后部署到 Kubernetes。架构在 Agent 与工具之间设置集中式 MCP 网关，使认证与路由成为每次请求的一部分；自定义 MCP 服务器暴露经审查的工具，OpenTelemetry、Tempo、Prometheus 与 Grafana 用于观测失败、延迟和访问行为。他还演示了 LangGraph 工作流，涵盖意图解析、规划、证据收集、策略检查以及敏感操作的人工审批，并用 threads、runs、checkpoints 保存状态，独立追踪表记录模型使用、工具调用、成本与评估字段。

AI推荐理由 Credit Karma 工程师 Harish Gaggar 分享企业级 AI Agent 的落地路径：通过内部门户注册 Agent，配套身份、记忆、追踪、评估与密钥管理；本地开发经容器构建、审查、安全扫描后部署到 Kubernetes；架构上在 Agent 与工具之间放置集中式 MCP 网关统一认证与路由，并用 OpenTelemetry、Tempo、Prometheus、Grafana 观测失败、延迟与访问行为；随后演示 LangGraph 工作流从意图解析、规划、证据收集、策略检查到敏感操作人工审批，并用 threads/runs/checkpoints 保存状态，独立追踪表记录模型调用、工具调用、成本与评估字段。内容具体、可操作，对企业 Agent 工程化有参考价值，但为会议演讲转述，缺少可验证的量化结果。