AI智能体协同新国标：企业AI告别孤岛时代

从身份可信、能力可见到工具调用，一次看懂 GB/Z 185—2026 对企业 AI 落地意味着什么

为深入贯彻落实国务院《关于深入实施“人工智能+”行动的意见》部署要求，规范引领产业创新、安全、有序发展，工业和信息化部指导中国电子技术标准化研究院，组织70余家重点企业，制定《人工智能智能体互联》系列国家标准（标准编号：GB/Z 185—2026）。

很多企业做 AI，已经走过了第一阶段：

让一个大模型写文案。

让一个智能助手查资料。

让一个 Agent 帮员工处理某个单点任务。

但接下来真正难的地方，不是再多做几个智能体，而是这些智能体能不能在企业系统里协同起来。

比如，一个订单交付任务，不可能只靠一个智能体完成。

它可能需要销售智能体确认客户需求，需要计划智能体拆解排产，需要采购智能体核对物料，需要生产智能体跟踪工单，需要质量智能体追溯异常，还需要财务智能体判断成本和毛利。

如果这些智能体来自不同系统、不同平台、不同厂商，却没有统一的身份、能力、发现、交互和工具调用规则，那么企业 AI 很快就会从“一个助手很好用”，变成“一堆助手彼此不认识”。

这也是 GB/Z 185—2026《人工智能 智能体互联》系列国家标准值得企业关注的原因。

它讲的不是一个抽象技术概念，而是在回答一个很现实的问题：

未来企业内部会有越来越多智能体，它们到底怎么互相识别、互相发现、互相协作，并且在可控范围内调用工具、访问系统、完成任务？

官方对智能体的定义，可以理解为：

具备自主感知、记忆、决策、交互与执行能力的新型智能系统。

放到企业场景里，它不只是聊天机器人，也不只是一个自动化脚本。

它更像是一个能够理解任务、调用工具、访问系统、参与流程的数字化执行单元。

过去企业上系统，重点是 ERP、MES、PLM、CRM、WMS 这些业务系统之间怎么集成。

而接下来企业用 AI，重点会变成：

智能体之间怎么协同。

智能体和业务系统怎么连接。

智能体调用工具时怎么鉴权。

智能体执行任务后怎么追溯。

如果这些问题没有统一规则，就会出现几类典型问题。

第一，身份不统一。

系统不知道这个智能体是谁，归属哪个平台，是否可信，出了问题由谁负责。

第二，能力不可见。

一个智能体到底能处理订单、能查库存、能生成报表，还是只能做问答，没有统一描述方式。

第三，发现匹配困难。

当一个复杂任务需要多个智能体协同时，系统不知道应该找谁，也不知道谁最适合完成这一步。

第四，交互协作不稳定。

不同厂商、不同平台、不同架构的智能体之间，如果协议和消息规则不一致，协同成本会很高。

第五，工具调用难管理。

智能体一旦要调用数据库、业务系统、接口、外部工具，就会涉及权限、安全、审计和责任边界。

所以，智能体互联标准的价值，不是给行业多加一套概念，而是为企业 AI 从试点走向规模化，补一套基础规则。

GB/Z 185—2026《人工智能 智能体互联》系列标准共分七个部分。

如果换成企业能理解的话，就是围绕一条智能体协同任务链，依次解决六个问题：

谁在参与？

是否可信？

能做什么？

怎么被找到？

怎么互相协作？

怎么调用外部工具？

具体来看：

第 1 部分，规定总体架构。

它相当于先画出智能体互联这件事的总框架，明确有哪些参与方、哪些服务、哪些资源，以及它们之间怎么分层。

第 2 部分，规定智能体身份码。

也就是给每个智能体一个可识别、可管理、可追溯的身份标识。一个身份码对应一个智能体，解决“它是谁”的问题。

第 3 部分，规定身份注册、账户、凭证和鉴别。

这一步解决“它是否可信”的问题。智能体不是随便接入，而是要经过注册、核验、凭证发行和身份鉴别。

第 4 部分，规定能力描述。

这一步解决“它能做什么”的问题。智能体的能力、接口、适用场景、调用方式，需要以统一方式描述、注册、发布和变更。

第 5 部分，规定智能体发现流程。

这一步解决“怎么找到合适智能体”的问题。复杂任务来了，系统要能根据能力描述和任务需求发现匹配对象。

第 6 部分，规定交互模式。

这一步解决“怎么协同”的问题。包括点对点、群组、混合等不同交互模式，适配不同复杂度的任务。

第 7 部分，规定外部工具调用。

这一步解决“怎么访问资源”的问题。智能体要调用工具、接口、数据源、业务系统，就必须有统一的调用架构、流程和数据格式。

所以，这七部分不是孤立的标准条目，而是连成了一条完整闭环：

这套标准还提出了五个概念域。

如果不从标准语言看，而是从企业落地角度看，这五个域其实对应了企业 AI 系统里的不同角色。

第一，用户域。

它负责发起任务、提出需求、接收结果。

在企业里，可能是员工、管理者、业务系统，也可能是某个自动触发的业务流程。

第二，智能体域。

这是智能体真正工作的地方。

智能体要维护自己的身份和能力描述，要和其他智能体交互，要完成互联鉴权，也要在需要时访问工具。

第三，管理服务域。

它负责身份、凭证和鉴别。

放到企业里，就是智能体的身份管理、账户管理、凭证管理和可信接入机制。

第四，互联服务域。

它负责描述管理、智能体发现和消息分发。

简单说，就是让系统知道有哪些智能体、它们能做什么、任务应该发给谁、消息应该怎么传。

第五，资源访问域。

它负责外部工具和资源支持。

在企业环境里，这些资源可能是 ERP、MES、PLM、WMS、CRM、数据中台、知识库、数据库、工业设备接口，甚至外部 SaaS 服务。

这五个概念域放在一起，其实给企业 AI 落地提供了一个很关键的架构提醒：

不要把智能体只当成一个聊天入口。

真正的企业级智能体系统，必须同时考虑用户入口、智能体本体、身份管理、互联服务和资源访问。

少了任何一层，企业 AI 都很难从演示走向稳定运行。

智能体互联不是简单“连得上”。

更重要的是：

为什么这一点重要？

因为智能体一旦进入企业业务系统，就不再只是回答问题。

它可能会查订单、读库存、调接口、写数据、触发流程、生成报告，甚至参与审批和异常处理。

如果一个智能体没有清晰身份，企业就很难回答几个基本问题：

这个智能体是谁创建的？

它属于哪个平台？

它有没有权限访问这类数据？

它调用过哪些工具？

它执行过哪些动作？

出了问题能不能追溯？

标准里提到的身份码、身份账户、身份凭证和身份鉴别，本质上就是为这些问题建立基础设施。

智能体接入前，需要注册和核验。

通过后，注册服务方创建账户、分配身份码、发行凭证。

后续还可以更新、锁定、解锁和注销。

当请求智能体要和服务智能体交互时，需要完成双向身份鉴别，再基于凭证和鉴别结果进行访问控制和互联鉴权。

这对企业非常关键。

因为未来不是一个智能体调用一个工具，而是大量智能体跨部门、跨系统、跨平台协同。

没有可信身份，协同规模越大，安全和管理风险越高。

这套标准对企业的影响，可以从三个层面看。

第一，降低集成成本。

过去企业做 AI 应用，很多问题卡在系统适配上。

不同平台的智能体身份不同、接口不同、能力描述不同、工具调用方式不同，项目越做越碎。

如果智能体互联有统一框架，企业后续在办公、制造、政务、服务、具身智能等场景做应用时，系统集成和场景适配成本会下降。

第二，推动能力复用。

企业不可能为每个场景都重新做一套智能体。

更合理的方式是，把订单智能体、计划智能体、质量智能体、知识库智能体、设备运维智能体、财务分析智能体等能力沉淀下来，再根据任务进行组合。

这就需要统一的能力描述、注册、发现和调度机制。

标准提供的方向，正是在为“智能体能力复用”打基础。

第三，提升企业 AI 的可管控性。

企业不是不能用 AI，而是不能失控地用 AI。

智能体越多，越需要明确：

谁能接入？

谁能调用？

谁能访问数据？

谁能触发工具？

过程怎么留痕？

异常怎么追责？

这也是智能体互联标准中身份管理、凭证、鉴别、访问控制和工具调用规范的现实意义。

对制造企业来说，智能体互联不是离自己很远的技术标准。

因为制造企业天然就是多系统、多角色、多流程协同环境。

订单在销售。

BOM 在研发。

排产在计划。

工单在车间。

物料在仓储。

质量在检验。

成本在财务。

交付在供应链。

任何一个环节的信息断了，智能体就只能做局部问答，无法完成真正的业务闭环。

未来制造企业做 AI，不会只停留在“让 AI 写报告”。

更有价值的方向，是让不同智能体围绕真实业务链协同工作：

订单智能体识别交付风险。

计划智能体调整排产方案。

库存智能体核对物料缺口。

质量智能体追溯异常