企业 AI 新常态：多厂商、多智能体协同已成大势

您的员工不会坐等某个 AI 平台一统天下，他们早已选用了多种工具：

Copilot 智能体已经在 Microsoft Outlook 和 Teams 里安家；某业务线团队借助 Claude Code 和 GitHub Copilot，仅在上个季度就用 LangGraph 火速搭建了五个智能体，并让它们在 Microsoft Foundry 上跑了起来；AI 卓越中心（CoE）正追踪着 20 个不同的模型上下文协议（MCP）服务器和 5 种他们自己都不太熟的智能体运行时；IT 部门更是被四面八方的工具需求搞得焦头烂额，要在这场“智能体大爆发”中拼命守住安全、隐私和治理的底线。

这并非混乱，而是我们正在面对的新常态。问题的核心，已从“企业该选用哪些 AI 工具”，转变为“这些工具如何安全、一致、大规模地协同工作”。

在Microsoft Build 大会上听到的最多讨论不再是“我们应该押注哪个 AI 平台？”，而是“当多个厂商的智能体在同一个业务流程里各显神通时，我们该如何编排调度？”那些正从试点走向生产的组织，已将此视为一个架构层面的决策，而不仅仅是选哪个工具的问题。

试点阶段检验不到的问题

试点项目很有价值，因为它能证明智能体在可控环境下解决特定问题的能力。然而当这个智能体融入部门级流程后会发生什么？当多个部门使用不同智能体时如何协同？当 IT 需要在全系统范围内管理交接、数据访问、策略、异常和审计时，又该如何应对？这些问题极少能被检验到。

许多企业 AI 项目正是在这里卡壳的：并非模型能力不行，而是连接智能体、系统、数据和人的“运营层”还没搭建起来。

AI 的大规模落地，需要的远不止模型性能。它还需要流程编排、IT 治理、安全保障、策略执行、异常处理，以及对业务工作流的全程可视化。比如，一个跑在 Foundry 上计算风险分数的智能体，完成后可能需要调用 UiPath 的自动化流程来触发付款。这里更棘手的问题在于，如何用恰当的控制手段、必要的人工复核环节和完整的审计追踪，来协调好这一系列动作。

如果缺少一个坚实的编排层，这些智能体不过是把原本的人工流程变成了一个更复杂的版本而已。

Microsoft 365：企业协作的起点

许多企业流程都始于 Microsoft 365，因为这里是人们协作、决策和管理业务的主阵地。工作从 Outlook 涌入，在 Teams 里流转，在文档中成型，最终变为一个需要某人去完成的决策或行动。这让 Microsoft 365 成为企业 AI 天然的承载平台：上下文信息、团队协作和人类判断力，在这里交汇。

然而，像理赔管理、医疗转诊、贷款审批、财务运营这类流程，它们的完成，需要智能体、自动化脚本、策略检查、异常处理、系统更新以及跨多个应用的长时运行任务。Microsoft 365 是问题浮现并由“人在回环”介入解决的界面。智能体在其中承担了大量的具体工作。而 UiPath Maestro，则是将这些 AI 智能体、自动化流程和人工交接环节，编排成一个端到端企业流程的“总指挥”。

这套联合架构的设计初衷，正是为了连接这两层：一层是人们工作的协作界面，另一层是负责协调智能体、系统和团队完成工作的编排中枢。

客户不必在创新与管控之间做痛苦抉择，也不必在“团队想用的工具”和“企业必需的治理”之间二选一。UiPath 的努力正是为了让鱼与熊掌可以兼得：既赋予组织使用最适合自己的智能体、平台和应用的灵活性，又建立起在规模化运营时所需的安全连接能力。这正是客户在从 AI 试点走向真正业务转型时，所渴望的那种开放且企业就绪的伙伴关系。
Matthew Kerner, WSS CTO Management, Microsoft CTO

UiPath Maestro为何至关重要

在这场联合架构中，充当“流程胶水”角色的，正是 UiPath Maestro。它作为一个编排层，协调着整个多厂商技术栈，但它并非一个仅限于 UiPath 生态的编排器。它更像一位“大管家”，知道何时该调用哪个智能体、如何处理返回结果、如何应对异常、何时该升级给人工处理，以及如何保留完整的行为记录。

这个区别至关重要。编排层并非链条上多出的一个智能体，而是能让来自不同厂商的智能体像一个统一的系统那样协同工作，而非一堆散兵游勇。

我们在Microsoft Build 大会上展示了四项具体能力：

1

通过 MCP 实现双向智能体与工作流集成

Copilot Studio 和 Microsoft Foundry 的智能体，可以通过模型上下文协议（MCP）发现并调用任何 UiPath 的“工件”，包括 UiPath 智能体和 Maestro 工作流。反过来，UiPath Maestro 也能通过 MCP 发现并调用微软的智能体。双方都不会被锁定在自家生态里。这种灵活性，让真正意义上的智能体间协作在企业级规模上成为可能。

2

进驻 Teams 的会话式智能体

会话式 UiPath 智能体现已原生集成在 Microsoft Teams 中。员工无需离开 Teams，就可以向它求助、补充缺失信息、查看任务状态。流程直接融入员工已有的工作环境，而无需强迫他们切换到陌生的新界面。

3

受管控的企业级执行能力

很快，UiPath 智能体将可以在 Microsoft Agent 365 中接受统一治理，涵盖智能体身份管理、生命周期管理、审计追踪，以及通过 Microsoft Defender 和 Purview 实现的安全与隐私监控。这是把试点项目转变为 CIO 敢放心推广的关键一步。缺少这层治理，每个新部门自建智能体，都可能制造一个新的治理黑洞。

4

面向 GitHub Copilot 开发者的 UiPath 技能与 CLI

GitHub Copilot 开发者现在可以借助 UiPath 提供的技能和命令行工具（CLI），在 UiPath 平台上快速构建、验证并运行智能体自动化。UiPath 技能为 GitHub Copilot 提供了所需的 UiPath 专属上下文，包括平台模式、API、CLI 命令、验证步骤和部署指南。这让开发团队无需离开 VSCode 环境，就能同时搞定流程自动化、编码工作流、RPA、案例管理和 Maestro 流程。

目前已有超过 400 家客户在使用 Copilot 与 UiPath 的双向集成。其中许多仍处于任务自动化或早期智能体试点阶段。而那些准备大规模推广的客户，已经开始将编排视为核心架构决策，而非事后补救的措施。

多智能体编排实战

通过一个真实的业务流程，可以更直观地理解这套架构。我们在Microsoft Build 大会上演示了保险理赔场景。

一份首次报案通知（FNOL）被提交到共享的 Outlook 邮箱。UiPath 智能提取与处理（IXP）智能体随即提取关键理赔字段和附件：保单号、出险日期、报案人、事故类型、预估损失、支持文件等。接着，UiPath Maestro 启动一个 UiPath 理赔裁定智能体，应用保单规则、计算赔付金额并检测重复案件。

对于高额或异常的理赔，Maestro 会动态发现并调用一个风险智能体。该智能体使用 LangGraph 构建，运行于 Microsoft Foundry 之上，并以 MCP 资源的形式对外开放。它会基于专有算法计算出一个风险分数。如果风险等级和赔付金额都低于预设阈值，理赔将被自动处理，并由 UiPath 自动化触发后续步骤。一旦任一阈值被超出，理赔单会被标记为“需人工复核”，同时附上来自 UiPath 理赔裁定智能体和 Foundry 风险智能体的详细提取信息与分析结果。

在人工复核环节，理赔员直接在 Microsoft Teams 和 Copilot Studio 中工作。Copilot Studio 的智能体会调用与自动化处理时完全相同的 UiPath 自动化流程、智能体和 Foundry 检查。理赔员可以在 Teams 里直接向 UiPath 智能体提问，比如请求未结案件摘要、调取并总结保险合同，或识别合适的审批人——所有这些都无需离开 Teams。一旦理赔获批，理赔员只需指示 UiPath 智能体处理发票，便会触发一个长时间运行的 Maestro 工作流。

在这个场景中，UiPath、Microsoft Foundry、Copilot Studio 和 Teams 各自完成了分内工作。而 UiPath Maestro 则让它们像一台机器上的精密齿轮一样协同运转，它根据预设的规则和防护栏，动态决定由谁执行什么任务，并提供全程的流程治理、实时可视化和完整的审计轨迹。

规模化之路，考验的是架构

一个能搞定理赔的智能体试点是一回事，要把这套架构复制到贷款、争议处理、客户服务、财务运营等更多领域，则是截然不同的挑战。大多数企业还没真正想明白怎么应对。风险不在于智能体本身不行，而在于每个团队都在自己的孤岛上各自构建，这会引发一系列问题：

跨平台智能体之间的交接，没人负责，导致工作流出现断点和盲区。

无论智能体本身多强大，缺失企业级的上下文和数据，都会限制其发挥。

访问权限、策略和防护措施在智能体层面各自为政，让管理、执行和安全性变成一场噩梦。

智能体之间互相通信，加上大量的 MCP 服务器，很快就会织成一张难以理解和追踪的网。

当编程智能体触手可及，谁都能构建和部署 AI 智能体时，强行限制已不再可行。但若放任不管，它们又必然会制造出企业 IT 部门过去十年一直在努力消除的那种碎片化、无治理的混乱局面。

将 UiPath Maestro 确立为统一的编排层，能为业务用户、流程负责人和自动化卓越中心（CoE）提供一个管理、监控和治理端到端流程的单一控制台。它还提供了开箱即用的流程应用和仪表板，专为一线业务人员设计，而不仅是给开发者看的。

标准化的流程层，还能确保流程数据被捕获并沉淀在受信任的数据平台中，例如 SharePoint、Microsoft Fabric 和 Dataverse。这使得智能体在任务交接时能保留上下文，也帮助团队在 Teams、Copilot Studio 和 Power Apps 中构建用户体验，而不会制造新的数据孤岛。

最后，Microsoft Agent 365 为 IT 和安全团队提供了一个统一控制平面，用于观测、治理和保护整个企业范围内的微软和 UiPath 智能体。UiPath 智能体的追踪信息可以集成到 Microsoft Defender 和 Microsoft Purview 中，让 IT 团队能够统一监控和守护智能体活动。

因此，在规模化阶段，真正关键的架构问题不再是“我们该部署哪些智能体？”，而是：

我们该如何治理所有已部署的、来自不同厂商、用于不同流程的一切，而不必每次都为它重建一套运营模型？

展望未来

企业级 AI 的格局，绝不会统一到某一个厂商身上。那些尽早意识到这一点的组织将占据先机——并非因为他们拥有更强的 AI 技术，而是因为他们解决了那个更棘手的难题：如何让所有的 AI 力量协同作战。

UiPath 与微软在 Build 大会上呈现的，并非一个简单的产品发布，而是对每个企业即将面临的终极拷问的回答：