--- schema_version: "1" id: 0b85c6d1ef65a30a615b8f10cc6bb0381454783292db7350e7dda90658616a46 title: Entwerfen des Agentenunternehmens mit MuleSoft collection: architect version: next locale: de-de portal_url: https://docs.salesforce.com/architect/next/de-de/fundamentals/guides/mulesoft-architecting-agentic-enterprise.md canonical_url: https://staging.architect.salesforce.com/docs/architect/de-de/fundamentals/guide/mulesoft-architecting-agentic-enterprise.html source_site: staging.architect.salesforce.com content_type: documentation content_hash: 71b449bfc822c718d6bf2f014d6a53986774556f63061e98cbc73f0c7fcf3305 products: - Fundamentals - Architect Site Content Repo updated_at: 2025-10-01T00:00:00Z --- ## Von der Composable Integration zum Governed Agentic Enterprise Die Umstellung auf Agentic Enterprise stellt die bedeutendste architektonische Veränderung seit Beginn der Cloud dar. Sie verspricht ein bisher unerreichtes Maß an Produktivität und Automatisierung, bringt jedoch auch tiefgreifende Herausforderungen mit sich, die sich auf die Verwaltung, die Sicherheit und die betriebliche Komplexität beziehen. Die Verwendung eines schrittweisen Ansatzes – das Bereitstellen von Agenten in Silos ohne Einigungsstrategie – ist ein direkter Weg zu technischer Verschuldung und Organisationschaos. Die Bereitstellung von Agenten ohne zentrale Verwaltungsebene führt zu einem erheblichen betrieblichen Risiko, einschließlich Sicherheitslücken durch direkten Systemzugriff, mangelnder Beobachtbarkeit von Agenteninteraktionen und -aktionen und hoher Kosten aufgrund redundanter Punkt-zu-Punkt-Integrationen. Diese isolierte Bereitstellungsstrategie führt zu einer brüchigen Umgebung, die im Maßstab schwer zu verwalten ist. Für ein nachhaltiges Modell ist eine einheitliche Plattform für die Integration und Verwaltung von Agenten erforderlich. _MuleSoft_ bietet eine umfassende, vereinheitlichte und offene Plattform, die Unternehmen auf ihrem Weg sicher begleitet. Sie nutzt die vorhandene API-Landschaft des Unternehmens als Grundlage für Agentenaktionen und beschleunigt die Erstellung neuer agentenfähiger Vermögenswerte durch einen vertrauenswürdigen, AI-gestützten Entwicklungslebenszyklus. Durch die Unterstützung offener Standards wie des Modellkontextprotokolls (Model Context Protocol, MCP) und der Agent2Agent-Protokolle (A2A) auf Unternehmensebene können diese Datenbestände sowohl für einfache Befehle als auch für die komplexe Zusammenarbeit mit mehreren Agenten verwendet werden, unabhängig davon, wie sich die AI-Landschaft entwickelt. [_MuleSoft Agent Fabric_](https://docs.mulesoft.com/agent-fabric/) bietet eine Lösung zum Erkunden, Orchestrieren, Steuern und Beobachten des gesamten Agentenökosystems. Durch diesen integrierten Ansatz bietet _MuleSoft Agent Fabric_ eine bewährte Grundlage für die Skalierung eines Netzwerks Vertrauenswürdiger AI Agenten, das das Versprechen der AI in konkrete automatisierte Geschäftsergebnisse umwandelt und das volle Potenzial des intelligenten Unternehmens ausschöpft. ## **Die Composable Foundation für handlungsrelevante AI** Dreischichtige API-geführte Konnektivitätsarchitektur Der etablierte dreischichtige Ansatz der API-geführten Konnektivität – System-, Prozess- und Erfahrungs-APIs – bietet ein leistungsstarkes Framework zur Strukturierung der Handlungsfähigkeit von Agenten. - **System-APIs** bieten eine konsistente, sichere und abstrahierte Schnittstelle zu zugrunde liegenden Datensatzsystemen. Sie entkoppeln Agenten von der Komplexität von Backend-Protokollen und -Datenmodellen, wodurch sichergestellt wird, dass alle Agentenaktionen an geregelten, zuverlässigen Endpunkten ausgeführt werden. - **Prozess-APIs** enthalten eine komplexe Geschäftslogik aus mehreren Schritten. Agenten müssen die komplizierte Orchestrierung, die sich hinter dem Erstellen von Vertriebsaufträgen, dem Überprüfen des Inventars oder dem Initiieren von Versandvorgängen verbirgt, nicht verstehen. Sie können Prozess-APIs (z. B. "Prozessreihenfolge") verwenden, ohne sich um die zugrunde liegenden Komplexitäten kümmern zu müssen. Prozess-APIs bieten Agenten einen sicheren, transaktionalen und überprüfbaren Mechanismus zum Ausführen von Geschäftsprozessen. Dadurch wird die erforderliche Argumentation der Agenten erheblich reduziert und sichergestellt, dass Geschäftsregeln einheitlich durchgesetzt werden. - **Erfahrungs-APIs** wurden traditionell für bestimmte Benutzeroberflächenanwendungen (z. B. Auftragsverwaltungsanwendung) entwickelt. Sie können jedoch auch als kontextreiche Aktionen für Agenten verwendet werden. Dadurch erhalten Agenten wichtige Informationen, damit sie eine bestimmte Aufgabe ausführen können, ohne mehrere Aufrufe an nachgelagerte Systeme vornehmen zu müssen. ## **1\. Generative Erstellung: Beschleunigen der Entwicklung von für Agenten geeigneten Vermögenswerten** Unternehmen müssen die Entwicklung der APIs und Integrationen beschleunigen, die die zusammengesetzte Grundlage bilden, um der steigenden Nachfrage nach agentenfähigen Tools und Funktionen gerecht zu werden. _MuleSoft_ meistert diese Herausforderung, indem es generative AI direkt in den Entwicklungslebenszyklus einbettet. Dadurch entsteht ein virtuoser Zyklus, der mithilfe von AI die hochwertigen Vermögenswerte erstellt, die andere Agenten verbrauchen. ### **1.1 MuleSoft Vibes** Für Entwickler fungiert [MuleSoft Vibes](https://www.mulesoft.com/platform/api/anypoint-code-builder/announcing-mulesoft-vibes) als intelligenter Partner, da es die sich wiederholendsten Aspekte der Integrationsentwicklung automatisiert und eine einheitliche, agentenbasierte Oberfläche für den gesamten Softwareentwicklungslebenszyklus bereitstellt. Über MuleSoft Vibes im [Anypoint Code Builder](https://docs.mulesoft.com/anypoint-code-builder/) interagieren Entwickler mit generativen Funktionen, die auf den [vertrauenswürdigen _Einstein AI Pipelines_](https://blogs.mulesoft.com/automation/how-mulesoft-turns-generative-output-into-value/) basieren, was den AI-gestützten Entwicklungsprozess reibungslos und effizient gestaltet. Bei dieser Pipeline – dem _Inference Graph Execution Service (IGES)_ – handelt es sich um einen mehrstufigen Prozess, mit dem hochwertige Ergebnisse erzielt werden. Sie besteht aus Kontextbildung, Validierung, Fehlerkorrektur und strenger Auswertung. Architekturdiagramm, das zeigt, wie MuleSoft Vibes vertrauenswürdige Einstein AI-Pipelines nutzt - Die Funktion [**"Generative Flows**](https://blogs.mulesoft.com/dev-guides/einstein-for-acb/)" in _MuleSoft Vibes_ basiert auf dem _Agentforce AI_ Framework. Sie wandelt Geschäftslogik mit natürlicher Sprache (Benutzeraufforderungen) in funktionale Mule-Anwendungen um. Die _IGES-Pipeline_ besteht aus folgenden Schritten: - **Zusammenfassung des Unterhaltungsverlaufs:** Der LLM analysiert die aktuelle Aufforderung und die vorherigen Nachrichten des Benutzers, um eine zusammengefasste Aufforderung zu erstellen, die den Benutzer-Intent und den Unterhaltungsverlauf erfasst. Diese konsolidierte Aufforderung erhöht die Genauigkeit nachfolgender Schritte zum Abrufen und Generieren von Daten. - **Semantisches Abrufen von Flows aus einer Vektordatenbank:** Das System verwendet die zusammengefasste Eingabeaufforderung aus dem vorherigen Schritt und führt eine semantische Suche anhand einer Vektordatenbank aus, die 200+ Konnektoren, 7.000+ Konnektorvorgänge und 7.000+ Beispielcodeauszüge enthält. Sie ruft die relevantesten Konnektoren, Vorgänge und Codebeispiele ab, um den Generierungsprozess anhand genauer Daten zu ergründen, und stellt sicher, dass die Ausgaben mit dem umfangreichen Konnektor-Ökosystem von MuleSoft übereinstimmen. Da MuleSoft der Branchenstandard für Konnektoren und Vorgänge ist, bietet diese Kontextbildung dem Modell eine umfassende Kontext- und Domänengenauigkeit, die generischen LLMs fehlt. - **Vergrößerung:** Die abgerufenen Inhalte und Unterhaltungsverlaufsmeldungen werden dann mit der zusammengefassten Aufforderung kombiniert. Diese erweiterte Eingabeaufforderung leitet die LLM an, Halluzinationen zu reduzieren. Sie enthält auch Anweisungen zum Verhindern der Generierung toxischer Inhalte. - **Flow-Generierung:** Bei diesem Schritt wird das _Einstein AI LLM_-Modell verwendet, um XML-Rohcode zu generieren, der auf dem Kontext und den angegebenen Beispielen basiert. Dies ist der Kernschritt der Generierungs-Pipeline. - **Nachbearbeitung und Validierung:** Der Postprozessor und Validierer überprüft den Code, um die richtige Syntax und die Verwendung gültiger Konnektorvorgänge sicherzustellen, während eine separate Toxizitätsprüfung schädliche Inhalte kennzeichnet. - **Fehlerkorrektur in mehreren Schritten:** Wenn alle anfänglichen Generierungen ungültig sind, analysiert der automatisierte Fehlerkorrekturmechanismus die Fehlermeldungen, um Muster zu erkennen. Anschließend wird die Eingabeaufforderung zusammen mit angereicherten Fehlermeldungen und korrigierenden Metadaten erneut an das LLM gesendet. - **Generierung von Konfigurationsdateien:** Dieser Schritt extrahiert relevante Konnektor-Metadaten, erweitert die Eingabeaufforderung und sendet sie an das LLM, um genaue Konnektorkonfigurationen zu generieren. Schließlich werden alle POM- und XML-Namespaces deterministisch mit der neuesten Version jeder Abhängigkeit generiert, was Halluzinationen beseitigt und Konsistenz gewährleistet. - Die Datentransformation [**der DataWeave-Transformationsgenerierung**](https://blogs.mulesoft.com/dev-guides/dataweave-generative-transformation/)**:** ist oft der zeitaufwendigste Teil der Integrationsentwicklung. _MuleSoft Vibes_ greift diesen Prozess mithilfe des Ansatzes aus mehreren Schritten auf, der der Generierung von _MuleFlow-XML_ ähnelt. - **Intention Reasoning (Intentionsgründe):** Das LLM analysiert Benutzereingabe- und Ausgabedatenbeispiele, um Transformationslogik auf hoher Ebene in natürlicher Sprache abzuleiten und zu artikulieren. Dieser Schritt trennt das Ziel des Benutzers von den Literaldatenwerten, die in der Eingabeaufforderung angegeben wurden. - **Semantisches Abrufen von DataWeave:** Um die semantisch relevanteste DataWeave-Funktionsdokumentation und vollständige Transformationsbeispiele zu finden, verwendet das System die generierte Eingabeaufforderung aus dem vorherigen Schritt als Abfrage an die Vektordatenbank. Dadurch basiert der Generierungsprozess auf hochwertigen, überprüften Informationen. - **Vergrößerung:** Die abgerufenen Funktionen und Beispiele werden mit der ursprünglichen Benutzeraufforderung kombiniert, um eine kontextbezogene Reihe von Anweisungen für den nachfolgenden LLM-Aufruf zu erstellen, die das Verhalten des LLM zur Reduzierung von Halluzinationen beeinflusst. - **Datenwebgenerierung:** In diesem Schritt wird das LLM-Modell verwendet, um ein DataWeave-Transformationsskript und eine zugehörige Erläuterung zu generieren, die auf dem bereitgestellten Kontext und den Beispielen basiert. Dies ist der Kernschritt der Generierungs-Pipeline. - **Nachbearbeitung und Validierung** Das generierte Skript wird anhand zweier spezifischer Kennzahlen ausgewertet: Gültigkeit und Richtigkeit. Das Skript muss ohne Syntaxfehler kompiliert werden (Gültigkeit) und die erwartete Ausgabe erzeugen, wenn es mit der Beispieleingabe ausgeführt wird (Korrektheit). - **Fehlerkorrektur in mehreren Schritten:** Wenn die anfängliche Validierung fehlschlägt, identifiziert dieses Plugin die Fehlerkategorien und behebt die Probleme im generierten Skript. Diese Optimierung trägt zur Verbesserung der Gesamterfolgsrate und -genauigkeit des Systems bei. - **Abschließende Nachbearbeitung und Validierung** Das korrigierte Skript aus dem Fehlerkorrekturmodul wird einem erneuten Validierungsprozess unterzogen, um sicherzustellen, dass es syntaktisch gültig und funktionsgerecht ist. Dieses endgültige Qualitäts-Gate stellt sicher, dass die Ausgabe genau und zuverlässig ist, bevor sie an den Benutzer zurückgesendet wird. - Entwickler von [**API-Spezifikationen**](https://docs.mulesoft.com/anypoint-code-builder/api-ai-create-spec) **und der [Dokumentationsgenerierung](https://docs.mulesoft.com/exchange/generating-documentation-with-ai):** können vollständig validierte _OpenAPI-_ oder _RAML-\_Spezifikationen generieren, indem sie die gewünschte API in natürlicher Sprache beschreiben. \_MuleSoft Vibes_ nimmt die Eingabeaufforderung auf (die Details zu Ressourcen, Methoden, Sicherheitsschemas und Parametern enthält) und erstellt eine gültige, syntaktisch richtige API-Definition. Nach der Generierung kann eine Dokumentation für die API in _Anypoint Exchange_ erstellt werden, die von der Authentifizierung über Endpunktdetails bis hin zur Fehlerbehandlung reicht und Entwickler von diesen mühsamen Aufgaben befreit. - **AI-gestützte MUnit-Generierung:** Die Qualitätssicherung ist für Vermögenswerte, die von autonomen Agenten verbraucht werden, von entscheidender Bedeutung. Mit _MuleSoft Vibes_ können Sie MUnit-Testfälle direkt über den Mule-Flow-Code generieren. Dadurch können externe Abhängigkeiten und Behauptungen simuliert und allgemeine Testlücken identifiziert werden, was den manuellen Aufwand, der erforderlich ist, um eine hohe Testabdeckung zu erreichen und die Zuverlässigkeit der Integrationslogik sicherzustellen, drastisch reduziert. ### **1.2 MuleSoft auf Ihre Weise** Entwickler profitieren in ihren bevorzugten Umgebungen. Daher trifft _MuleSoft_ Entwickler dort, wo sie sich befinden, und ermöglicht ihnen die Erstellung von Integrationen in ihre gewünschte AI-IDE. [Der MuleSoft-Server](https://www.npmjs.com/package/@mulesoft/mcp-server) für das Modellkontextprotokoll (Model Context Protocol, MCP) stellt Entwicklungs-, Bereitstellungs- und Verwaltungsfunktionen als MCP-Tools bereit, die von jeder nativen AI-IDE auf VS-Code-Basis (z. B. Cursor, Windsurf oder Trae) verwendet werden können, um mit der _Anypoint Platform_ mithilfe natürlicher Sprache zu interagieren. Indem _MuleSoft_ seine Kern-IDE-Funktionen in eine [Standard-VS Code](https://marketplace.visualstudio.com/items?itemName=salesforce.mule-dx-extension-pack)-Erweiterung bündelt, entkoppelt es seine Tools von einer IDE-Shell mit Branding, wodurch Entwicklungstools IDE-unabhängig sind. Anstatt mit der rasanten Entwicklung von IDEs zu konkurrieren, ermöglicht diese Architekturentscheidung, dass die Entwicklungstools von MuleSoft im wachsenden Ökosystem moderner AI-gestützter IDEs kompatibel und zugänglich bleiben. ## **2\. Aktivieren der Handlungsfähigkeit: Umwandeln von APIs in Tools für Agenten** In einem Agentic Enterprise ist eine solide Grundlage für zusammengesetzte APIs erforderlich, aber unzureichend. Der nächste wichtige Schritt besteht darin, sicherzustellen, dass diese Vermögenswerte auffindbar, verständlich und für AI-Agenten aufrufbar sind. Dies erfordert eine "Handlungsebene", die auf offenen Standards basiert, die speziell für die Kommunikation mit Agenten entwickelt wurden. _MuleSoft_ bietet Tools auf Unternehmensebene für die beiden dominanten neuen Protokolle: - **MCP** für Interaktionen zwischen Agenten und Systemen - **A2A** für Interaktionen zwischen Agenten Agentische Unternehmensarchitektur mit MCP- und A2A-Protokollen ### **2.1 Modellkontextprotokoll (MCP)** _MCP_ hat sich schnell als Branchenstandard für die Kommunikation zwischen Agenten und Tools etabliert, was dem entspricht, was _REST_ für Webservices geworden ist. Mit _MCP_ können AI-Agenten die Funktionen eines Systems dynamisch entdecken, seine Ein- und Ausgaben verstehen und es aufrufen, um eine Aktion auszuführen, ohne vorprogrammierte oder hartcodierte Logik zu benötigen. Mit dem [MuleSoft-MCP-Konnektor](https://docs.mulesoft.com/mcp-connector/latest/) können alle als Mule-Anwendung implementierten APIs als MCP-Server veröffentlicht werden. Da _MuleSoft_ Hunderte vordefinierter Konnektoren für nahezu jedes wichtige Unternehmenssystem (z. B. SaaS, veraltete Systeme und Datenbanken) bereitstellt, werden die APIs und Anwendungen einer Organisation sofort in eine Reihe agentenfähiger Tools umgewandelt. Eine API zum Überprüfen des Inventars in SAP, ein Flow zum Verarbeiten eines neuen Leads in Salesforce oder eine benutzerdefinierte Anwendung, die über _MuleSoft_ verbunden ist, können AI-Agenten mithilfe des _MCP-Konnektors_ als atomare, gesteuerte Tools zur Verfügung gestellt werden. ### **2.2 Protokoll zwischen Agenten (A2A)** Obwohl der _MCP_ bei hierarchischen Interaktionen zwischen Agenten und Tools zum Aufrufen von Tools hervorragend ist, erfordern komplexe Geschäftsprozesse oft die Zusammenarbeit mehrerer spezialisierter Agenten. Das Protokoll _Agent-zu-Agent (A2A)_ ist der neue offene Standard, der die Kommunikation zwischen gleichrangigen Personen erleichtern soll und komplexe Workflows mit mehreren Agenten ermöglicht. Die Unterstützung von A2A durch MuleSoft ermöglicht es Unternehmen, erweiterte Systeme mit demselben Maß an Governance und Zuverlässigkeit zu entwerfen und zu erstellen, das sie für ihre APIs erwarten. Mit dem [MuleSoft A2A-Konnektor](https://docs.mulesoft.com/a2a-connector/latest/) können Entwickler beliebige Agenten einfach als A2A-Server bereitstellen oder A2A-kompatible Agenten aus einer Mule-Anwendung aufrufen. Beispielsweise kann ein Hypothekenantragsprozess zwischen einem "Agenten für die Kreditprüfung", einem "Agenten für die Dokumentsignatur" und einem "Agenten für die Einhaltung gesetzlicher Vorschriften" orchestriert werden, wobei jeder Agent die Fähigkeiten der anderen erkennt und (bei Bedarf) aufruft, um den Antrag voranzutreiben. MuleSoft bietet zuverlässige Tools auf Unternehmensebene für MCP und A2A und unterstützt so den Aufbau eines flexiblen Ökosystems, das aus direkten Interaktionen zwischen Agenten (über MCP-Tools) und Agenten (A2A) besteht. Unabhängig davon, wie sich die AI-Landschaft entwickelt, positioniert dieser Ansatz _MuleSoft_ als die zugrunde liegende Grundlage, die alle Formen der Agentenkommunikation verbindet. ## **3\. MuleSoft Agent Fabric: Das zentrale Nervensystem des Agentenunternehmens** Da Unternehmen die Agenten-AI einsetzen, stehen sie zwangsläufig vor der Herausforderung der Zersiedelung von Agenten. Um zu verhindern, dass dies zu Chaos führt, ist eine spezielle Orchestrierungsebene erforderlich. [MuleSoft Agent Fabric](https://docs.mulesoft.com/agent-fabric/) ([Demo](https://www.youtube.com/watch?v=GAqwPie16ic)) ist eine umfassende architektonische Lösung, die speziell für diese Herausforderung entwickelt wurde. Sie bietet eine zentrale Verwaltungsebene, um das gesamte Netzwerk von AI-Agenten zu ermitteln, zu steuern, zu orchestrieren und zu beobachten, unabhängig davon, wo sie sich befinden oder wie sie arbeiten. _MuleSoft Agent Fabric_ fungiert als "Fluglotse" für die digitale Belegschaft des Unternehmens und wandelt eine Sammlung fragmentierter isolierter Agenten in ein zusammenhängendes, sicheres und leistungsstarkes Geheimdienstnetzwerk um. _MuleSoft Agent Fabric_ basiert auf vier integrierten Säulen, die die gesamte Lebenszyklusverwaltung für Agenten als erstklassige Unternehmensvermögenswerte abdecken. ### **3.1 Agentenregister (Erkunden)** Die Grundlage jedes verwalteten Ökosystems ist die Auffindbarkeit. Die _Agentenregistrierung_ dient als universeller zentraler Katalog für jeden Agentenvermögenswert im Unternehmen. Dies umfasst benutzerdefinierte Agenten, Agenten, die in SaaS-Anwendungen eingebettet sind, MCP-Server, die veraltete Systeme bereitstellen, und A2A-Endpunkte für die Zusammenarbeit zwischen Agenten. Die _Agentenregistrierung_ löst das Problem der kritischen Erkennung, indem sie verhindert, dass Teams redundante Funktionen erstellen, und es menschlichen Entwicklern und anderen AI-Agenten ermöglicht, vorhandene Vermögenswerte dynamisch zu finden und wiederzuverwenden. Screenshot der Agentenregistrierung Die _Agentenregistrierung_ basiert auf _Anypoint Exchange_ und fügt drei neue Vermögenswerttypen hinzu: Agenten, MCP-Server und LLMs. Er erfasst Informationen zu diesen Datenbeständen, einschließlich MCP-Tools, Transportprotokollen und Agentenkarten, sowie die Abhängigkeiten zwischen Agenten und den von ihnen verwendeten MCP-Servern und -Tools. Entwickler können Vermögenswerte direkt in der Registrierung erstellen und verwalten. Außerdem können sie vorhandene Datenbestände in MuleSoft Vibes (über das Tool search*asset des \_MuleSoft MCP-Servers*) beim Erstellen neuer Orchestrierungen programmgesteuert erkennen und wiederverwenden. Dadurch erhalten Entwickler alle Informationen, die sie benötigen, um diese Datenbestände zu verstehen und zu nutzen. ### **3.2 Agentenmakler (Orchestrat)** Sobald Vermögenswerte gefunden werden können, müssen sie orchestriert werden, um nützliche Arbeit zu leisten. Der _Agentenmakler_ ist ein Orchestrierungsservice, der Geschäftsprozesse in mehreren Schritten ausführt. Es verwendet eine konfigurierbare LLM, um allgemeine Aufgaben zu interpretieren und entsprechende Workflows zu generieren. Der _Agentenmakler_ erkennt, sequenziert und ruft dynamisch die erforderlichen Agenten und Tools auf, um diese Prozesse abzuschließen. MuleSoft-Agentenmaklerarchitektur Die Konnektivität wird über das _MCP_ für Tools und ein \_A2A-\_Protokoll für Agenten verwaltet. Dadurch kann das System Agenten in unternehmensspezifischen Domänen organisieren (z. B. Lieferkette oder Finanzen) und Aufgaben an alle weiterleiten. Eine einzelne Aufforderung in natürlicher Sprache (z. B. "Einarbeitung eines Mitarbeiters") wird in eine Sequenz diskreter Aktionen zerlegt, die von verschiedenen Agenten oder Tools in mehreren Backend-Systemen ausgeführt werden. Die Agentenbroker-Orchestrierung umfasst Folgendes: - **Dynamisches Orchestrierungsmuster:** Hierbei handelt es sich um ein Agentenschleifenmuster, das Teilaufgaben bestimmt und sie über die am besten geeigneten Agenten und Tools orchestriert, um das Gesamtziel zu erreichen. Mithilfe dieses Musters können [Mitarbeiter](/docs/architect/de-de/fundamentals/guide/agentic-patterns#15-gemeinschaftliche-agenten-agentenbearbeitung) erstellt werden, um komplexe Anwendungsfälle zu lösen (z. B. [Bearbeitung einer komplexen Serviceeskalation](/docs/architect/de-de/fundamentals/guide/agentic-patterns#35-anwendungsfall-gemeinschaftlicher-agent-komplexe-serviceeskalation)). - **LLM-gestützte Argumentation:** Verwendet ein LLM, um Ziele mit natürlicher Sprache zu interpretieren und Ausführungspläne zu generieren, wodurch hartcodierte, starre Workflow-Logik nicht mehr erforderlich ist. - **Konfigurierbares LLM-Modell:** Ermöglicht es Entwicklern, anzugeben, welches LLM-Modell verwendet werden soll, wodurch Kosten, Leistung und Funktionen gesteuert werden. - **Natürliche Sprachentwicklung:** Die Logik _des Agentenmaklers_ kann mithilfe natürlicher Sprache über _MuleSoft Vibes_ definiert werden. - **Beobachtbarkeit:** Die _Anypoint-Überwachung_ bietet Protokollierung und Verfolgung bei der Bereitstellung, damit Benutzer die Argumentation und Interaktionen von Agent Broker mit \_MCP-\_Tools und \_A2A-\_Agenten verstehen und debuggen können. - **Verwaltete Bereitstellung:** Bei _Agent Broker_ handelt es sich um eine containerisierte Anwendung, die durch _die Maultierlaufzeit_ unterstützt wird, die die Verfügbarkeit und Skalierbarkeit der Bereitstellung verwaltet. ### **3.3 Flex Gateway für MCP und A2A (Govern)** Das _Anypoint Flex Gateway_ ist der Mechanismus, über den bestimmte Richtlinien technisch erzwungen werden. _MuleSoft Agent Fabric_ nutzt das _Anypoint Flex Gateway_ zum [Sichern, Untersuchen und Verwalten](https://docs.mulesoft.com/gateway/latest/flex-agent-secure) aller über _MCP-_ und \_A2A-\_Protokolle stattfindenden Agenteninteraktionen. Auf diese Weise können Organisationen eine umfangreiche [Reihe von Unternehmensrichtlinien](https://docs.mulesoft.com/gateway/latest/flex-agent-policies) auf den gesamten Datenverkehr mit Agenten anwenden, um sicherzustellen, dass jede Aktion vor ihrer Ausführung sicher, konform und überprüfbar ist. Für eine sichere und verantwortungsvolle Skalierung der AI-Akzeptanz sind diese Leitplanken entscheidend. | Policenname | Protokoll(e) | Beschreibung | | :------------------------------------------------------------------ | :----------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | | **JWT-Validierungsrichtlinie/Erzwingungsrichtlinie für Client-IDs** | A2A, MCP | Die **JWT-Validierungsrichtlinie/Client-ID-Erzwingungsrichtlinie** schützt \_A2A-\_Agenten und \_MCP-\_Server, indem der Zugriff nur auf authentifizierte Anrufer eingeschränkt wird. | | **Schemavalidierung** | A2A, MCP | Durch die **Schemavalidierung wird** sichergestellt, dass eingehende Agentenanforderungen mit der _A2A-_ oder \_MCP-\_Spezifikation übereinstimmen, wodurch missbräuchlicher Datenverkehr verhindert wird. | | **A2A PII-Detektor** | A2A | **A2A PII Detector** identifiziert _personenbezogene Daten_ in Anforderungen und Antworten und ermöglicht die Protokollierung oder Blockierung, um die Compliance-Anforderungen zu erfüllen. | | **A2A-Aufforderungsdekorator** | A2A | **A2A Prompt Decorator** fügt benutzerdefinierten Kontext oder Anweisungen in Aufforderungen ein, die an Agenten gesendet werden, um ihr Verhalten zu steuern und Schutzmaßnahmen durchzusetzen. | | **Attributbasierte MCP-Zugriffssteuerung** | MCP | Die **attributbasierte MCP-Zugriffssteuerung** regelt den Zugriff auf bestimmte Tools und Ressourcen, die von einem \_MCP-\_Server auf der Grundlage von Benutzerattributen (z. B. Stufen, IP oder JWT-Claims) bereitgestellt werden. | | **SSE-Protokollierung** | A2A, MCP | Die **SSE-Protokollierung** zeichnet den Inhalt von _Server-Sent Events (SSE)_-Streams auf, die von Agentenprotokollen für eine umfassende Überprüfung und Rückverfolgbarkeit verwendet werden. | | **Ratenbegrenzung und Spitzensteuerung** | A2A, MCP | Die **Ratenbegrenzung und Spitzensteuerung** schützt Backend-Agenten und -Systeme vor Datenverkehrsüberflutungen und Denial-of-Service-Angriffen, indem Anforderungsobergrenzen erzwungen werden. | | **A2A-Agentenkarte** | A2A | Die **A2A-Agentenkarte** schreibt den Agentenkarten-URL um, um sicherzustellen, dass der gesamte Datenverkehr ordnungsgemäß über die regulierte Flex Gateway-Instanz weitergeleitet wird. | **Unternehmensführungsrichtlinien für Agentenprotokolle** Das _Anypoint Flex Gateway_ verwaltet nicht nur eingehende Anforderungen, sondern auch alle ausgehenden Verbindungen und Anforderungen eines Agenten an externe Services (z. B. _MCP_-Server und -Tools oder andere Agenten). Dazu zählen: - **Protokollierung:** Bietet einen zentralen Beobachtungspunkt, um alle ausgehenden Agentenanforderungen zur Überprüfung und Fehlerbehebung zu überwachen und zu protokollieren. - **Sicherheit:** Verhindert das Lecken vertraulicher Daten, indem der ausgehende Datenverkehr überprüft wird. - **Authentifizierung:** Verwaltet Anmeldeinformationen für externe Systeme, indem ausgehende Authentifizierungsmechanismen, einschließlich API-Schlüsseln, OAuth und ClientId/ClientSecret, von einem einzigen Punkt aus angewendet werden. Mit dem _Anypoint Flex Gateway_ [**Policy Development Kit (PDK**)](https://docs.mulesoft.com/pdk/latest/policies-pdk-overview) können Benutzer benutzerdefinierte Richtlinien erstellen, wenn vorkonfigurierte Richtlinien bestimmte Anforderungen nicht erfüllen. Mithilfe der _PDK_ können Entwickler Richtlinienlogik in der Programmiersprache _Rust_ schreiben und zu einem _WASM-\_Modul kompilieren. Anschließend wird das eigenständige Modul in das \_Anypoint Flex Gateway_ geladen, um eindeutige Sicherheitsregeln, benutzerdefinierte Datentransformationen oder spezielle Integrationslogik direkt am API-Rand zu erzwingen. Dies bietet eine leistungsstarke und leistungsstarke Möglichkeit, die Gateway-Funktionen für einzelne oder komplexe Anwendungsfälle zu erweitern. Die vier wichtigsten Komponenten der _PDK_: - **PDK-Plugin für Anypoint CLI:** Dieses Plugin erstellt das _PDK-\_Projekt und lädt die kompilierte Richtlinie in \_Exchange_ hoch. Außerdem wird eine _Makefile_ generiert, die den Entwicklungsprozess vereinfacht, indem ein klarer Satz an Befehlen zum Erstellen und Verwalten der Richtlinie bereitgestellt wird. - **Richtlinienvorlage:** Wenn ein neues Projekt erstellt wird, generiert die _PDK_ ein grundlegendes Gerüst oder eine Vorlage. Diese Struktur enthält alle erforderlichen Dateien und Konfigurationen, die zum erfolgreichen Kompilieren der Richtlinie erforderlich sind, was Entwicklern einen Ausgangspunkt für benutzerdefinierte Logik bietet. - **SDK-Erstellungstools:** Diese Tools abstrahieren die komplexe, ereignisgesteuerte Architektur des zugrunde liegenden _Envoy-\_Proxys. Durch die Verwendung von Reaktor- und Ausführungsmustern bietet das \_SDK_ eine einfache, lineare Codierungsmethode. Dies hilft, die Komplexität zu reduzieren, das Debugging zu verbessern und die Lernkurve für Entwickler zu senken. - **Richtlinienverwaltung:** Der [MuleSoft-MCP-Server](https://docs.mulesoft.com/mulesoft-mcp-server/reference-mcp-tools) bietet \_MCP-\_Tools, mit denen Benutzer den Lebenszyklus benutzerdefinierter Richtlinien verwalten können. Beispiele für diese Tools: - get_flex_gateway_policy_example - manage_api_instance_policy - manage_flex_gateway_policy_project ### **3.4 Agent Visualizer (Beobachten)** Screenshot mit MuleSoft Agent Visualizer Der _Agentenvisualisierer_ bietet eine dynamische Echtzeitkarte des gesamten Agentennetzwerks und verwandelt eine Blackbox von AI-Interaktionen in ein vollständig beobachtbares System. Architekten und Betriebsteams können mit dem _Agent Visualizer_ überprüfen, wie Agenten verbunden sind, ihre Entscheidungs-Flows verfolgen, ihren Zustand und ihre Leistung überwachen und Abhängigkeiten identifizieren. Diese Sichtbarkeit ist entscheidend, um die Leistung zu optimieren, Fehler effizient zu beheben, Engpässe zu erkennen und Vertrauen in bereitgestellte Agenten aufzubauen. ## **4\. Salesforce Platform-Zusammenführung** ### **4.1 API-Katalog- und Themencenter** Der _MuleSoft-API-Katalog_ und das _Themencenter_ sollen die Erkennung, Verwendung und Verwaltung von APIs verbessern, insbesondere in Verbindung mit _Agentforce_. Alle _MuleSoft_-APIs, die entworfen und veröffentlicht wurden, können über den [API-Katalog](https://help.salesforce.com/s/articleView?id=platform.api_catalog.htm&type=5) in der _Salesforce Platform_ auffindbar und verbrauchbar gemacht werden. Der _API-Katalog_ fungiert als zentralisiertes Repository und vereinheitlicht alle APIs einer Organisation aus _MuleSoft_, _Salesforce_, _Heroku_ und anderen Clouds in einer einzigen Ansicht. Dadurch können Entwickler und Administratoren vorhandene APIs leichter erkennen, verstehen und wiederverwenden, indem sie in Automatisierungen verwendet werden können (z. B. _Agentforce_, _Flow_ und _Apex_). [MuleSoft für Agentforce: Mit dem Themencenter](https://blogs.mulesoft.com/news/mulesoft-for-agentforce-topic-center/) können Entwickler ihre APIs anhand bestimmter Geschäftsanwendungsfälle strukturieren, indem sie Metadaten zu Agentforce **Themen** und **Aktionen** zum Zeitpunkt des Entwurfs selbst definieren. Dazu zählen: - **Aktionen**, bei denen es sich um die Aufgaben handelt, die ein Agent ausführen kann - **Anweisungen**, die den Agenten bei der Anwendung bestimmter Aktionen unterstützen Durch das [Hinzufügen dieser semantischen Ebene](https://docs.mulesoft.com/anypoint-code-builder/ai-enabling-api-project-topic-center) macht das _Themencenter_ APIs für _Agentforce_ verständlich und verbrauchbar, wodurch sichergestellt wird, dass es effektiv mit Unternehmenssystemen interagieren kann. MuleSoft-Themencenter-Architektur ### **4.2 Agentforce Gateway** Bei dem _Agentforce Gateway_ handelt es sich um eine zentralisierte Governance-Ebene, mit der Interaktionen im wachsenden Ökosystem von _Agentforce_ verwaltet und geschützt werden sollen. Da _Agentforce_ über Protokolle wie _MCP_ in zusätzliche Drittanbieter-APIs und -Tools integriert wird, besteht die primäre Funktion des _Agentforce Gateway_ darin, Richtlinien (beispielsweise Ratenobergrenzen und Tooleinschränkungen) für den gesamten ausgehenden Datenverkehr, der von _Agentforce_ initiiert wird, zu erzwingen und alle ausgehenden Anforderungen zu prüfen. Das _Agentforce Gateway_ nutzt das vorhandene _MuleSoft_-API-Governance-Richtlinienmodul, das nativ in die _Salesforce Platform_ integriert ist. Dieses _Beauftragten_-basierte Richtlinienmodul fängt den Agentenverkehr ab, wendet konfigurierte Richtlinien an (z. B. die attributbasierte Zugriffssteuerung und Quotenbegrenzungen) und verwaltet die Authentifizierung und Autorisierung, ohne dass Kunden eine zusätzliche Gateway-Infrastruktur installieren müssen. Agentforce Gateway-Architektur ### **4.3 Integrationsintelligenz** Die Bereitstellung eines geregelten Agentennetzwerks ist eine wichtige Leistung. Es werden jedoch neue betriebliche Herausforderungen für "Tag 2" eingeführt. Sie erfordert eine verbesserte operative Intelligenz, um ein dynamisches, verteiltes System autonomer Akteure überwachen, messen und beheben zu können. Die ultimative architektonische Vision ist ein System, in dem KI nicht nur zur Ausführung von Geschäftsprozessen verwendet wird, sondern auch zur Überwachung, Verwaltung und Heilung der Infrastruktur, auf der sie ausgeführt wird. _MuleSofts_ Vision für Integrationsintelligenz nutzt die Leistungsfähigkeit des breiteren _Salesforce_-Ökosystems, um umfassende, anpassbare Statistiken zur Leistung der Integrationsstruktur und des Agentennetzwerks bereitzustellen. Durch das Erfassen und Speichern [von OpenTelemetry-konformen](https://opentelemetry.io/) Daten (dem neuen Standard für die Beobachtbarkeit) in **Salesforce Data 360** können Organisationen ein einheitliches Repository für Protokolle, Kennzahlen und Verfolgungen in ihrer gesamten Landschaft erstellen. Diese Daten können in **Tableau** über vorgefertigte Dashboards und benutzerdefinierte Visualisierungen angezeigt werden, um detaillierte Statistiken zur API-Leistung, zu Agenteninteraktionsmustern und zum allgemeinen Systemzustand zu erhalten. Integrationsintelligenzarchitektur Dieses System verfügt über drei Schlüsselkomponenten: 1. **Aufnahme:** Der Aufnahmeservice ist der zentrale Einstiegspunkt für das Sammeln und Verarbeiten von Telemetriedaten aus verschiedenen _Mule-\_Anwendungen, \_Agentenmaklern_ und _Flex-Gateways_. Sie führt Schemavalidierung, Datennormalisierung und Filterung durch, um die Datenqualität und Konsistenz in verschiedenen Anwendungen aufrechtzuerhalten. Darüber hinaus werden Kontrollen (z. B. Authentifizierung, Verschlüsselung, Mandantengerechtigkeit und Ratenbegrenzung) in der Aufnahme-Pipeline erzwungen. 2. **Speicher:** In _Data 360_ wird ein Streamingauftrag mit hohem Durchsatz ausgeführt, der Daten aus _Kafka-\_Themen mit mehreren Mandanten liest und in das \_OTEL-\_Format umwandelt. OTEL-Daten werden dann in den \_DMOs TelemetryTraceSpan_, _TelemetryLogs_ und _TelemetryMetrics_ im _Lakehouse_ in die _Data 360_ des Mandanten übernommen. 3. **Visualisierung/Verbrauch:** Mit den in _Data 360_ verfügbaren Telemetriedaten können Kunden den Systemstatus überprüfen und Statistiken abrufen, indem sie vorgefertigte oder benutzerdefinierte Dashboards über _Tableau Next_ verwenden. Kunden können auch [Tableau Concierge](https://help.salesforce.com/s/articleView?id=analytics.tua_metric_questions.htm&type=5) verwenden, eine vorgefertigte Agentenanalyse-Fertigkeit in _Tableau Next_, mit der Benutzer Fragen zu Telemetriedaten in natürlicher Sprache stellen und vertrauenswürdige, handlungsrelevante Antworten mit Visualisierungen erhalten können. Kunden können die Daten auch in vorhandene _APM-\_Systeme (z. B. \_DynaTrace_, _Datadog_, _Splunk_ usw.) exportieren. ## **Schlussfolgerung** Der Wechsel zu einem Agentic Enterprise ist nicht nur ein IT-Upgrade, sondern ein grundlegender architektonischer Wendepunkt. Eine fragmentierte, isolierte Bereitstellung von AI-Agenten ist ein direkter Weg zu betrieblichem Chaos, Schatten-IT und nicht überschaubarer technischer Verschuldung. Der einzige nachhaltige Weg nach vorn führt über eine einheitliche, komponierbare Architektur. Die _MuleSoft Agent Fabric_ baut auf der bewährten Grundlage der API-geführten Konnektivität auf und bietet das "zentrale Nervensystem", das für die Verwaltung dieser neuen digitalen Belegschaft erforderlich ist. Sie bietet wichtige Funktionen für die Erkennung, Orchestrierung, Unternehmensführung und durchgängige Beobachtbarkeit. Auf diese Weise gehen wir über das Experimentieren mit KI hinaus und beginnen, ein wirklich intelligentes, automatisiertes und sicheres Unternehmen zu entwickeln, das autonome Potenziale in konkrete, gesteuerte Geschäftsergebnisse umwandelt. ## **Technische Anleitungen und Referenzen** - [Erste Schritte mit dem Anypoint-Codegenerator](https://docs.mulesoft.com/anypoint-code-builder/start-acb) - [Technischer Leitfaden zu Einstein für den Anypoint-Codegenerator: Generative Flows](https://blogs.mulesoft.com/dev-guides/einstein-for-acb/) - [DataWeave Generative Transformation Deep Dive: AI-Innovation für die schnelle Datentransformation](https://blogs.mulesoft.com/dev-guides/dataweave-generative-transformation/) - [Erstellen von API-Spezifikationen mit MuleSoft Dev Agent](https://docs.mulesoft.com/anypoint-code-builder/api-ai-create-spec) - [Generieren von API-Dokumentation mit generativer AI von Einstein](https://docs.mulesoft.com/exchange/generating-documentation-with-ai) - [MuleSoft MCP Server – Übersicht](https://docs.mulesoft.com/mulesoft-mcp-server/) - [MuleSoft MCP Server-Tools](https://docs.mulesoft.com/mulesoft-mcp-server/reference-mcp-tools) - [MCP-Konnektor](https://docs.mulesoft.com/mcp-connector/latest/) - [A2A-Konnektor](https://docs.mulesoft.com/a2a-connector/latest/) - [Erste Schritte mit Agentengewebe](https://docs.mulesoft.com/agent-fabric/learning-map-agent-fabric) - [Sichern von Agenteninteraktionen mit Flex Gateway](https://docs.mulesoft.com/gateway/latest/flex-agent-secure) - [Flex-Gateway-Agentenrichtlinien](https://docs.mulesoft.com/gateway/latest/flex-agent-policies) - [Übersicht über das Flex Gateway Policy Development Kit (PDK)](https://docs.mulesoft.com/pdk/latest/policies-pdk-overview) - [MuleSoft-API-Katalog für Salesforce](https://help.salesforce.com/s/articleView?id=platform.api_catalog.htm&type=5) - [Aktivieren eines API-Projekts für Themen und Agentenaktionen](https://docs.mulesoft.com/anypoint-code-builder/ai-enabling-api-project-topic-center) - [Arbeiten mit Tableau Next](https://help.salesforce.com/s/articleView?id=analytics.tua_consume.htm&type=5) - [OpenTelemetry](https://opentelemetry.io/) - [Modellkontextprotokoll](https://modelcontextprotocol.io/docs/getting-started/intro) - [Agent2Agent (A2A)-Protokoll](https://a2a-protocol.org/latest/) ## Informationen zum Autor Nikhil Aggarwal ist Principal Architect bei Salesforce, wo er die Architektur für MuleSoft und Salesforce Automation Clouds leitet. Nikhil verfügt über mehr als 18 Jahre Erfahrung in der Bereitstellung von Produkten im großen Stil und ist begeistert von skalierbarer Architektur, intuitiven Entwicklererfahrungen und dem Aufbau leistungsstarker Teams. Vor Salesforce leitete er mehrere Initiativen in Microsoft Power Platform, Dataverse und Office 365 vom Konzept bis zur Einführung. Seine Arbeit prägt weiterhin, wie moderne Unternehmen Systeme verbinden, Workflows automatisieren und Geschäftswerte im Zeitalter der AI-Ersten nutzen.