Gravitee 首席执行官 Rory Blundell – 采访系列

Rory Blundell是Gravitee的首席执行官，兼具深厚技术功底、商业领导力和创业经验，这种少见的组合为API管理领域带来了独特视角。在2020年9月出任首席执行官之前，他以首席营收官身份加入Gravitee，并参与制定公司的增长战略。更早时，他负责SnapLogic在欧洲、中东和非洲地区的现场技术业务，涵盖售前、专业服务、培训和客户成功。他还创办了英国软件与咨询公司Velinko，为法律和会计行业服务，并亲自参与API、ETL、AWS、Java、PHP、WordPress、数据库、报表和数据转换等项目。随着API、事件流和AI智能体日益成为企业基础设施的核心，这种工程能力、企业销售经验和创业执行力使他能够带领Gravitee继续发展。

Gravitee 是一家API管理公司，致力于帮助企业管理、保护、治理并扩展应用、服务、事件流和AI智能体之间的数字连接。其平台结合API管理、事件原生网关、开发者门户、事件流支持及新兴的AI智能体管理功能，为同步API、异步事件、MCP/A2A智能体交互及分布式环境治理提供统一控制平面。公司将其平台描述为开源且可扩展，并被评为2025年Gartner API管理魔力象限的领导者，体现了其处于API基础设施、实时事件驱动系统和新型智能体AI技术栈交汇处的定位。

您创办了Velinko，亲自运用AWS、API和数据转换平台等技术开发软件解决方案，之后在SnapLogic领导技术团队，最终成为Gravitee的首席执行官。从一线构建者到CEO的经历，如何塑造了您对AI智能体和企业基础设施未来的愿景？

我的经历让我能从构建者、运营者以及现在的CEO等多个角度看待企业基础设施。在Velinko，我们解决的是实际的数据问题：从不同地方提取信息，进行转换、聚合，使其可用。这段经历奠定了我对企业技术职责的认识：连接系统、保护数据，并把复杂性转化为人们可以据此采取行动的东西。

在SnapLogic期间，我看到API管理正逐渐成为企业技术栈的核心。API不只是技术接口，而是企业开放、控制并扩展关键系统和数据访问的方式。这最初吸引我来到Gravitee，也一直是我思考这一市场的基础。

企业需要知道谁可以访问什么，这些访问入口如何被发现和使用，以及整个环境中实际发生了什么。这些原则对API至关重要，如今对智能体也同样如此。企业正在进入一个智能体可以跨API、应用、数据和工作流行动的世界。成功的公司不会只是构建最多智能体的公司，而是那些为智能体配备适当基础设施的公司：明确的权限、强有力的治理，以及对其所接触系统的控制。

Gravitee凭借API管理建立了声誉，随后将重点扩展到AI智能体管理。是什么让您确信AI智能体代表下一次重大技术转变？为什么现在是公司向这一方向发展的合适时机？

我认为，AI智能体管理是我们一直帮助企业解决的同一问题的下一阶段。

API管理过去和现在的本质都围绕三点：安全性、可发现性和可观测性。智能体是下一个需要应用这些原则的领域。

如今，企业开始在智能体上面对曾经在API上遇到的问题。如何确保安全？如何知道哪些智能体正在运行、在哪里运行，以及它们能访问什么？如何了解它们在做什么、为什么采取行动，以及是否在适当边界内运行？

时机很重要，因为公司正从AI实验转向思考如何让智能体投入实际工作。难题不再是能否构建智能体，而是企业能否在智能体所涉及的模型、工具、API和系统之间实施治理。

这正是Gravitee在API管理方面的积累变得十分相关的原因。只有企业能对智能体采取与其他基础设施同样严格的管理要求——明确权限、行动可见、可审计、治理和控制——智能体才有可能在企业中规模化应用。

许多组织在试验AI智能体，但真正实现规模化部署的相对较少。成功采用者与仍停留在试点阶段的公司有什么区别？

区别在于，组织将智能体视为孤立实验，还是新运营模式的一部分。在小规模下，一两个智能体看起来容易管理。挑战出现在企业开始跨团队、系统和工作流使用多个智能体时。此时，问题不再是智能体能否完成任务，而是组织能否控制其工作方式、接触范围，以及它如何融入业务运作。

及早为智能体建立管理规范的组织，会理解智能体在工作流中的位置、哪些决策必须由人做出，以及在将实际工作交给智能体前需要哪些控制措施。

这不仅是技术转变，也是组织工作方式的变化。成功的采用者会理解这一点，并从一开始就建立合适的结构。

AI智能体越来越多地与API、数据库、企业应用乃至其他智能体交互。您认为智能体编排将如何发展？在这些系统能够可靠地规模化运行之前，组织必须解决哪些挑战？

挑战不仅是技术复杂性，还有问责的复杂性。当智能体调用API、查询数据库、再调用其他智能体时，授权链不断延伸，而多数企业无法看清这条链。

编排正在从单个智能体执行任务，演进为一个智能体的输出成为另一个智能体输入的多智能体工作流。这些流程往往跨越模型、供应商和企业边界，而这恰恰是治理容易失效的时候。

要让这些系统可靠地规模化运行，组织必须解决四个问题：为每个智能体提供已知且经过认证的身份；界定每个智能体被允许接触的范围，包括工具、数据和下游API；在运行时落实这些权限；以及保留从人类提示词到智能体最终访问系统的完整溯源记录。

如果企业把编排视为纯粹的工程问题而跳过治理层，最终忙于处理的将是事故，而不是扩大业务规模。

随着组织采用云技术，业界花了多年应对API蔓延。我们是否正进入“智能体蔓延”的时代？企业能从过去的技术转型中吸取哪些经验？

是的，我确实看到了重演API发展模式的风险：在正确的管理模式建立之前，就在整个企业广泛采用。API时代的教训是，组织不应等环境已经碎片化，才补上可见性与控制。

智能体带来类似挑战，但由于它们可以跨系统和工作流行动，风险层面更主动。企业需要回答的问题很简单：有哪些智能体、谁负责，以及它们被允许接触什么。

如果从一开始就落实这些管理要求，企业就能避免最终出现看不见、无法保护或无法控制的智能体。

如今企业领导者对AI智能体最大的误解是什么？您认为哪些方面的期望已经超出现实？

最普遍的误解是，瓶颈在于智能体的能力。事实并非如此。瓶颈在于组织能否像要求员工负责一样，要求智能体承担责任：有明确角色、限定的访问范围和可审计的记录。

许多领导者认为部署更多智能体就会自动提速。实际上，缺乏治理的智能体会带来未纳入管理的AI支出、不受控的数据访问，以及因为没有审计轨迹而无法诊断的运营故障。

最近一些AI智能体因操作失误而退出生产环境的案例很有启发性。我们见过一个拥有广泛日历权限、却没有明确边界的智能体，一次操作就清空了整个企业日历。问题不在模型，而在于没有人界定它被允许触及的范围。这不是AI炒作的问题，而是治理问题。在许多情况下，智能体本来有能力完成任务，但缺少明确角色、访问边界，以及出现偏差时清晰的升级处理方案。

在自主决策方面，期望与现实的距离最大。领导者希望智能体能采取行动，但他们首先需要的是行动可见、可逆且责任可追溯的智能体。

随着AI智能体获得敏感系统和数据的访问权，安全与治理已成为主要关注点。您认为最重大的风险是什么？组织应如何管理这些风险？

最大的风险是，智能体进入生产环境的速度超过企业治理它们的速度。Gravitee的 《AI智能体安全现状报告》 发现，自2025年12月以来，企业AI智能体的规模大约翻了一番，而监控覆盖率、问责结构和部署前控制措施几乎没有变化。研究还发现，近一半，即48%的生产环境AI智能体在没有安全或治理措施的情况下运行；54%的组织在过去12个月经历过或怀疑发生过AI智能体安全或数据隐私事件。

这些数据说明，治理必须与采用进程同步成熟。随着智能体接触敏感数据、应用和工作流，责任归属必须和访问权限一样清楚：谁对这个智能体负责，它采取了哪些行动，以及如何主动监控这些行动。

不过，解决办法并不是拖慢智能体，而是从一开始就清楚掌握每个智能体、它连接的模型、使用的工具和交互的其他智能体。

在此基础上，组织可以建立适当的运营模式：明确责任归属、限定权限、部署前控制、持续监控、可审计性，以及出错时清晰的升级处理路径。这才会让企业有信心安全地规模化使用智能体。

随着政府和监管机构开始更加关注AI系统，企业应如何在创新与合规、透明度和风险管理之间取得平衡？

监管关注应成为催化剂，而不是等待的理由。

合规始于溯源：从人类提示词到智能体所发起的下游API调用，都要有完整、可审计的记录。缺少这些记录，企业就无法回答最基本的监管问题：智能体做了什么，为什么这样做。这不是未来才会出现的问题。欧盟《人工智能法案》2026年8月的合规期限已经确定，如今就具备溯源和策略执行能力的组织，届时便不必仓促应对。

策略即代码与集中式策略执行，是这一模式的具体实现。企业需要一个策略引擎、一条审计轨迹，并对所有智能体一致执行规则，无论其使用何种模型或来自哪家供应商。

有效的风险管理并非缓慢部署，而是从第一天起就内置问责机制、积极部署。把智能体问责视为先发优势而非合规障碍的企业，不会被监管拖慢脚步，因为它们已经做好了准备。

模型上下文协议（MCP）和智能体间通信（A2A）等开放标准正获得更多支持。互操作性对企业AI的未来有多重要？您认为业界迈向共同标准的速度足够快吗？

互操作性不是可有可无的。企业运行的不是一个模型或一家供应商的产品，而是整个生态系统。MCP和A2A等标准，让智能体可以在生态系统中调用工具、访问上下文并相互通信，而不必为每一对系统单独开发集成。

发展势头是真实的，但只问速度会忽略一个更重要的问题：让智能体能够行动的标准，必须配套规范其行动方式的标准。如果协议层只有连接能力而没有问责机制，只是把治理问题转移到了别处。

从MCP和A2A中受益最大的企业，会将协议层互操作性与集中控制平面结合，让跨智能体、跨系统的交互能够在一处被观察、执行策略并接受审计。

这正是Gravitee方法的重要性所在。将API管理、智能体管理和身份管理放在同一平台，意味着无论交互使用什么协议，都由同一个策略引擎来治理。

展望未来五年，企业AI智能体的成功应是什么样子？对于希望今天就建立可扩展、能够适应未来的AI战略的组织，您有什么建议？

未来五年的成功，将取决于智能体能否安全、可靠且规模化地完成有意义的工作。AI智能体可以让企业更加敏捷，大幅放大人的能力。但这只有在组织有意识地规划部署方式时才会发生。那些一味“全面智能体化”、把治理留到以后再说的组织，可能会获得早期成果，却经不起随后复杂性的考验。更好的做法，是从一开始就把智能体当作生产基础设施。

我的建议是尽早建立管理模式。在智能体进入关键工作流之前，就明确责任归属、权限、监控、可审计性和升级处理路径。未来不只是由人亲手搭建每项任务，而是让人成为流程架构师，由智能体帮助人更快行动、扩大影响，完成过去无法完成的更多工作。

感谢您接受这次精彩采访。希望了解更多的读者可以访问 Gravitee。