Appian引入MCP协议并与Snowflake合作,为智能体提供强管控能力

news2026/4/30 5:05:46
商业流程自动化软件公司Appian在其年度用户大会Appian World 2026上宣布了平台重大更新重点聚焦于AI辅助应用开发与模型上下文协议MCP集成进一步强化其在智能体AI领域的布局。Appian在大会上阐述了将AI锚定于业务流程之中的理念指出这一方式有助于消除数据碎片化、可靠性不足及管控缺失等问题——这些痛点长期制约着AI智能体的落地部署。Appian的业务流程自动化平台能够可视化呈现企业员工执行日常任务的方式例如文档处理流程包括各步骤的执行时间及相关指标。企业可借助这些信息发现改进空间并通过AI智能体自动完成文档关键信息提取、内容摘要等劳动密集型工作。Appian表示其AI文档处理准确率超过95%比传统方案高出约35%。更智能的流程驱动智能体此次更新的核心变化是引入MCP协议使AI智能体能够安全对接外部企业系统。与此同时第三方智能体也将能够访问Appian平台包括其Data Fabric功能——该功能支持对企业流程数据的读写访问。在智能体学习方面Appian为用户提供了追踪智能体性能的工具并支持跨流程记忆沉淀以优化决策能力。公司表示用户即将能够进一步扩展这一能力为AI设定优化目标并推荐可安全应用的改进措施。Data Fabric工具通过与云数据仓库公司Snowflake建立技术合作得到进一步增强。双方合作引入了统一元数据模型为AI智能体提供更丰富的数据结构与关联上下文。Appian表示此次更新实际上使其成为Snowflake AI数据云的AI编排层将数据聚合、模型训练与流程编排融为一体通过MCP集成赋予智能体更强的企业级上下文感知能力支撑自主、数据驱动的决策。Snowflake AI副总裁Baris Gultekin表示企业已经厌倦了AI实验迫切希望从投资中看到实际成果与生产力提升。通过将Appian的流程编排与Data Fabric能力和Snowflake AI数据云相结合我们将智能直接融入工作流程之中。双方共同构建安全的企业级AI让智能体能够通过Cortex AI访问可信数据在上下文感知的前提下采取行动并在业务层面产生可衡量的价值。规范驱动的AI应用开发在应用开发层面Appian推出了AI辅助规范驱动开发模式。AI从遗留应用中提取完整规范生成清晰的可视化改造方案涵盖用户界面、数据模型与流程图便于用户快速迭代设计。在此基础上经人工监督的AI开发智能体将依据用户规范完成应用构建。MCP协议在此同样发挥关键作用允许企业使用第三方编码工具如Anthropic的Claude Code或亚马逊云科技的Kiro在Appian平台内构建应用。Appian首席技术官Mike Beckley表示全新Appian Composer、AI智能体与Appian MCP服务器的组合为可信智能体流程编排与应用现代化提供了有力支撑。在底层Appian Composer基于Appian全新开放MCP构建——这是对完整应用资产的模型驱动表示涵盖需求、应用、数据实体、逻辑、工作流、安全治理规则、集成关系及多对象依赖现已作为上下文开放给开发者和智能体支持安全演进与优化。theCUBE Research首席分析师Scott Hebner指出企业AI领域最重要的一个词是信任。企业需要将AI深度嵌入受治理的流程之中使安全性、可审计性和可预期执行从一开始就内置其中这正是Appian所致力于实现的目标。Appian World揭示了一个重要的市场转变企业正在从孤立地实验AI迈向将AI真正运营化地融入实际业务流程之中。他补充道真正的差异化竞争力不再仅仅是拥有智能体而是编排可信的体验——数据、管控机制与工作流必须协同配合才能在规模化层面实现商业价值。QAQ1Appian平台的AI文档处理能力怎么样AAppian平台的AI文档处理准确率超过95%比传统遗留方案高出约35%。智能体可自动完成文档关键信息提取、内容摘要等任务有效减少员工在劳动密集型工作中的投入提升整体业务处理效率。Q2MCP协议在Appian平台中起到什么作用AMCP模型上下文协议是此次更新的核心。它使Appian的AI智能体能够安全连接外部企业系统同时允许第三方智能体访问Appian平台资源。在应用开发场景中MCP还支持接入Claude Code、亚马逊云科技Kiro等第三方编码工具在Appian平台内直接构建应用大幅扩展了平台的开放性与互操作能力。Q3Appian与Snowflake的合作具体带来了哪些价值A双方合作为Appian的Data Fabric工具引入了统一元数据模型让AI智能体更清晰地理解数据在不同系统间的结构与关联关系。Appian由此成为Snowflake AI数据云的AI编排层整合数据聚合、模型训练与流程编排能力使智能体能够在有充分上下文支撑的前提下进行自主、数据驱动的决策。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2567764.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…