鐵人檔案
當 Agent 不只回答問題，還能呼叫 Tool、存取企業系統，身分、權限、流量與稽核都要重新畫邊界。這 30 天會沿著 Identity、Provenance、Enforcement、Traceability 四個問題，結合個人實際做過的平台選型：哪些成熟方案成功後最終反而不採用，哪些責任留給 Gateway、Runtime 與既有 Grafana 可觀測性平台。文章會搭配可重現的 Lab、設定檔、架構圖與實際畫面，涵蓋 Cognito、Agentgateway、Kagent、MCP 與 A2A，為你們帶來第一手見解。
Day 10 把值班工程師的入口 Token 原樣送到第二個 MCP Server，結果不是撞上 audience 驗證，就是讓 Audit 誤以為整條鏈都由同...
同一個 Observability MCP 有兩種呼叫者。值班工程師從 CLI 登入後查詢資料，Scheduler 則在沒有人操作時定時執行。兩邊拿到的 acc...
我一開始找 AI Gateway 的條件很直接：把不同 LLM provider 收進同一個 OpenAI-compatible endpoint，再補上 ro...
評估 LiteLLM 時，我們最後沒有採用，其中一個顧慮就是 virtual key 帶來的身分管理。幾個月後接 kagent 的 LLM path，我卻又在...
把 agentgateway 接進 Kubernetes 之後，我們沒有拆掉原本的 Ingress。public host、certificate 與其他服務都...
Day 15 把既有 Ingress 與 agentgateway 的流量責任切開之後，還有一大塊工作沒有人接：Agent 要用哪個 Runtime、如何部署、...
Day 16 已經證明 kagent 能部署 declarative Agent，LLM 與 MCP traffic 也能經過 agentgateway。接著把...
Day 17 把 A2A 的 Agent Card、routing 與 invocation 接通之後，下一步就是把自建 Agent 放回 kagent，看看其...
Day 18 的 BYO Agent 已經能被 kagent 部署、找到，也能讓另一個 Agent 透過 A2A 呼叫。當團隊開始累積更多 Agent，下一個麻...
Day 19 把 Agent Registry 的邊界停在一個很現實的位置：平台可以知道某個 Agent 已經進入 Runtime，卻還不知道它被誰叫起來、代表...
