Industri ini sedang mengalami pergeseran besar dalam pengembangan AI agen, beralih dari prompt model tunggal dan alur kerja statis menuju fokus pada ekstensibilitas. Pergeseran ini menyoroti pentingnya membekali agen dengan rangkaian fitur yang luas dan terus berkembang yang dapat diintegrasikan tanpa membatasi mereka pada satu vendor atau harus menulis ulang integrasi untuk setiap persyaratan baru. Para pengembang kini bersaing dalam kecepatan integrasi dengan berbagai API, layanan, sumber data, dan alur kerja, serta kemampuan untuk menggunakan kembali integrasi tersebut di seluruh tim dan lingkungan, sambil tetap mempertahankan kendali atas akses dan penggunaan data.

Evolusi AI agen selama setahun terakhir telah memperjelas bahwa efektivitas agen berkaitan langsung dengan perangkat yang disediakan dan tata kelola perangkat tersebut. Awalnya, mengintegrasikan perangkat ke dalam agen merupakan pekerjaan khusus yang spesifik untuk setiap platform, yang menyebabkan duplikasi upaya, integrasi yang lemah, penggunaan ulang yang terbatas, dan tata kelola yang terfragmentasi. Namun, kebutuhan untuk menerapkan agen di lingkungan hybrid dan multi-cloud telah mengharuskan pendekatan standar untuk tool consolidation.

Protokol terbuka yang serupa dengan komunikasi standar HTTP di web telah muncul sebagai solusi untuk tantangan ini. Model Context Protocol (MCP) adalah salah satu contohnya, yang menyediakan standar untuk mendefinisikan kapabilitas alat dan skema input/output, yang memungkinkan agen yang sesuai dengan MCP untuk menemukan dan memanggil alat secara dinamis. Standardisasi ini menyederhanakan penemuan dan integrasi alat, memungkinkan penggunaan alat secara runtime tanpa konfigurasi manual, dan mempertahankan tata kelola meskipun alat dihosting di beberapa lokasi.

Azure AI Foundry menggunakan MCP dan mengintegrasikan server MCP yang ada ke dalam agennya, menggabungkan interoperabilitas terbuka dengan keamanan dan pengelolaan tingkat perusahaan. Platform ini juga berfokus pada pembangunan rantai alat perusahaan yang menyeimbangkan nilai langsung, diferensiasi bisnis, dan konektivitas yang luas. Ini mencakup alat bawaan untuk kebutuhan umum perusahaan, alat khusus untuk proses bisnis yang unik, dan konektor yang menghubungkan agen ke berbagai sistem. Penggunaan agen oleh NTT DATA dengan Azure AI Foundry merupakan bukti efektivitas rantai alat ini, yang menjadikan kecerdasan perusahaan intuitif bahkan bagi pengguna non-teknis.

Untuk menyeimbangkan skalabilitas dengan tata kelola yang tepat, Azure AI Foundry menerapkan pendekatan aman secara default dalam manajemen perkakas. Ini mencakup autentikasi dan identitas dalam konektor, perkakas kustom menggunakan OpenAPI dan MCP, tata kelola API menggunakan Azure API Management, serta observabilitas dan auditabilitas yang komprehensif. Dengan mengikuti praktik terbaik untuk tool consolidation yang aman dan skalabel—dimulai dengan kontrak yang jelas, memilih paket yang tepat, memusatkan tata kelola, menghubungkan tindakan dengan identitas, dan instrumentasi awal—organisasi dapat mempertahankan keamanan, portabilitas, dan kemudahan pemeliharaan perkakas terintegrasi mereka seiring pertumbuhan ekosistem AI agen mereka.