01 API 管理正在扩展到人工智能和代理治理领域 API 管理市场正从传统的 REST 和应用 API 向 AI 模型、代理和工具的集中式管理转型。企业越来越需要能够验证 AI 流量、应用速率和令牌限制、监控使用情况以及控制应用程序可以访问哪些模型或工具的网关。模型上下文协议 (MCP) 通过为 AI 代理提供与企业系统连接的标准化方式,加速了这一变革。因此,现有的 API 管理平台可以成为代理和业务应用程序之间的控制层。这一趋势将市场从传统的 API 发布和监控扩展到 AI 治理、可观测性、安全性、成本控制和代理工具管理。 2025 年 12 月,Google Cloud 为 Apigee 添加了 MCP 支持,允许将 API Hub 中现有的受管 API 和工作流作为 AI 代理的工具公开,而无需重建底层 API。
01 生成式人工智能正在增加 API 流量和治理需求。 企业对生成式人工智能的日益普及推动了API管理需求的增长,因为人工智能应用高度依赖API来连接模型、数据、应用和外部服务。与传统工作负载不同,生命周期管理(LLM)应用会产生不可预测的流量和令牌消耗,从而对身份验证、配额、速率限制、路由、日志记录和成本控制提出了更高的要求。企业可能还会使用多个人工智能模型提供商,这进一步增加了对通用治理层的需求。API管理平台可以集中应用策略,而无需每个开发团队独立构建这些控制措施。随着企业将人工智能应用从实验阶段迁移到生产阶段,并需要模型与业务系统之间建立可靠、安全且可观测的连接,API管理平台的作用将更加凸显。
01 传统API和碎片化环境增加了管理复杂性 当企业拥有分布在多个云平台、业务部门、遗留系统和开发框架中的 API 时,API 管理的实施可能会变得十分困难。一些 API 可能缺乏统一的文档或所有权,而另一些 API 则可能在集中式网关之外运行。将所有 API 迁移到单一管理层可能需要进行调研、策略标准化、测试以及对现有开发流程的变更。随着 AI 代理创建更多访问企业服务的方式,这个问题变得更加严峻。因此,企业需要能够在不中断现有应用程序的情况下,跨异构环境管理 API 的平台。这种集成工作可能会延长部署周期、增加技术成本,并阻碍规模较小的企业在其整个技术环境中实施全面的 API 治理。
01 企业级API正在为人工智能驱动的应用创造新的机遇 一个重要的机遇是将现有的企业级 API 转换为 AI 代理可以安全使用的工具。多年来,企业一直在 REST API 上投入巨资,用于连接数据库、SaaS 应用、客户系统和内部服务。API 管理平台无需为每个 AI 项目重建这些集成,即可通过 MCP 公开选定的操作,同时保留身份验证、授权、监控和策略执行功能。这使供应商能够访问企业级 AI 基础设施的新层面,同时允许客户重用现有的数字资产。这一机遇也增加了对 API 目录的需求,因为企业需要一种可控的方式,让开发人员和 AI 代理能够发现已获批准的工具,并了解哪些服务可以安全访问。
01 必须在不破坏现有API的前提下应用更严格的安全标准 由于 API 在支持日益多样化的应用的同时,还会暴露宝贵的业务数据和服务,因此安全性仍然是一项重大挑战。企业必须在不影响依赖现有配置的旧客户端的前提下,加强加密、身份验证、访问控制、监控和威胁防护。更改 TLS 版本、密码套件、网络路由或授权规则可能会导致大型 API 产品组合出现兼容性问题。当企业运行受监管的工作负载,需要符合 PCI DSS、开放银行或 FIPS 等标准时,挑战会更加严峻。因此,API 管理供应商必须提供更强大的安全控制,同时支持逐步迁移、向后兼容、集中式策略执行和详细的可观测性,以便客户能够在不造成不必要的应用停机时间的情况下实现安全现代化。