在企业级AI应用加速落地的背景下，摩根士丹利正在对其API项目进行系统性改造。该公司技术人员Jim Gough与Andreea Niculcea近日分享了摩根士丹利如何采用“架构即代码”（Architecture as Code）理念与CALM工具，推进API项目的现代化升级。
据两位分享者介绍，摩根士丹利此次改造的核心在于将架构定义纳入代码化管理流程，从而提升API项目的可治理性与可扩展性。该实践重点回应了模型上下文协议（MCP）逐步普及后，企业API体系所面临的新需求——即API不再仅服务于传统应用调用，还需支持AI模型与智能体之间的上下文交互。
在具体实现层面，摩根士丹利展示了如何将MCP与智能体间通信（A2A）集成至现有API项目中。MCP用于为模型提供标准化的上下文接入方式，A2A则用于协调多个智能体之间的通信与任务流转。两者结合后，企业可在既有API治理框架内管理AI驱动的自动化流程，而非另建一套孤立体系。
治理方面，摩根士丹利通过部署门禁（deployment gates）实施自动化治理。这意味着API及智能体相关变更在进入生产环境前，需通过预设的自动化检查，以确保架构规范、安全策略与合规要求得到落实。该方法将治理动作前移至交付流程中，降低了因人工审核滞后带来的风险。
此外，摩根士丹利还介绍了零停机平台升级的执行方式。随着企业AI与智能体工作流规模扩大，平台需要在不停机的前提下完成版本迭代与架构调整，以保障业务连续性。这一能力对于金融等对可用性要求较高的行业尤为关键。
从行业视角看，摩根士丹利的实践反映了企业API项目正在从传统的接口管理，转向面向AI与智能体的服务治理。随着MCP等协议逐步被更多企业采纳，API项目需要同时承载传统应用集成与智能体协作两类负载。如何在既有架构体系内完成这一扩展，而非通过碎片化工具拼接，将成为企业服务与AI基础设施领域的重要议题。摩根士丹利此次分享的架构即代码、自动化治理与零停机升级组合，为这一方向提供了可参考的落地路径。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
