外部公开案例，非衍谷交付
Grab · 从技术支持Bot演进为企业Agent开发平台 LLM-Kit
来源披露≠独立审计；编辑分析不等于客户确认。A级仅表示可定位到案例级来源，详细度不是成功评分。请先阅读下方字段分析边界；未公开细节不可当作已实施事实。
字段分析边界
- 业务问题依据
- 企业工程博客披露
- 解决方案
- 企业工程博客披露与中文结构化整理
- 技术工作流
- 企业工程博客代码与架构披露
- FDE 行动（请结合分析边界）
- 依据公开演进过程归纳
- 结果（来源方披露）
- 企业工程团队披露
业务问题
Grab技术基础设施团队每半年要处理数千个重复支持工单；早期支持Bot能回答问题，但每个新Agent团队仍要重复处理认证、密钥、部署、可观测性、工具连接和评测，导致原型难以稳定进入生产。解决方案
Grab先以Go服务构建Level-0支持Bot，让单Agent循环调用Glean、Kibana、GitLab、Slack和HTTP工具，无法解决时携带上下文转人工；再把踩过的坑沉淀为LLM-Kit模板，一键生成含FastAPI、LangGraph ReAct、远程MCP、pgvector、Vault、OIDC、OpenTelemetry、测试和Evals的生产仓库。技术工作流
- 文档、Runbook、Slack、Jira、日志和GitLab文件
- Glean检索及Kibana/GitLab/Slack等工具层
- LangGraph ReAct推理循环与远程MCP工具发现
- 统一LLM Gateway、模型路由与用量治理
- FastAPI、Postgres/pgvector、Vault、OIDC与环境配置
- OpenTelemetry可观测、黄金集、ROUGE/BLEU和LLM-as-a-judge评测
技术组件
- LLM-Kit
- LangGraph
- FastAPI
- MCP
- Glean
- Postgres/pgvector
- Vault/OIDC
- OpenTelemetry
- Evalshub
人工责任与复核
Bot先尝试回答文档化问题，未解决工单路由到正确的技术人员；Agent开发者只维护自己的业务逻辑和工具，平台团队统一维护认证、密钥、部署、网关、可观测与评测底座。FDE 行动（请结合分析边界）
- 先用一个高频支持流程暴露Agent生产化问题
- 把推理平面和工具平面分离
- 将认证、密钥、存储和部署固化为模板
- 让开发者从可运行Agent而不是空项目开始
- 在项目第一天内置黄金集和多种评测器
结果（来源方披露）
Grab披露已有500多个服务运行在内部Agent框架上，注册50多个远程MCP服务器，统一LLM网关每月处理数十亿Token；过去至少两周的首日基础接线缩短到约1小时。核验说明
- 500多个服务不等于500个独立Agent产品，按原文保留“服务”口径。
- 两周到一小时指基础接线，不代表完整Agent交付周期。
未公开 / 仍有缺口
未补充记录可迁移方法
- Agent规模化的瓶颈通常是生产工程而不是第一次演示
- 统一框架应标准化基础设施但保留业务逻辑自由度
- MCP工具和模型调用都需要企业级注册与治理
- 评测能力应随模板交付而不是上线前补建
来源账本
- 标题
- Agent platform (Part 1): How we help Grab build and run AI agents at scale
- 发布方
- Grab Engineering
- 来源类型
- 企业工程博客
- 可定位性
- 案例级直接来源
- 结论披露方
- 企业工程团队披露
- 已记录独立核验
- 否
- 源库查阅日期
- 2026-09-19
补充来源
未补充记录证据说明
Grab工程博客公开初代支持Bot、LLM-Kit目录结构、具体组件、规模指标和开发时间变化；属于企业自述，未有第三方审计。编辑摘要
Grab案例完整展示了一个内部支持Bot如何因真实失败而演进成企业Agent框架，并把认证、工具、可观测、评测和部署变成可复用的生产模板。详细度六维评分（各 0–2）
- 业务背景
- 2
- 改造流程
- 2
- 技术工作流
- 2
- 人机与治理
- 2
- 量化结果
- 2
- 来源可定位性
- 2
原始案例 ID
enterprise-grab-llm-kit-001技术方案参考
是来源分类
企业原始材料企业 / 组织
Grab行业
出行与本地生活平台一级行业
科技与软件业务场景
从技术支持Bot演进为企业Agent开发平台 LLM-KitFDE 标记
企业部署案例FDE 关系
内部平台化改造成熟度说明
企业级平台规模化成熟度阶段
规模化主来源
https://engineering.grab.com/how-grab-builds-and-runs-ai-agents-at-scale ↗证据等级
A证据等级说明
A级｜企业工程博客直接来源详细度评分（满分 12）
12详细度分组
deep详细度说明
深度案例｜关键链路较完整编辑数据：guminghao-avi contributors，MIT。导入 2026-10-02；源版本 ef550123。版权与许可证 · 原案例库。以上保留来源与证据限定，不构成衍谷效果承诺。