在传统软件工程中，API是”两个系统之间的通信接口”，系统A调用系统B的API，完成特定的功能。
在数据空间中，API的角色要深刻得多：API是DSC的”血管”，所有管控能力的扩展、所有参与方的集成、所有规则的下发和审计数据的采集，全部通过API完成。
API的三个层次
数据空间的API体系分为三个层次：
第一层：连接器API。 数据通过连接器API进入和离开数据空间。连接器API是数据空间对外暴露的最核心接口，它定义了数据请求的格式、加密方式、签名标准、返回格式。所有的数据提供方和使用方，通过连接器API与数据空间交互。
第二层：控制器API。 DSC的功能：身份验证、策略执行、存证溯源，全部通过控制器API暴露出来。运营方通过控制器API配置策略，数据提供方通过控制器API注册使用规则，监管方通过控制器API获取审计数据。
第三层：扩展/集成API。 DSC基于MetaOps构建的最重要的API层次。它不直接参与”核心业务”（数据流通），但它让DSC可以持续扩展新能力。
DSC基于MetaOps的扩展能力
DSC通过扩展/集成API，实现了六个方向的能力扩展：
AI支持。 DSC通过API调用外部AI服务：元数据智能识别、异常行为检测、使用意图分析。DSC本身不内嵌AI引擎，它通过API集成第三方的AI能力。这意味着AI模型可以独立升级，不影响DSC核心系统的稳定性。
跨数据空间动态消息流。 当A数据空间的DSC需要与B数据空间的DSC通信时，跨空间的消息路由和协议转换，全部通过API完成。DSC不关心对方空间用的是什么连接器、什么控制器，只要对方暴露了符合标准的API，消息就可以互通。
基础设施目录。 DSC通过API维护一个”基础设施目录”，列出数据空间中可用的算力节点、存储节点、网络通道的状态和可用性。新的算力节点加入数据空间时，通过API注册到基础设施目录中，DSC自动感知并开始使用。
端点注册。 每个参与方接入数据空间时，自己的连接器和服务端点通过API在DSC中注册。DSC通过”端点注册”API了解”谁在什么地方、提供什么服务”。
开放指标分析。 DSC采集的所有运行指标，数据流通量、响应时间、请求成功/失败率，通过API开放给运营方和监管方。运营方可以基于这些指标做趋势分析、容量规划、性能优化。
用户服务推荐/匹配。 这是最具”智能”色彩的API能力，DSC根据使用方的历史使用行为和订阅偏好，通过API推荐可能感兴趣的新数据产品或服务。
API的三个标准化要求
所有API的开发需要满足三个标准化要求：
统一的接口规范。 所有的API，包括连接器API、控制器API、扩展API，都遵循同一套接口定义规范。一个使用方的系统对接了连接器API后，对接控制器API时的学习成本应该接近于零。
版本管理。 API的版本升级必须向后兼容，现有参与方的系统对接的是v1版本的API，不能因为DSC升级到v2就中断v1的支持。兼容期通常不少于两个版本周期。
安全认证。 不是”调通就行”。每个API调用都需要经过身份认证和权限校验，谁调用的API、调用的是什么API、当前是否有调用权限。
不要把API简单理解为”系统之间的通信工具”。在数据空间中，API是DSC的扩展骨架——DSC能做多少事情，取决于有多少API可以被扩展和集成。做DSC的架构设计，最核心的工作不是画数据流向图，而是定义API清单和接口规范。
我是BSN联盟成员。有着十年区块链与隐私计算的产品开发和方案咨询经验，先后参与多个国家重大课题，亲手建过区块链、隐私计算、可信数据空间的落地项目。不追概念，写真的。