摘要
什么是Agent？近来，微软上线Github MCP服务器、谷歌发布A2A智能体间通信协议、支付宝上线MCP服务器等Agent领域相关话题，受到市场广泛关注。Agent并无统一定义，前OpenAI研究员Lilian Weng的较受认可，她提出“规划”“记忆”和“工具使用”是Agent的重要组件。 Agent发展现状：当前仅少数独立收费，渗透率较低，但空间较大。作为Chat的进化版本，当前大部分Agent只是被纳入大模型的收费服务内容，仅Manus与Devin等少数独立收费。Deep Research、Manus类具备自主规划任务能力的Agent使用限制较多，真正能体验到的户或许并不多，距离“爆款”应用还有较大提升空间。但随着大模型推理能力提升，Agent成为应用创新的宠儿。 Agent大规模应用在即，诸多有利条件在手：1）模型训练端上下文窗口增长迅猛、强化学习深入应用，推理模型日趋成熟；2）生态：MCP和A2A等协议发展迅猛，Agent调用工具越发方便。2024年11月，Anthropic发布并开源MCP协议，旨在标准化外部数据与工具如何为模型提供上下文。 MCP协议让Agent与“外部数据和工具”“一键互联”，A2A让Agent互联。尽管A2A协议的目标为Agent之间通信，而MCP为Agent与外部工具和数据，但在“工具也可能被封装为Agent”的复杂局势下，两者功能或有重叠，但这种竞争有助于降低大模型调用外部工具与通信成本。 Agent发展展望1：端到端、不需要人类事先撰写工作流。当前，我们看到的相当大一部分“智能体”基于Coze、Dify等平台开发，需要人类事先撰写工作流，是较初级的Agent，更像是提示词工程的叠加，而更高级的Agent是“端到端”的，它意味着“对Agent输入任务，Agent自动完成人类所需的任务结果”。L3/L4/L5等此类高级Agent更符合人类需求。 Agent发展展望2：助力机器人与自动驾驶。当我们把Agent的定义套用在具身智能，会发现被大模型支配的机器人和车辆，也是Agent。尤其是前者，当前机器人发展的瓶颈并不在于“如何做出物理动作”的“小脑”，而在于思考“做出何种物理动作”的“大脑”，而这正落入Agent射程。 Agent发展展望3：借助DID等技术，实现Agent之间互联与AI原生网络。未来，或许所有的Agent相互之间应该都能够通信、可以自组织、自协商，构建比现有互联网更低成本、更高效率的协作网络，中国开发者社区也在构建ANP等协议，旨在成为Agent互联网时代的 HTTP协议。而关于Agent之间的身份认证，可以借助DID等技术。 投资建议：市场认为，由于训练数据有限，预训练Scaling Law已撞墙，算力需求承压。我们认为，Agent将为推理算力打开天花板。各机构正积极研发Agent，竞争格局未稳；Agent算力需求与简单的文字回复不可同日而语。建议关注：算力芯片厂商：英伟达、中际旭创、新易盛、天孚通信、寒武纪等；底层协议研发厂商：谷歌（A2A协议）；算力云服务厂商：阿里、腾讯等；大模型厂商：阿里、字节。 |
1. 什么是agent
不止“聊天”，用户需要大模型“下场干活儿”。
2022年底ChatGPT上线，已经引领AI产业与资本投资进入新纪元。
Deepseek R1则点燃了市场对国产大模型的信心。
只有ChatGPT、R1类Chatbot（聊天机器人）还远远不够，用户不只需要大模型被动响应自己的明确任务需求，还需要大模型“下场自己干活儿”。
在提问后，用户希望大模型主动确认用户需求、拆解任务、不断反思自己已经采取的行动与要完成的目标还有多少距离、甚至直接交付给用户网站等等，用户需要大模型更像自己的数字助理。
在此背景下，AI程序员项目Devin、通用项目Manus等Agent项目获得市场广泛关注。
Agent并无统一定义，“规划”“记忆”和“工具使用”是重要组件。
OpenAI前研究员Lilian Weng的定义广受认可，她提出Agent包括三大关键组件：规划、记忆和工具使用。其中，规划包括拆解任务和自我反思；记忆包括短期记忆和长期记忆；工具使用主要指对外部工具的使用，例如搜索引擎。
中国台湾大学教授李宏毅补充，Agent为了完成用户交办的任务，要观察环境（比如当前的搜索结果网页），并采取行动，当行动对环境造成影响，要做相应的行动。
2. Agent发展现状：仅少数独立收费，渗透率仍较低
Deep Research、Manus等项目出现前，Agent产品未收费。
在之前的Agent项目中，大部分是通用Agent，例如 OpenAI的Deep Research、Manus、AutoGLM。
少部分是垂直Agent，例如用于医疗问诊的Agent Hospital、用于程序开发的Devin、用于游戏观赏的斯坦福小镇。
多个Agent产品被纳入收费会员包，或独立收费。
聊天机器人（Chatbot）后，Agent成为大模型的一项重要应用，并进入收费时代。
2024年12月，谷歌大模型Gemini为付费用户上线研究Agent—— Deep Research功能，它与谷歌高级推理模型和百万上下文窗口结合，可以代替用户浏览网页、生成多步研究计划和研究报告。
其后，OpenAI、Perplexity和Manus也上线了付费Agent产品，蔚然成风。
当前Agent距离AI爆款应用，还有较大提升空间。
前述Agent大部分只是被纳入大模型的收费服务内容，仅Manus等少数项目独立收费。
另外，如上表所示，或许迫于成本压力与能力限制，Deep Research、Manus（基于虚拟机、需为每个用户配备虚拟机）类具备自主规划任务能力的Agent使用限制较多，即便对付费用户而言，真正能体验到的用户或许并不多，距离成为“爆款”在用户的服务数量和服务次数上，相较于ChatGPT和DeepSeek R1，或许有数量级的差异。
3.Agent近两年的边际变化
3.1模型端：上下文窗口、强化学习与推理模型迅猛发展
Agent的重要组件是“记忆”，与模型的长下文窗口密切相关。
Agent能取得突破，与大模型上下文窗口增长迅猛有关。
国产大模型Kimi率先打响了上下文窗口之战。
其后，豆包、通义千问等模型持续跟进。
如今，长上下文窗口几乎已经成为SOTA（State-of-the-Art，当代最优）大模型标配。
强化学习技术深入应用，代码Agent一枝独秀。
在垂直Agent中，我们注意到AI程序员项目Devin较为成熟。
我们认为，原因是，代码、数学等可以能由AI自动判定对错而非必须求助于人类的领域，很适合用强化学习技术训练。
推理模型日趋成熟。
由于不改变模型参数，不作用于预训练过程，Agent是推理模型的应用，其发展的前提在某种程度上是底层推理模型的发展。
而OpenAI o1模型在2024年上线的、能展示模型思考过程的思维链（Chain of Thought，CoT），标志着推理模型取得了重要进步。
3.2 MCP协议：Agent与“外部数据和工具”的“一键”互联
大模型对接外部数据与工具的通信协议出现，有助于拓宽Agent能力边界。
2024年11月，大模型Claude所属公司Anthropic发布并开源MCP协议（Model-Context-Protocol），它旨在标准化外部数据与工具如何为模型提供上下文，像大模型的USB-TypeC接口，致力于降低大模型使用外部数据与工具的成本。
在MCP出现前，大模型要调用外部工具成本较高，例如，用户需要使用大模型预定航班和酒店，并获得邮件确认，其大模型需要分别调用航空公司、酒店和邮箱等应用的API，每个 API 集成都意味着撰写单独的代码、文档、身份验证方法、错误处理和维护方式，相当于开启这些服务需要不同的钥匙。
而使用MCP，则对接/配置航空公司、酒店和邮箱的MCP服务器即可，就像把存储了航空公司、酒店和邮箱的U盘插进用户电脑的Type-C接口。
我们认为，统一的标准有助于提升Agent行业整体的效率，避免重复建设，降低成本，有助于促进Agent的快速构建和推开。
MCP协议已获OpenAI、阿里、微软等巨头支持，成为事实上的行业通用标准。
当前MCP已获得OpenAI、阿里、谷歌等行业头部机构支持。
根据行业知名应用开发框架Langchain发起的一项投票，截至2025年3月9日，473个投票人中，40.8%认为MCP会成为未来行业通用的标准，相较于认为“MCP只是昙花一现”的25.8%更多。
2025年4月5日，微软CEO纳德拉在“X”转发帖子，宣布上线Github MCP服务器。
2025年4月15日，支付宝联合魔搭社区率先在国内推出“支付MCP Server”服务——AI开发者可以使用自然语言接入支付宝的支付服务，快速实现AI智能体内的支付，打通从AI服务到AI商业化的“最后一公里”。该案例展现出大模型在广告外商业化、在模型对话框内完成支付闭环、让用户更沉浸式地停留在与大模型的对话框内的独特潜力。
3.3 A2A协议：Agent之间互联
Agent通信协议之争并未结束，谷歌作为巨头进入。
2025年4月5日，谷歌发布Agent与Agent之间通信协议A2A，进一步完善了Agent生态中的协议。A2A的合作伙伴包括 Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG 和 Workday等。
我们认为，尽管A2A协议与MCP协议的目的有所不同，前者为Agent之间通信，而后者为Agent与外部工具和数据，但在“工具也可能被封装为Agent”的复杂局势下，两者功能必有一定重叠，但这种竞争有助于降低大模型调用外部工具与通信的成本。
4. Agent的星辰大海
4.1 端到端，不需要人类事先撰写工作流
关于Agent的智能等级，效仿对自动驾驶能力的界定，Roboraction.AI Huang Yu的一项研究，按照“人类需要在Agent执行任务中的参与度”，将Agent从低到高分为L0到L5级。
当前，我们看到的相当大一部分“智能体”基于Coze、Dify等平台开发，需要人类事先撰写工作流，此类智能体不具备独立拆解任务、规划、反思等能力，是较初级的Agent，更像是提示词工程的叠加，更像OpenAI GPTs的高级版。
端到端Agent更高级、更符合人类需求。
更高级的Agent是“端到端”的，它意味着“对Agent输入任务，Agent自动完成人类所需的任务结果”，例如，Agent一站式完成用户所需的网站建设任务，为用户输出网站。L3/L4/L5等此类高级Agent更符合人类需求，更有希望成为下一个AI爆款应用。
短期“模型非产品”，Agent能力不会被大模型内化，但长期可能会，即端到端Agent出现。
4.2 助力机器人与自动驾驶
当我们谈论Agent，我们通常谈论的是大语言模型，但是当我们把Agent的定义套用在具身智能场景，会发现机器人和自动驾驶也需要Agent，或者说，被大模型支配的机器人和自动驾驶，也是一种Agent。
尤其是前者，当前机器人发展的瓶颈并不在于支配机器人“如何做出各种物理动作”的“小脑”，而在于思考“做出何种物理动作”的“大脑”，而这正会落入Agent的任务范畴。
4.3 借助DID等技术，实现Agent互联与AI原生网络
未来，或许所有的Agent相互之间应该都能够通信、可以自组织、自协商，构建比现有互联网更低成本、更高效率的协作网络，中国开发者社区也在构建ANP（Agent Network Protocol）等Agent协议，旨在成为Agent互联网时代的 HTTP协议。
而关于Agent之间的身份认证，可以借助DID（Decentralized Identity 去中心化身份）等技术，客户端可以在首次HTTP请求时，在HTTP头中携带DID和签名，服务端可以使用DID文档中的公钥快速验证客户端的身份；首次验证通过后，服务端可以返回token，客户端后续请求中携带token，服务端不用每次验证客户端的身份，而只要验证token即可。
5. 投资建议：重视正在发生的推理算力革命
从投资角度看，AI及算力的热度在关税冲击下降到两年来的冰点，一是担心关税对需求的抑制，更是担心AI算力的需求持续性。市场认为，由于训练数据有限，预训练大模型Scaling Law已经撞墙，算力需求承压，而要打破这一担忧，必须依靠技术创新。
我们认为，Agent的快速发展将为推理算力打开天花板。
这从各大Agent项目对用户的使用次数限制可见一斑；
当前各家机构正在积极研发Agent，市场并未进入竞争格局稳定的阶段；
单个Agent在完成任务时，由于其超长上下文窗口和不断根据环境的变化调整策略、持续思考，其对算力的需求与简单的大模型文字回复不可同日而语。
我们看好Agent发展对推理算力的需求。建议关注：
6. 风险提示
MCP分发平台缺位。当前MCP生态中，缺少iOS生态中的App Store角色，市场呼唤云平台等厂商的补位。
大模型技术落地不及预期。当前大模型在上下文窗口、幻觉等问题上仍然存在诸多重大问题。
VIP复盘网
