文：澤平宏觀團隊

人工智能AI 應用邊界與能力范疇極大拓展，從在圖像識別和語音識別中大放異彩的感知AI，到近年來能夠生成文本、圖片等各類內容的生成式AI。當前，Deepseek、ChatGPT等大語言模型已經深刻改變了人們獲取信息的習慣，從通過檢索找答案到問大模型要答案。

然而，盡管大語言模型擁有聰明的大腦，擅長提供信息和建議，但它卻缺乏執行能力，無法將想法付諸實踐。

Agent的出現，就是要打破這一局限。按照Anthropic官網的定義，Agent是讓大語言模型動態掌控工具使用方式的系統，可以自主決定如何完成任務。也就是說，要讓大模型能自主使用工具，自主執行任務，實現從“對話AI”到“干活AI”的轉變。

目前Agent尚處起步期，離終極設想的功能還比較遙遠，但是伴隨著3月份Manus的空降事件，Agent的關注度也陡然提升。Agent這個新概念如何理解、為何成為新的AI浪潮？目前有哪些Agent產品，它們能實現什么功能？伴隨Agent火起來的MCP協議又是怎么回事？Agent的出現未來又將如何重構軟件生態？

正文

一、Agent核心理念：讓大模型使用工具、拔高大模型的生產力

Agent直譯為“代理”，按OpenAI的說法，是能獨立代表使用者完成任務的系統。相比于被視為知識庫的大模型，Agent更像一個行動者，它在用戶授權下以高度獨立的方式編排工作流程、調用各類工具以執行工作流程，最終交付復雜任務。

調用外部工具，是Agent和當下DeepSeek、ChatGPT等大模型的最顯著區別。生成式AI時代，大模型主要依靠其龐大的內部數據庫回答用戶問題。

進入Agent時代，大模型將不再局限于自身內部的數據，而是具備了調用外部工具的能力，變得更實用。

Agent并不脫離大模型存在，事實上它相當于大模型再往前走一步，本質就是讓大模型使用工具，拔高大模型的生產力。這從Anthropic（Claude）對Agent的定義中可以清楚看出：Agent“是讓大語言模型動態掌控工具使用方式的系統，可以自主決定如何完成任務”。而OpenAI前高管Lilian Weng則更一步地闡述了Agent的技術框架：Agent是由大模型驅動的自動化系統，系統以大模型為“大腦”，同時有三個關鍵部分：規劃、記憶和工具使用。

規劃：使用思維鏈，將總任務拆分成子任務；

記憶：具備長短記憶功能，用于反思和修正工作流；

工具使用：大模型調用各種外部工具，以完成任務。比如Web搜索、計算器、代碼解釋器、天氣、地圖、票務預訂系統等等。

Agent標志著AI大模型從單純的“對話AI”進化到“干活AI”。

按OpenAI在2024年提出的內部AGI設想路線，Agent屬于AI大模型的L3級別。

二、Agent是人工智能發展的新浪潮，和具身智能一樣，是未來的大趨勢

2025年GTC大會上，黃仁勛提出自2012年深度學習革命開始以來，AI發展的會經歷的四個階段：感知AI、生成式AI、代理式AI（也即Agent）、具身AI。

首先是感知AI，這是人工智能的初始階段，讓機器能“看見”和“聽見”，即具備計算機視覺和語音識別能力，如人臉識別、語音助手等應用。

接著是生成式AI，在過去3年里發展迅速，主要以內容生成為核心，能夠創造文本、圖像、視頻等等。文本生成的普及度和使用率最高，以Deepseek、ChatGPT等大模型為代表，大大沖擊了傳統的檢索式搜索引擎，讓人們逐漸習慣了與大模型交互來獲取知識。

代理式AI（也就是Agent）、具身AI則被認為是接下來的發展方向。人工智能發展必然要從“智慧”到“智能”，也就是讓AI具備行動能力，這是發展Agent和具身AI的共同意義。具身AI聚焦于物理世界，把AI裝在新能源汽車、人形機器人這樣的物理實體上，讓AI在物理世界中感知、理解和行動。而Agent則聚焦于計算機世界，給予AI調用軟件工具的能力，讓AI在計算機世界中執行工作任務。

三、Agent發展現狀：Manus空降推動“通用Agent”爆火出圈，各家大廠正在加速布局中

從“對話AI”到“干活AI”的轉變是必然趨勢。這一趨勢首先在專用領域落地，即專用Agent，最典型的是編程Agent，比如Devin、Cursor、Windsurf等。而Manus 3月的空降事件，則推動了通用Agent的爆火出圈。

2025年3月6日，由中國人工智能公司Monica開發的一款Agent產品“Manus”正式發布，宣稱是“全球首款通用型AI助手”。Manus 定位于通用Agent，與專用Agent 不同，它能對多種復雜任務進行拆解并執行，不受限于特定領域或任務類型。在官網展示了幾十個案例，包括旅行規劃、股票分析、PPT制作等多種任務類型。

Manus當前定價高，在海外的落地步伐快于國內。基礎版55美元/月，升級版則需279美元/月，已經超過OpenAI的Operator升級版200美元/月的定價。3月28日，Manus AI 的移動APP版已在美區蘋果App Store上線。而國內目前還沒有產品上線，但已經在今年3月宣布與阿里通義千問達成戰略合作，共同開發Manus中文版。

Manus團隊表示“產品非常簡單，沒有秘密”，這也是Manus空降后引起爭議的原因。盡管媒體大肆宣揚這是又一個“DeepSeek時刻”，但許多人認為Manus并不能和DeepSeek平齊，后者是國產大模型的創新與崛起，而Manus只是“套殼”，沒有原創技術的突破，比如它并不自研基座模型，而是接入Anthropic的Claude 3.5 模型。Manus空降后，許多團隊花了很短的時間便復刻了類Manus產品，比如OpenManus等等。然而毋庸置疑的是，Manus空降也有其獨特的意義，那就是讓通用Agent得到空前的關注度，事實上成了整個AI行業向“干活AI”方向發展的一股巨大推力。

在這股推力下，國內大廠開始加速布局通用Agent，趕早卡位，如字節跳動和百度。

4月18日，字節跳動網頁端Agent產品“扣子空間”開啟內測，定位為“用戶與AI Agent協同辦公的最佳場所”。基座大模型采用字節自研的豆包大模型，引入多款可調用工具，包括高德地圖、飛書文檔等等，提升實際交付能力。官網展示了許多用戶分享的任務回放，包括制作網頁、制作旅程攻略并在高德地圖標注、制作歌曲、制作研究報告等等。

4月25日，百度移動端的通用Agent產品“心響App”正式發布，目前已在安卓全面上線。 采用Agent Use方案，可以自動調度百度自己和市面上所有第三方子智能體，以及各種內外部AI工具、應用和服務接口，提升任務完成度和匹配度。目前有十大任務場景：例行任務、城市旅游、AI相親、AI繪本、摸魚游戲、深度研究、法律咨詢、健康咨詢、智慧圖表、試題講解。百度心響App使用很方便，目前任何安卓用戶都可以在手機應用市場進行下載體驗。

四、Agent生態構建：MCP&A2A協議，未來大模型調用工具的能力將十分強大

4.1 MCP協議（Model Context Protocol）：大模型和外部工具之間的“Type-C接口”

Agent核心就是讓大模型調用工具，因此，未來Agent的表現將由兩個因素決定：一是大模型本身推理和決策能力的進步；二是大模型接入和調用工具的便利性。

針對第二點，Anthropic（Claude）在2024年11月提出MCP協議，旨在為大模型和各種外部工具之間建立一個統一的連接標準。MCP協議極大簡化了大模型接入外部工具的難度，讓開發者不用為每個外部工具編寫復雜的接口，“大模型+外部工具”開始步入“即插即用”時代。

MCP協議的意義在于，它相當于大模型和各種外部工具間的Type-C接口。

在Type-C出現前，電子設備接口有多種類型，不同設備采用不同接口，用戶需要攜帶多種數據線，非常不方便。Type-C的出現，逐漸統一了眾多設備的接口標準，無論是手機、平板、筆記本電腦，還是一些家用設備，都可以使用同一種數據線，大大減少了數據線的種類和數量，讓設備間的連接變得簡單高效。

類似的，MCP協議也簡化了大模型和各種外部工具之間的連接。

傳統上，要把大模型和外部工具連接起來，主要是通過使用針對該外部工具的API，也就是需要針對每個外部工具單獨開發和維護接口，一把鑰匙開一把鎖。

有了MCP協議，只要每個外部工具都依照協議創造一個MCP服務器，大模型對外部工具就能現實“即插即用”，避免了開發者重復造輪子的問題。

可以說，MCP就像一座橋梁，銜接了大模型與各外部工具的交互。比如對于一個旅行規劃Agent，如果使用API方法，開發者需要給日歷、地圖、航班預訂等API分別編寫獨立的代碼，每個API都需要為其定制身份驗證、內容傳遞和錯誤處理的規則；但有了MCP協議，只要日歷、地圖、航班預定這些外部工具支持MCP協議，開發者就能非常簡單的接入它們，之后大模型就能絲滑的進行調用。

毫無疑問，MCP協議的提出將在大模型時代向Agent時代的跨越中留下關鍵一筆。現下，MCP正在成為行業標準，以驚人的速度獲得采納：

越來越多的大模型廠商宣布支持MCP協議，海外的OpenAI、Google，國內的阿里、騰訊、字節、百度等。

同時，許多應用也開始進入MCP生態圈。

以魔搭社區為例，截至目前已經有超過2700個MCP Server，為開發者提供便利。

支付寶、高德地圖這些常用的應用，紛紛推出官方的MCP Server。

今年4月，支付寶成為國內首家支持 MCP 協議的支付機構，Agent開發者現在可以通過支付寶的“支付MCP Server”輕松接入收單支付服務。

高德地圖在今年3月發布MCP1.0，整合開放位置服務、地點信息搜索、路徑規劃、天氣查詢等12大核心接口，讓用戶在出行規劃、位置信息檢索場景下輕松獲取即時信息。今年4月全面升級，發布MCP2.0版本，可一鍵將AI生成的攻略內容轉化為專屬地圖，并可實現由攻略到一鍵導航、打車、訂票。

百度對MCP的支持力度也很大。4月，李彥宏表示，MCP“為開發者在AI大爆發的時代提供了解決思路，讓AI能夠更自由地調用工具，是AI發展的一大步”，宣布幫助開發者全面擁抱MCP。目前百度的商品檢索、商品交易、商品詳情、商品參數對比、商品排行榜能力等也已經通過百度電商的MCP server對外提供，這是國內首家支持電商交易的MCP服務。此外，文庫、網盤、地圖等應用也全面對外提供MCP Server服務。

4.2 A2A（Agent-to-Agent Protocol）：打破孤島，讓Agents之間互聯互通

2025年4月，谷歌提出A2A協議，即Agent和Agent之間的標準化通信協議。谷歌將A2A協議定位成MCP協議的補充：MCP協議潤滑大模型對外部工具的調用，A2A協議則潤滑Agents之間的互聯。

MCP+A2A，就能將Agent的能力范疇拓展到極致——對每個Agent而言，它不僅能輕易的接入和使用各種外部工具，而且能借助其他Agent的力量賦能。

A2A協議沒有MCP出圈，但是據谷歌云官網，該協議的支持者數量也比較可觀，目前有60家左右。

五、展望：通用Agent本質是一場范式革命，未來可能成為最大的流量分配中心，重構當前軟件生態

通用Agent是交互范式的第三輪變革：從PC時代的桌面操作系統到移動互聯網時代的超級應用，再到如今AI大模型時代的通用Agent。當前的軟件生態可能會被顛覆，通用Agent或將重構整個數字世界的權力格局。

從技術邏輯看，傳統軟件生態是以功能為導向，用戶需主動適應軟件的固定模式來實現特定目標，而通用Agent以自主決策為特征，理解用戶意圖，自主調用各類工具（當然也包括各大軟件）以交付任務。

未來，隨著通用Agent的落地推開，流量分配權將逐漸向各個通用Agent產品集中。這意味著各大軟件的競爭力將更多的取決于其服務能否被Agent精準認可和推薦，而非傳統的用戶粘性構建。

目前，通用Agent的生態并不完善。就像Perplexity CEO Aravind說的那樣：“目前任何人聲稱2025年的Agents可以完全投入使用，都應該持懷疑態度。”這當然有技術層面的原因，比如大模型本身的推理決策能力要再一步提升，并且要降低幻覺問題。但是生態層面同樣有很長的路要走，比如Aravind也表示過：目前沒有其他方式能讓 AI Agent同時控制多個應用，尤其是在 iOS 上，甚至無法訪問其他應用，這是蘋果生態的限制。未來Agent到底如何落地，流量分配、收費模式等等，非常值得期待。