開發(fā)一個 Agent，需要切換多少個平臺？

6 月 12 日之后，這個答案是：一個。

幾天前，由火山引擎主辦的 2025 FORCE 原動力大會·春在北京舉行。兩天的大會，將火山引擎諸多 AI 能力展現(xiàn)了出來。豆包大模型 1.6 系列、TRAE、PromptPilot、MCP Servers、扣子開發(fā)平臺等工具輪番出場，veRL、DeerFlow 等開源框架一一亮相，每一項都超出了我的期待。

尤其是火山引擎的系統(tǒng)能力與 Agent 開發(fā)的便捷度更是讓人眼前一亮——如果你要開發(fā)一個 Agent，這里有一整套的全棧 Agent 開發(fā)工具與豐富生態(tài)，可以讓 Agent 從概念走向企業(yè)級應(yīng)用。因此，開發(fā)者可以更加專注于創(chuàng)意和業(yè)務(wù)。

而這，得益于火山引擎“AI 云原生”的不斷進(jìn)化。

理念革新：AI 云原生進(jìn)化

本次大會上，“AI 云原生”屢次被提及。事實上，“AI 云原生”這一理念進(jìn)化了三次，現(xiàn)在，我們已然能夠看清，火山引擎在 AI 時代要做什么。

半年前，火山引擎在 Force 上率先提出“應(yīng)用的未來是推理”，并提出了一個新概念——“AI 云原生”。雖然這一概念開始令人有些不明所以，不過火山引擎的動作很具體，將其計算架構(gòu)從 CPU 中心轉(zhuǎn)變?yōu)?GPU 中心，以 GPU 為核心重新優(yōu)化計算、存儲與網(wǎng)絡(luò)架構(gòu)。這是火山引擎從底層基礎(chǔ)設(shè)施來為大規(guī)模 AI 推理提供原生支持的關(guān)鍵一步。

今年 2 月，火山引擎進(jìn)一步豐富了 “AI 云原生”理念，提出“以模型為中心”，通過火山方舟平臺，顯著提升模型（如豆包大模型及DeepSeek 等第三方模型）的調(diào)用和部署效率、成本效益和安全性，加速 AI 應(yīng)用構(gòu)建。不過，我們?nèi)匀贿€不能看到全貌。

如今，火山引擎將 AI 云原生理念再次迭代升級，一切為 Agent 服務(wù)，以 AI 為中心構(gòu)建云基礎(chǔ)設(shè)施，并圍繞 AI Agent 開發(fā)打造全棧工具鏈與豐富生態(tài)，結(jié)合云、數(shù)據(jù)、安全技術(shù)，讓 Agent 從概念走向企業(yè)級應(yīng)用。

理念升級的背后，是交互主體的變化。

火山引擎總裁譚待在原動力大會上指出，技術(shù)正從PC 時代、移動時代邁向 Agent 時代，交互主體也從 Web 到 APP，再到如今的 Agent。

表面上看，Agent 像是一個套了層 AI 殼的 APP，但本質(zhì)上有很大區(qū)別，它能自己思考、調(diào)整、動手做任務(wù)。以訂酒店為例，如果用傳統(tǒng) APP，就得用戶自己去選房，翻圖片看有沒有浴缸，想加床還要打電話。但如果是 Agent，它可以主動識別圖片，讀評論，打電話跟前臺溝通。這是傳統(tǒng) APP 無法實現(xiàn)的。

現(xiàn)在的 AI 云，就是為這種新的主體 —— Agent 來設(shè)計的，不只是給舊架構(gòu)加了點 AI，而是圍繞 Agent 重構(gòu)架構(gòu)。

在數(shù)據(jù)架構(gòu)層，Agent 處理的并不是傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)，而是圖像、音頻、文本等多模態(tài)原始數(shù)據(jù)。因此，“AI 云原生”的架構(gòu)里需要構(gòu)建多模態(tài)數(shù)據(jù)湖，不丟失信息，直接輸入模型。

在工具鏈層，火山引擎集成 PromptPilot（提示詞工程）、veRL（強化學(xué)習(xí)）等工具，支撐Agent的“思考-行動-反思”循環(huán)。

在安全體系層，由于 Agent 自主操作可能觸發(fā)未知風(fēng)險。火山引擎新增端加密、模型防火墻。未來，Agent 之間還要能聯(lián)網(wǎng)、協(xié)作、通信，因此，安全防護(hù)也變得非常關(guān)鍵。

而交互主體變化，也意味著開發(fā)范式發(fā)生了變化。

Agent 這種會主動干活的能力，是傳統(tǒng)的軟件開發(fā)方式無法實現(xiàn)的。可以說，Agent 的出現(xiàn)，迫使開發(fā)范式不得不做出變革。

傳統(tǒng) APP 開發(fā)，從需求分析、編碼、測試，再到部署，整個過程都需要開發(fā)者理解業(yè)務(wù)邏輯。而 Agent 開發(fā)，則是以 AI （尤其是大語言模型/強化學(xué)習(xí)）為中心主導(dǎo)開發(fā)流程。

• 需求分析：需求直接以自然語言描述，由 LLM 理解拆解，開發(fā)者核心工作轉(zhuǎn)為 Prompt 設(shè)計以引導(dǎo) AI 明確目標(biāo)。

• 系統(tǒng)設(shè)計：架構(gòu)圍繞 LLM 推理能力或 RL 策略網(wǎng)絡(luò)構(gòu)建，重點設(shè)計工具集成、記憶機制和決策流程（如 Chain-of-Thought 或RL 環(huán)境）。

• 編碼實現(xiàn)：LLM 在運行時動態(tài)生成邏輯/決策（ Prompt 工程驅(qū)動），或通過 RL 訓(xùn)練生成策略網(wǎng)絡(luò)，開發(fā)者聚焦工具實現(xiàn)和流程編排。

• 測試驗證：核心評估 LLM 輸出的質(zhì)量、安全性和工具調(diào)用準(zhǔn)確性，或 RL Agent 的累積獎勵，進(jìn)行 Prompt 魯棒性和對抗性測試。

• 部署迭代：部署模型和編排框架，通過更新 Prompt、工具、知識庫（RAG）、微調(diào)模型或重訓(xùn) RL策略實現(xiàn)持續(xù)學(xué)習(xí)和優(yōu)化。

開發(fā)者工作的重心從“編寫具體業(yè)務(wù)邏輯的代碼”轉(zhuǎn)向“設(shè)計、訓(xùn)練、引導(dǎo)和約束 AI 的行為”，讓 AI 自己去理解、推理、決策和執(zhí)行任務(wù)。

這就要求模型能力需要大幅提升，以支持復(fù)雜的自主行為。

模型演進(jìn)：多模態(tài) + 深度思考的底層能力

火山引擎最新發(fā)布的豆包大模型 1.6 系列，由三個版本組成：

• Doubao-Seed-1.6：All-in-One 的綜合模型，是國內(nèi)首個支持256K 上下文的思考模型，支持深度思考、多模態(tài)理解、圖形界面操作等多項能力。支持選擇開啟或關(guān)閉深度思考、自適應(yīng)思考三種方式，其中自適應(yīng)思考模式可根據(jù)提示詞難度自動決定是否開啟思考，提升效果的同時大幅減少 tokens 消耗。

• Doubao-Seed-1.6-thinking：豆包大模型 1.6 系列在深度思考方面的強化版本；在代碼、數(shù)學(xué)、邏輯推理等基礎(chǔ)能力上進(jìn)一步提升；支持 256K 上下文。

• Doubao-Seed-1.6-flash：豆包大模型1.6系列的極速版本，支持深度思考、多模態(tài)理解、256K 上下文；延遲極低，TOPT 低至 10ms；視覺理解能力比肩友商旗艦?zāi)Ｐ汀?/p>

如今，豆包大模型的深度思考、多模態(tài)理解、圖形界面操作等多種能力進(jìn)一步提升，可以像人類一樣理解和處理真實世界問題。

其多模態(tài)能力支持文本、圖像、視頻等多模態(tài)數(shù)據(jù)的協(xié)同理解與生成，已廣泛應(yīng)用在電商識圖、自動駕駛數(shù)據(jù)標(biāo)注、門店巡檢等場景。

圖形界面（GUI）操作能力基于視覺深度思考與精準(zhǔn)定位，可以打開網(wǎng)頁、填寫表單、瀏覽器圖片，下單預(yù)訂等等。從大會現(xiàn)場演示案例來看，豆包 1.6 系列可自動操作瀏覽器完成酒店預(yù)訂、識別購物小票并整理成 Excel 表格等任務(wù)。

此外，火山引擎還發(fā)布了豆包視頻生成模型 Seedance 1.0 pro，支持文字與圖片輸入，可生成多鏡頭無縫切換的 1080P 高品質(zhì)視頻。在國際知名評測榜單 Artificial Analysis 上，Seedance 在文生視頻、圖生視頻兩項任務(wù)上均排名首位，超越 Veo3、可靈2.0 等優(yōu)秀模型。

與此同時，豆包大模型一如既往地堅持低價策略。

Agent 任務(wù)對 Token 的消耗極高，一個復(fù)雜任務(wù)可能需要 20 萬 Token。因此火山引擎提出了按“輸入長度”區(qū)間定價，深度思考、多模態(tài)能力與基礎(chǔ)語言模型統(tǒng)一價格。

在 0—32K 輸入?yún)^(qū)間，豆包 1.6 的輸入價格為 0.8 元/百萬 tokens、輸出價格為 8 元/百萬 tokens，綜合成本是豆包 1.5 深度思考模型或 DeepSeek R1 的三分之一。當(dāng)前，超過 80% 的企業(yè)調(diào)用請求集中在 32K tokens 以內(nèi)。

至于 Seedance 1.0 pro 模型，其每千 tokens 是 0.015 元，每生成一條 5 秒的 1080P 視頻，要 3.67 元。

豆包大模型的定價模式，意味著無論用戶是否開啟深度思考或多模態(tài)功能，Token 價格都完全一致，這讓企業(yè)無需為非必要功能支付額外成本。

事實證明，這些底層能力的持續(xù)優(yōu)化和效率提升，正在轉(zhuǎn)化為顯著的技術(shù)紅利，讓開發(fā)者能更低成本、更高效率地構(gòu)建復(fù)雜 Agent 應(yīng)用，推動 AI 從技術(shù)能力向產(chǎn)業(yè)價值的大規(guī)模轉(zhuǎn)化。

開發(fā)提效：全棧工具革新 Agent 開發(fā)范式

更關(guān)鍵的問題在于：如何構(gòu)建強大的 Agent 開發(fā)平臺，以支撐開發(fā)者打造出真正優(yōu)秀的應(yīng)用。

聚焦于此，本次大會上，火山引擎圍繞“AI 云原生”理念，正式推出了其 Agent 全棧開發(fā)工具鏈。該工具鏈不僅涵蓋豆包大模型，還包含大模型服務(wù)平臺火山方舟。大會期間，火山方舟發(fā)布了多項配套工具與平臺更新，包括提示詞工具 PromptPilot 及大模型生態(tài)廣場 MCP Servers 等。

會上還對外披露了扣子、TRAE 兩大開發(fā)平臺的最新進(jìn)展。

這一系列舉措，旨在系統(tǒng)性解決 Agent 開發(fā)的復(fù)雜性，確保開發(fā)者不僅能充分利用強大的模型，更能獲得平臺、數(shù)據(jù)、安全等全方位支撐，最終實現(xiàn) Agent 從概念到企業(yè)級應(yīng)用的順利落地。

提示詞工具 PromptPilot

搞過 Agent 開發(fā)的都知道，寫好提示詞是做好 AI 應(yīng)用的第一步。雖說這并不難，但是要反復(fù)調(diào)整、不停試錯，很多時間和人力都消耗在清晰的表達(dá)，不斷地修改和手工迭代的過程中。當(dāng)提示詞和工作流固定之后，再小心翼翼地把一個AI應(yīng)用發(fā)布出去，等待著下一輪的調(diào)整、糾錯、迭代。

針對這個問題，火山引擎對應(yīng)推出了 PromptPilot。PromptPilot 不僅允許開發(fā)者對模型的答案進(jìn)行局部的評論和修改，還可以通過比較和分析猜測用戶背后的邏輯，逐漸積累出更完整的真實意圖，并且能開始自動迭代，尋找更好的 Prompt 版本。

大模型生態(tài)廣場 MCP Servers

Agent 的核心能力在于“工具使用（Tool Use）”。它可以調(diào)用各種外部 API、訪問數(shù)據(jù)庫、操作其他軟件（如發(fā)送郵件、修改日歷、查詢信息），像一個連接器，整合多種能力來完成復(fù)雜任務(wù)。

在其中發(fā)揮“串聯(lián)”作用的 MCP 功不可沒。

火山引擎在本次大會上推出了大模型生態(tài)廣場 MCP Servers，集成了豐富的字節(jié)跳動云服務(wù)及優(yōu)質(zhì)三方生態(tài)工具。

該平臺已與 AI 原生 IDE TRAE、方舟體驗中心、扣子等平臺打通，并與大模型工具生態(tài)鏈接，覆蓋企業(yè)辦公、搜索工具、內(nèi)容等基礎(chǔ)工具鏈。同時，它深度集成云服務(wù)能力，使開發(fā)者能通過 MCP 便捷地控制火山引擎的計算、網(wǎng)絡(luò)、存儲等云服務(wù)組件完成環(huán)境部署。

有了火山 MCP 服務(wù)，開發(fā)者即可高效構(gòu)建復(fù)雜 Agent，并直接部署發(fā)布。

扣子開發(fā)平臺

為打造具備自主性（主動規(guī)劃、決策、預(yù)判需求）的Agent，扣子開發(fā)平臺此次也進(jìn)行了升級，成為覆蓋 Agent 低代碼/全代碼開發(fā)、調(diào)優(yōu)與協(xié)作的全生命周期平臺。

現(xiàn)在，已經(jīng)有不少利用扣子開發(fā)平臺搭建出的 Agent 應(yīng)用到了實際的生產(chǎn)場景里面。比如字節(jié)內(nèi)部的抖音電商智能客服 Agent 代替原先人工客服，整體人效提升 50% 以上；頂端新聞平臺將 Agent 用于智能創(chuàng)作、內(nèi)容風(fēng)險識別、內(nèi)容理解打標(biāo)、中原歷史名人角色智能體等場景，tokens 每日用量超過 1.5 億；柒牌時裝借助 Agent，突破 AI + 硬件模式在服裝領(lǐng)域的應(yīng)用瓶頸，成功實現(xiàn)銷售模式創(chuàng)新、用戶群體拓展及商業(yè)生態(tài)升級；孩子王的智能培訓(xùn)系統(tǒng)，通過還原業(yè)務(wù)場景、模擬實戰(zhàn)練習(xí)以及一對一人機對練等功能，每周考核通過率較以往提升 151%；魚泡直聘實現(xiàn)全流程 Agent 接管后，顯著提升了招聘流程的效率與質(zhì)量，其結(jié)構(gòu)化完善率提升了 60%，合規(guī)處理效率增長了 90%。

一句話簡單概括：用扣子開發(fā) Agent，進(jìn)去了就出不來，一個平臺全搞定。在扣子開發(fā)平臺上，還有兩個配套工具值得說道：

此外，面對更習(xí)慣寫代碼的開發(fā)者，火山引擎推出了Agent 構(gòu)建框架——Eino，提供可視化的編排和調(diào)試工具，拖拽幾下就可以完成一個 AI 應(yīng)用構(gòu)建。

TRAE

TRAE 是國內(nèi)首個 AI 原生的 IDE，開發(fā)者只需要用一句自然語言描述任務(wù)，AI 便能生成文件結(jié)構(gòu)、拆分模塊、補全代碼、甚至自動新建UI頁面。TRAE 有三大特色：一是代碼自動補全；二是自然語言開發(fā)；三是 Agent 協(xié)作。

此前，TRAE 只能對代碼片段進(jìn)行自動補全，而新版本增加了預(yù)測下一個補全位置和連續(xù)補全的能力。當(dāng)在一處代碼發(fā)生變更后，AI 會基于變更預(yù)測下一次變更，用戶可以通過點擊 TAB 鍵接受補全。

自然語言編程是幾乎所有 AI Coding 平臺都具備的能力。但 TRAE的特別之處在于，不僅能根據(jù)用戶給出的功能需求實現(xiàn)代碼，還能根據(jù)用戶給出的編碼邏輯和技術(shù)方案實現(xiàn)代碼。TRAE 構(gòu)建了一個底層任務(wù)調(diào)度框架，支持 Agent 并行執(zhí)行、異步控制、中途回調(diào)與狀態(tài)追蹤。因此，TRAE 具備了很多執(zhí)行細(xì)節(jié)的能力，比如拆分目標(biāo)，銜接任務(wù)，流程卡住時能夠自動中斷與恢復(fù)。

TRAE 的核心在于賦予用戶強大的自定義 Agent 能力。用戶可以根據(jù)需求創(chuàng)建專屬的智能體，并且每個 Agent 都能靈活集成一個或多個 MCP 服務(wù)。據(jù)介紹，TRAE 的下一個版本還將整合不同的 Agent 和工具，協(xié)調(diào)任務(wù)流程，實現(xiàn)自動串聯(lián)操作，逐步從 AI 輔助編程向支持 AI 開發(fā)全流程進(jìn)階。

截止到今年 5 月份，TRAE 的月活用戶已經(jīng)超過了 100 萬，累計生成了超過 60 億行被用戶采納的代碼，以及每天產(chǎn)生 150 萬條用戶 Query。

生態(tài)賦能：開源技術(shù)能力與應(yīng)用工具

除了上面說到的提示詞工具 PromptPilot、大模型生態(tài)廣場 MCP Servers，以及 TRAE、扣子兩大平臺，本次大會還展示了多個已開源的、聚焦具體任務(wù)并顯著提升生產(chǎn)力的 Agent 開發(fā)框架，以及匯聚諸多開源應(yīng)用的方舟應(yīng)用實驗室。

強化學(xué)習(xí)框架 veRL

veRL 是一個強化學(xué)習(xí)框架，兼顧高效和易用性，開箱即用，支持大部分主流的RL算法。去年10月正式開源，Github 上的Star 數(shù)已經(jīng)超過了 9.4k。

作為提升 Agent 能力的關(guān)鍵技術(shù)，veRL 框架通過 3D-Hybrid 引擎、靈活模型放置策略及主流算法集成，幫助開發(fā)者快速搭建 RL 模型開發(fā)管線。火山方舟基于 veRL 做了產(chǎn)品化的封裝，提供更低門檻的 Serverless 強化學(xué)習(xí)體驗。

在 AI 開發(fā)流程中，預(yù)訓(xùn)練環(huán)節(jié)有主流方案（如 MakeAnything），推理環(huán)節(jié)也有成熟項目（如 SGLang、veRL）。然而，后訓(xùn)練階段，特別是強化學(xué)習(xí)（RL）領(lǐng)域，此前一直缺乏優(yōu)秀的開源解決方案。veRL 項目的開源填補了這一關(guān)鍵空缺。

Deep Research 開源框架 DeerFlow

基于 LangStack 的 Deep Research 開源框架 ，采用 Multi-Agent 架構(gòu)設(shè)計，支持多種大語言模型，通過大模型自動規(guī)劃并調(diào)取網(wǎng)頁搜索與爬取、Python 執(zhí)行等工具，生成高質(zhì)量的圖文報告。

該框架上線僅 7 天，就在 GitHub 上收獲一萬多個 Star，成為字節(jié)開源社區(qū)中時下最熱門的項目。

UI-TARS

UI-TARS 是一個基于視覺語言模型的 GUI Agent 框架，它通過感知、規(guī)劃、執(zhí)行反思一系列的操作，讓 AI 像人一樣操作電腦，操作各種各樣的電子設(shè)備。

與傳統(tǒng)的模塊化框架不同，UI-TARS 將所有關(guān)鍵組件——感知、推理、反思、記憶——集成在一個視覺語言模型（VLM）中，實現(xiàn)端到端任務(wù)自動化，無需預(yù)定義的工作流或手動規(guī)則。

UI-TARS Desktop 作為 UI-TARS 開箱即用的工程實現(xiàn)，自 2025 年初 GitHub 開源以來收獲 14.6k Star。本次大會上，展示了 UI-TARS 遠(yuǎn)程 Computer Use 和 Browser Use 的實現(xiàn)，以及支持帶視覺的 Browser Use MCP。

火山方舟實驗室

在本次大會上，火山方舟應(yīng)用實驗室雖然被提及不多，但它是火山引擎對于支持和發(fā)展 AI 生態(tài)的有力證據(jù)之一。

火山方舟實驗室針對大模型應(yīng)用開發(fā)中的高價值、高復(fù)雜度問題，提供可運行的完整示例應(yīng)用，并開源了其全部代碼，希望通過提供標(biāo)準(zhǔn)化、可復(fù)用的工程資源，來降低開發(fā)門檻。以 DeepSearch 為例，它集成了聯(lián)網(wǎng)搜索、知識庫、網(wǎng)頁解析、Python 代碼執(zhí)行器等豐富的 MCP 服務(wù)，企業(yè)可一鍵復(fù)制，直接使用。

此次展示的成熟開源框架與火山方舟應(yīng)用實驗室，共同體現(xiàn)了火山引擎在構(gòu)建完整 Agent 開發(fā)生態(tài)上的持續(xù)投入。從經(jīng)過社區(qū)驗證的底層開發(fā)工具鏈（veRL、DeerFlow、UI-TARS），到提供最佳實踐的上層參考（實驗室示例），火山引擎賦能開發(fā)者復(fù)用已驗證方案，加速 AI 應(yīng)用落地與生產(chǎn)力革新。

結(jié)語:

正如火山引擎算法負(fù)責(zé)人吳迪所言，到今天為止，MCP 和 AI 應(yīng)用開發(fā)還很不成熟。這也意味，目前正處于 AI 應(yīng)用的黎明，正是開發(fā)者大展拳腳的好時候。

火山引擎在本次原動力大會上展現(xiàn)的雄心與布局，恰恰為我們把握這個時代機遇提供了強大的支點。從定義“AI云原生”理念、重構(gòu)基礎(chǔ)設(shè)施，到持續(xù)進(jìn)化豆包大模型提升核心“思考”與“感知”能力，再到打造覆蓋 Agent 全生命周期的開發(fā)工具鏈與評測體系，火山引擎正試圖構(gòu)建一個完整的生態(tài)閉環(huán)。它提供的不是零散的零件，而是一套能讓開發(fā)者高效構(gòu)建、迭代和部署真正智能化 Agent 的“全棧平臺”。

當(dāng)?shù)讓幽Ｐ汀㈤_發(fā)平臺、數(shù)據(jù)架構(gòu)與安全體系都圍繞 Agent 這一新主體重新設(shè)計時，我們離實現(xiàn)那些曾經(jīng)只存在于想象中、能自主思考與行動的 Agent，無疑又近了一大步。