• 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。

• 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。

• 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。

• 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。

• 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。

• 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。

• 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。

• 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。

• 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。

• 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。

• 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。

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。

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。