效率狂飆數倍后：Coding Agent已然成熟，但開放世界仍是“無人區”

作者｜冬梅

如果說 2024 年是屬于大模型的“奇跡之年”，那么剛剛過去的 2025 年，則可以被定義為 Agent（智能體）的“工程落地元年”。

在技術圈的語境里，大模型正經歷從“被動問答”到“主動干活”的范式轉移。過去沒有 Agent 的時候，大模型是在被動地回答問題；Agent 誕生后，它變成了主動執行。這不僅僅是業務模式的變化，更是從聊天程序到生產組件的根本性變革。

但這種根本性的變革卻不是一蹴而就的，而是由多個重要的、里程碑式的“協議”和框架強力驅動的。這一點與早期互聯網協議定義推動 Web 應用爆發式增長的邏輯類似——標準化不是為了漂亮的規范，是要真正去解決跨系統、跨場景、跨團隊協作的實際工程痛點。

1 2025 年，兩大協議推動了 Agent 應用的爆發

阿里云容器計算服務 ACS Agent Sandbox 技術負責人黃濤在最近的一次深度對談中將其歸結為三個關鍵事件：MCP 協議的爆火、A2A 協議的發布，以及多智能體協同的工程化實現。

首先是 Anthropic 發布的 MCP（Model Context Protocol，模型上下文協議），旨在定義 AI 模型如何訪問外部工具、數據庫和服務的標準化方式。與過去每個模型廠商根據自有接口定制不同，MCP 提供了類似 “USB-C 接口” 的統一協議，使得智能體能跨平臺訪問外部能力。

例如，MCP 能夠讓智能體通過統一的協議訪問數據庫、庫存系統、工作流 API 等，而不需要針對每種服務和接口寫特定的適配代碼。 這種標準化的好處，在企業級應用場景中尤為顯著：

• 減少集成成本：應用方不再為大量不同的 API 寫 glue code。

• 提升可靠性與一致性：統一格式、統一調用流程讓錯漏減少。

• 加速自動化能力落地：智能體能快速理解系統數據并據此執行任務。

起初，這看起來只是一個單純的技術協議，但在剛剛過去的一整年，它徹底引爆了應用層。

以阿里集團內部為例，為了加速 AI 在電商領域的滲透，阿里孵化出了名為“TMCP”的電商 MCP 網關平臺。大量業務方通過編寫 MCP Server，將復雜的供應鏈、庫存數據、用戶信息等通過標準化協議“喂”給 Agent。

“MCP 解決的是 Agent 看世界、調工具的‘語言統一’問題。”黃濤解釋道。以前 Agent 調用工具需要針對每個接口做定制，現在有了標準網關，Agent 可以更快速地理解客戶需求，從一個只會聊天的程序，變成真正能調度阿里復雜業務邏輯的“超級組件”。

此外，另一款協議也值得重點關注。Agent-to-Agent（A2A）是由谷歌發布的，其核心目標是定義智能體間的“通用語言”和協作規范，使不同背景、不同廠商或不同開發框架下的智能體，可以像微服務一樣，通過標準化方式互相發現、協商任務、交換狀態、協調工作流。

這類似于 Web 發展的歷史中 HTTP、REST API 為服務間通信提供標準一樣——如果沒有可互操作的通訊協議，大規模協作系統無法自然形成。

在過去，不同功能的 Agent 之間想要對話，往往需要開發者編寫極其復雜的“粘合代碼”。而 A2A 標準的出現，意味著不同背景、不同廠商的 Agent 可以像人類員工一樣，通過一套標準的交互準則進行協作。

協議能力上看，MCP 與 A2A 都可以用于描述智能體之間的交互，但二者的設計側重點存在差異。MCP 更強調通用的調用與連接能力，統一智能體與外部工具、系統乃至其他智能體的交互方式；相比之下，A2A 在設計上更聚焦于多智能體場景本身，試圖為智能體之間的協作、狀態同步與交互模式提供更直接的抽象支持。因此，在早期多 Agent 系統實踐中，即便采用了 MCP 這類通用協議，智能體之間的協調邏輯仍常常依賴開發者手工實現，難以隨著系統規模的增長而自然演進。

與此同時，Manus 等框架提出的多智能體協同概念，不僅停留在交互層，更深入到了底層的基座能力。比如安全沙箱（Sandbox）技術的引入，解決了 Agent 在執行代碼或處理敏感數據時的隔離問題，讓“協作”不再是裸奔。

2 繁榮背后的工程陷阱：多 Agent 協作的“收斂性”困局

盡管應用層呈現爆發趨勢，但當 Agent 真正走進企業級生產環境時，工程性挑戰接踵而至。最讓開發者頭疼的，莫過于多 Agent 協作中的“低效”與“幻覺”。

OpenAI CEO 奧特曼曾描繪過一個超級個體帶領一堆 Agent 協作的未來。但在實際操作中，守辰發現了一個尷尬的現實：Agent 之間會產生大量“無效溝通”。

“多個 Agent 協作時，經常會出現不聚焦的情況，聊著聊著就聊開了。”阿里云智能容器服務高級專家， OpenKruise Agents 項目發起人張振舉例說，有些框架下，Agent 之間會互相委派任務，甚至出現死循環。這種“社交式發散”直接導致了 Token 消耗的激增，但最終得到的推理效果卻可能不如一個定義明確的單 Agent。

這種成本不僅僅是金錢上的，更是算力資源的浪費。對于企業而言，如何量化 Agent 之間的協作模式，識別并固化有效的溝通路徑，避免像人類會議一樣的“低效扯皮”，是目前的重難點。

另一個挑戰在于 Agent 的“自制能力”尚淺。在傳統的 BPM（業務流程管理）或 RPA（機器人流程自動化）領域，追求的是強約束、強工程化。

目前的 Agent 雖然有靈性，但離完全自制還有很大差距。黃濤認為，現階段 Agent 與 BPM 的關系并非“替代”，而是“融合”。“我們要給 Agent 定義清晰的邊界和子系統，明確它的輸入、輸出和約束，而不是把它當作一個泛化的、人格化的機器人。”

在阿里的實踐中，開發者嘗試在現有的工具流中加入 Agent 節點，讓它處理那些“不那么確定”的子任務，而將確定性的邏輯依然留給腳本或流程引擎。

黃濤的這一觀點，為 Agent 當前的發展階段進行了精準錨定。它摒棄了不切實際的科幻幻想，轉而擁抱一種務實、可工程化的演進路徑：Agent 并非一個從天而降、全知全能的“取代者”，而是一個需要被精心設計和集成到現有生產體系中的“增強組件”。

這種“融合”思維，決定了 Agent 價值的兌現方式——它必須深入具體業務的血肉之中，在解決真實痛點、優化既有流程的過程中證明自己。那么，Agent 究竟在哪些場景里產生了真實價值？

業內普遍認為，最先被 Agent 攻陷的堡壘是編程和運維。

AI Coding 是目前 Agent 落地最成熟、收益最可觀的領域。黃濤分享了自己的體感：“以前寫一段代碼需要一個小時，現在 Agent 一分鐘生成，我再改個十來分鐘，效率提升是巨大的。”

更顯著的變化發生在自動化運維。2024 年的運維 AI 更多是基于 RAG 查手冊，而 2025 年的 Agent 則學會了“模仿工程師經驗”。當系統報錯時，Agent 會自動執行一系列命令去定位問題，甚至能感知真實的運行環境并做出反饋。

張振對 2026 年最期待的突破點是“開放世界訓練”。隨著 Agent 被裝進手機（如字節跳動與中興的合作）或機器人（如宇樹機器人），它面臨的是未知的、非實驗室的環境。一個典型的挑戰是：Agent 操作某個 App 時被封禁了，它該怎么辦？

“讓 AI 知道自己不知道，是走向真智能的關鍵一步。”張振提到。阿里云正在通過發布像 OpenKruise Agents 這樣的基礎設施，提供檢查點（Checkpoint）和克隆功能，來加速這種在開放世界中的訓練效率。值得一提的是，OpenKruise Agents 是阿里云容器計算服務 ACS 的 Agent Sandbox（ACS Agent Sandbox）逐步開源的能力之一。與 OpenKruise Agents 不同，ACS Agent Sandbox 面向企業級 AI Agent 應用規模化落地，內存級休眠喚醒與 checkpoint 克隆能力 ，支持結合云端彈性調度與微虛擬化隔離，以縮短沙箱啟動與恢復時間，提升并行探索效率以及降低訓練成本。

3 Agent 的終極形態：超級自動化還是數字員工？

從攻克編程與運維的確定性堡壘，到勇敢邁向充滿未知的開放世界訓練，Agent 的能力邊界正在實踐中被不斷拓展和重新定義。

這種從“專用工具”到“適應環境”的演進路徑，自然引發了更深層次的思考：Agent 進化的終點究竟在何處？是成為無所不能的超級自動化智能，還是先成為我們身邊協同工作的可靠伙伴？

關于 Agent 的終極形態，黃濤和張振兩位專家給出了略有分歧但互補的視角。

黃濤的視角更偏向“高度自制的智能體”：他認為 Agent 最終會演化成在家庭助理、工廠、無人駕駛等場景中完全自主運行的實體。它能完美感知環境差異，自主決策，徹底解放人類。

而張振的視角則更務實，傾向于“數字員工”：他認為短期內，AI Agent 會以數字員工的身份在企業中入職。“員工”這個角色方便企業進行 KPI 評估，也方便人類與之協作。

盡管愿景不同，但共識已成：Agent 將不再是特定領域的應用，而是一種像數據庫、中間件一樣的“新興基礎設施”。

這一年，我們經歷了對 Agent 能力的盲目崇拜，也正在經歷對其工程化落地的痛苦磨合。當 MCP 協議把業務的大門敲開，當沙箱技術把安全的籬笆扎緊，當開放世界訓練讓 AI 開始學會“思考”，Agent 就不再是 PPT 上的概念，而是真正開始改變生產力邏輯的底層變量。

正如張振所強調的那樣，AI 可能無法立即成為那個“超級智能體”，但它會以無數個“數字員工”的身份，滲透進代碼的每一行、運維的每一次報警、以及每一個復雜的商業決策中。

這才是 Agent 時代的真實敘事：不在于取代，而在于進化。

采訪嘉賓簡介：

• 黃濤 ，阿里云容器計算服務 ACS 技術負責人

• 張振，阿里云智能容器服務高級專家， OpenKruise Agents 項目發起人

會議推薦

InfoQ 2026 全年會議規劃已上線！從 AI Infra 到 Agentic AI，從 AI 工程化到產業落地，從技術前沿到行業應用，全面覆蓋 AI 與軟件開發核心賽道！集結全球技術先鋒，拆解真實生產案例、深挖技術與產業落地痛點，探索前沿領域、聚焦產業賦能，獲取實戰落地方案與前瞻產業洞察，高效實現技術價值轉化。把握行業變革關鍵節點，搶占 2026 智能升級發展先機！