2023年下半年，智能體這個概念開始隨著AI的突進式發(fā)展而被很多人關(guān)注起來。

到了2024年，大模型的能力進一步增強，為智能體快速發(fā)展提供了底層能力支撐。

隨著2025年DeepSeek的爆火，智能體在各行各業(yè)的落地應用案例開始明顯增加。

大家已經(jīng)不再滿足于單一功能的智能體，而是開始追求通用智能體甚至AIGC的能力，Manus是這個趨勢下的一個典型案例，除此之外還有字節(jié)的扣子空間，以及百度的心響APP。

回看過去十年移動互聯(lián)網(wǎng)的爆發(fā)，支撐移動互聯(lián)網(wǎng)的土壤，其實是3G、4G通信網(wǎng)絡的支撐，以及智能手機行業(yè)的蓬勃發(fā)展。從中我們不難得出一個結(jié)論：軟件生態(tài)要想發(fā)展得足夠龐大，需要底層硬件和基礎設施的支撐。

在AI領(lǐng)域，這個論斷依然成立，這也是寫這篇文章的原因：智能體(甚至是AIGC)的發(fā)展甚至構(gòu)建生態(tài)，背后需要的基礎設施建設是重中之重。Agent Infra是Agent落地的關(guān)鍵，因為它涵蓋了Agent從開發(fā)到部署的完整生命周期。

從我查閱的很多資料來看，目前在Agent Infra層面，大致可以劃分為如下四個領(lǐng)域，分別是：

• Environment：提供Agent開發(fā)和運行環(huán)境，相當于給了Agent一臺可自行操作的計算機。
• Context：為Agent有效運行提供所需的信息，包括任務相關(guān)的背景知識和工具的使用方法。
• Tools：使Agent能便捷調(diào)用和協(xié)作的各類工具，包括各種類型的插件，以實現(xiàn)多樣化的任務。
• Agent Security：以Agent-native的方式保障Agent的行為與數(shù)據(jù)在執(zhí)行過程中的安全與合規(guī)。
  

一、Environment

Environment，即我們所熟知的運行環(huán)境(操作系統(tǒng)和服務部署運行容器)，它為Agent提供了開發(fā)和部署環(huán)境，可以讓Agent更好地完成端到端的任務。目前在AI領(lǐng)域，比較突出的路徑有兩種，分別是Sandbox和Browser：

1、Sandbox是一種安全機制，為執(zhí)行中的程序提供隔離環(huán)境。傳統(tǒng)的虛擬機并不能很好地滿足Agent需求，因為Agent對虛擬機的性能提出了更高的要求，比如需要更高的隔離性、更快的啟動速度、更強的穩(wěn)定性，以及具備一定的AI性能。

2、瀏覽器是Agent最重要的工作環(huán)境之一，瀏覽并操縱網(wǎng)頁的能力也將成為Agent的核心能力之一。Browser Infra賦予Agent的能力大致可以分為兩類：1-讓Agent可以大規(guī)模瀏覽網(wǎng)頁；2-使Agent可以操縱網(wǎng)頁。

最典型的案例就是Manus，它的運行環(huán)境主要基于Linux Sandbox，借助無頭瀏覽器來完成任務。

二、Context

目前無論是ChatBot還是Agent，都需要人主動描述需求(提示詞)，但信息幻覺問題是困擾人和AI協(xié)作的最大挑戰(zhàn)。除此之外，大模型、智能體之間的協(xié)作交互問題，也是另一大挑戰(zhàn)。

1、當下最有效的緩解AI信息幻覺的方法就是RAG，因此，RAG方法也可以視作Agent Infra領(lǐng)域很重要的一個組成部分。目前，RAG已成為一種共識性的技術(shù)，并在各類應用場景廣泛使用。

Agentic RAG系統(tǒng)能夠持續(xù)分析Context和用戶意圖，自主從多種來源檢索并整合相關(guān)信息，使Agent可以更好地完成任務。

2、大模型和智能體之間，系統(tǒng)內(nèi)部和外部之間的協(xié)作調(diào)用，目前已經(jīng)出現(xiàn)了一個標準化的解決方案，即MCP。MCP是Anthropic發(fā)布的一個開放式協(xié)議，重新定義了Agent調(diào)用外部工具、獲取數(shù)據(jù)以及與各類服務交互的方式。

三、Tools

Tools的價值不言而喻，可以讓Agent能夠便捷調(diào)用各類工具，實現(xiàn)多樣化的任務。隨著Agent交互復雜度的不斷提升，相關(guān)的Infra使工具層正在快速擴張。在Tools Infra層面，較為通用的有如下三個方向的工具：

1、搜索：搜索是Agent獲取外部信息的重要途徑。相比我們手動利用搜索引擎去檢索信息，Agent會進行更頻繁、更復雜的搜索，且傳統(tǒng)搜索引擎無法滿足Agent的搜索需求。因此，Tools Infra搜索領(lǐng)域需要解決兩大難題：1-更快且低成本的信息檢索；2-更智能的搜索和爬蟲架構(gòu)(解決人為造成的信息閉塞問題)。

2、支付：如前面為大家介紹的AI落地核心因素所說，確定性的場景是AI落地的前置條件，而金融、法律等領(lǐng)域天然具備這樣的條件。因此，金融領(lǐng)域未來會成為Agent落地的重要場景，而金融領(lǐng)域最重要的屬性就是Finance & Payment，即資管和支付。

3、工作流：工作流大家并不陌生，在IT軟件開發(fā)領(lǐng)域，工作流的概念其實大家日常都在實踐，最典型的就是CICD持續(xù)交付流水線。在AI領(lǐng)域，工作流也是很重要的一項基礎設施，特別是對于一些很復雜的任務，讓AI自定義工作流來進行決策和執(zhí)行任務，最終的結(jié)果很難保證符合預期。

當然，工作流也分為前后端，比如Manus的在線可視化任務執(zhí)行，其實就是Frontend Workflow(前端工作流)；像字節(jié)扣子空間的專家Agent，其實背后也需要Backend Workflow(后端工作流)來支撐。

四、Agent Security

隨著Agent能力邊界的拓展，安全性上的要求也在同步提升，最核心的就是信息安全。因為大模型的訓練需要投入大量的數(shù)據(jù)，且AI本身會檢索互聯(lián)網(wǎng)上大量的數(shù)據(jù)并輸出結(jié)果，我們需要保證自己的敏感信息不被泄漏，也希望AI給出的結(jié)果符合信息安全法規(guī)。

我們需要對Agent進行身份驗證，并保證Agent的每個意圖和行動都是安全的。此外，Agent每次數(shù)據(jù)交互都需要動態(tài)校驗，這也對數(shù)據(jù)安全提出了更高的要求。不過安全領(lǐng)域一向遵循“需求驅(qū)動”的邏輯，即先有成熟的下游產(chǎn)品設計，再有對應的安全問題與解決方案。安全問題，先天的稟賦就是后知后覺的后來者。