设想这样一个场景。
你希望调研一家科技公司。你的 Agent 接到任务后,先找到擅长产业研究的 Agent,请它梳理市场格局;再调用财务分析工具,处理公开财报;遇到专业技术问题时,向一个行业研究服务发起请求;最后将不同来源的结论和证据整理成报告,提交给你审阅。
这个过程中,参与任务的服务可能来自不同公司,运行在不同网络,采用不同模型,各自拥有不同的收费方式。
今天,这样的流程已经可以通过人工配置实现。未来,如果 Agent 能够在授权范围内发现服务、选择工具、分配任务、验证结果并完成结算,一种新的协作方式就有机会出现。
Agent 将从单个软件中的功能,逐渐成为网络中的参与者。一批围绕连接、协作和交易的基础设施,也会随之发展。
这篇文章尝试回答一个问题:当越来越多 Agent 开始协作,支撑它们工作的经济生态可能是什么样?
以下涉及未来的部分属于趋势判断。文中提到的产品和项目,按截至 2026 年 11 月 17 日的公开资料选取,用于观察已经出现的方向,并非热度排名。
一、从使用工具,到组织工具
过去的软件主要服务于人。
人打开网页、搜索信息、比较产品、填写表单、支付费用。软件提供功能,人负责理解任务并组织各项功能。
Agent 的出现,让部分组织工作有机会交给软件完成。
以准备一份投资研究报告为例,研究者通常需要检索资料、阅读文件、整理数据、分析竞争对手,再将结论写成报告。每个环节已经有对应的软件,但工作仍需要人反复在系统之间切换。
Agent 可以接收一个更完整的目标,然后调用多个工具完成其中一部分工作。随着能力提升,它还可能将子任务交给其他 Agent。
当一个 Agent 开始使用另一个 Agent 的能力,它会遇到人与企业之间早已存在的问题:
- 如何找到合适的服务?
- 如何确认对方身份和能力?
- 如何限定访问权限?
- 如何判断交付结果是否合格?
- 如何计量费用、支付报酬和处理争议?
这些问题需要新的接口、规则和产品。
从这一角度看,未来的 Agent 经济生态可以分为五层:连接、信任、决策、供给和能力。
| 层级 | 主要作用 | 回答的问题 |
|---|---|---|
| 连接 | 建立网络与通信通道 | Agent 能否找到并访问对方? |
| 信任 | 管理身份、授权、记录与评价 | 能否放心地与对方协作? |
| 决策 | 规划任务、选择资源、验证结果 | 下一步应该做什么? |
| 供给 | 提供模型、数据、工具及支付服务 | 完成任务需要什么资源? |
| 能力 | 组织资源,交付完整任务结果 | 用户最终获得什么? |
五层并不要求由五类公司分别提供。一个企业可能同时覆盖多个环节,一次任务也会在各层之间反复流转。
二、连接:让 Agent 能够相遇
协作的第一步是连接。
现实中的 Agent 可能运行在个人电脑、企业服务器、云主机、手机,或者工厂与船舶的边缘设备上。它们所需的数据和工具也分散在不同位置。
一个远程运行的 Coding Agent,需要访问本地电脑上的代码;企业内部的分析 Agent,需要调用另一家公司的专业数据服务;部署在船上的 Agent,需要在网络恢复时将处理结果同步到岸端。
这些任务都依赖稳定、安全的连接。
未来的 Agent 网络需要处理的工作包括节点寻址、网络穿透、连接维护、加密以及跨网络访问。对于开发者来说,理想状态是:无需为每一次协作重新搭建网络,就能让有权限的 Agent 找到所需资源。
已经进入这一层的玩家
| 玩家或项目 | 类型 | 正在做什么 |
|---|---|---|
| Google Agent Mesh | 开源项目 | 建立 Agent 私有网络,支持节点连接、服务发现与远程调用 |
| Tailscale | 网络产品 | 连接设备、服务和 Agent,并提供基于身份的访问控制 |
| AGNTCY | 开源基础设施 | 提供 Agent 间消息通信、发现、身份及可观测组件 |
| Cloudflare | 网络与云平台 | 提供网络连接、隧道、边缘计算及安全服务 |
| NetBird | 网络产品与开源项目 | 提供私有组网和访问管理 |
Google Agent Mesh 的公开文档显示,其控制平面承担节点连接、流量中继和发现表等功能;AGNTCY 则将消息通信、身份和发现拆分为多个开放组件。Agent 网络正在从概念走向可以部署和使用的工具。google.github.io
各方的切入点并不相同。有的企业从已有设备网络出发,逐渐支持 Agent;有的项目直接围绕 Agent、模型和工具之间的通信设计网络。
连接解决的是“能否到达”。当 Agent 真正到达另一项服务时,新的问题随之出现:它正在与谁交互?
三、信任:让协作拥有边界
一个 Agent 宣称自己擅长法律研究,它由谁运营?使用了哪些数据?是否允许将任务转交给第三方?提交的结果出现错误后,如何追溯?
这些问题需要通过身份、授权、记录和验证逐步解决。
可以设想,每个参与协作的 Agent 都拥有一张能力卡片,说明其提供方、服务范围、接口、价格和使用条件。调用方在授权范围内发起请求,服务方完成任务后,双方保留必要的执行记录。
围绕这一过程,可能出现几类服务:
| 服务 | 作用 |
|---|---|
| 身份 | 识别 Agent 及其背后的个人或组织 |
| 发现 | 找到能够完成特定任务的 Agent 和服务 |
| 授权 | 限定访问哪些数据、执行哪些操作、花费多少预算 |
| 记录 | 保存任务请求、关键操作、交付结果和费用 |
| 评价 | 根据可验证的历史表现,辅助后续选择 |
这些机制并不需要一次性全部建立。在企业内部,已有的账号和权限系统可以承担一部分工作;跨企业协作时,身份、授权和记录如何相互兼容,才会成为更突出的问题。
已经进入这一层的玩家
| 玩家或项目 | 类型 | 正在做什么 |
|---|---|---|
| A2A Protocol | 开放协议 | 支持 Agent 描述能力、交换消息和处理任务 |
| MCP | 开放协议 | 为 Agent 连接工具和上下文资源提供标准接口 |
| AGNTCY Agent Directory | 开源项目 | 发布和发现 Agent、MCP 服务及 Skills |
| Okta for AI Agents | 企业产品 | 管理 Agent 身份、注册、访问权限和治理 |
| Agent Network Protocol,ANP | 开源协议项目 | 探索 Agent 身份、发现及开放网络协作 |
| Tailscale | 网络产品 | 为 Agent 提供网络身份和访问策略 |
A2A 已在 2026 年加入 Agentic AI Foundation,与 MCP 处于同一开放生态。Okta 也在近期推出面向 Agent 的身份与治理产品,支持将不同平台上的 Agent 纳入企业目录。aaif.io
当前各方主要解决发现、身份和授权。跨平台信誉、结果质量评价和争议处理仍有较大探索空间。
信誉需要谨慎设计。一个 Agent 完成了多少任务,并不直接等于它能够做好下一项任务。不同任务的难度、数据条件和验收标准各不相同。
未来有价值的信誉体系,需要让调用方看懂:它在什么条件下,完成过什么类型的任务,结果由谁验证。
四、决策:让 Agent 知道下一步做什么
当 Agent 能够连接服务,也有权限使用服务,接下来需要决定如何行动。
一次任务中可能存在大量选择:使用哪个模型、调用哪个工具、是否需要更多信息、什么时候停止尝试、什么情况下交给人处理。
一个简单问题,也许只需要调用一次模型。一个复杂任务,则可能需要拆分步骤,安排多个 Agent 协作,并在过程中不断检查结果。
以软件开发为例,收到一个 Bug 修复任务后,Agent 首先判断需要读取哪些文件。发现测试环境不可用时,它需要决定修复环境、切换测试方式,还是向用户报告。完成修改后,它还要判断现有测试是否足以支持交付。
这些决策不一定都需要最强大的通用模型。
有些问题可以交给规则或程序处理;有些高频、边界清晰的任务,可能适合使用更快、更便宜的专用模型;涉及复杂推理和开放环境的任务,则可能需要能力更强的模型参与。
未来的决策系统,可能是一组方法的组合:
- 用规则确定明确的权限与边界。
- 用快模型处理高频分类、筛选和路由。
- 用专模型处理特定领域任务。
- 用通用模型处理复杂推理和未知情况。
- 用测试程序、外部数据和人工审核验证结果。
已经进入这一层的玩家
| 玩家或项目 | 类型 | 正在做什么 |
|---|---|---|
| OpenAI Agents API | 模型与开发平台 | 向开发者提供基于 Codex 运行框架的 Agent 能力 |
| Claude Agent SDK | Agent 开发工具 | 提供 Claude Code 所使用的部分工具、上下文和权限能力 |
| LangGraph | 开源框架 | 提供有状态的 Agent 流程、运行和编排能力 |
| Google Agent Development Kit | 开发框架 | 支持开发和组织 Agent 应用 |
| Microsoft Agent Framework | 开发框架 | 提供 Agent 与工作流开发能力 |
| CrewAI | Agent 平台 | 提供多 Agent 和业务流程构建工具 |
OpenAI 在 2026 年推出 Agents API,将 Codex 的部分运行框架向开发者开放;Anthropic 的 Claude Agent SDK 则提供 Claude Code 背后的部分工具和上下文管理能力。两者都在将 Agent 产品中的运行经验转化为开发基础设施。openai.com
这些玩家的位置并不完全相同。模型负责生成或辅助判断,框架帮助组织执行流程,运行环境负责维持状态、调用工具和处理故障。一个完整系统通常会组合使用多种产品。
对于小模型团队,值得寻找的是那些调用频繁、结果可以验证、对速度或部署条件敏感的决策环节。专用模型是否有价值,最终仍要回到具体任务:质量是否足够,整体成本是否更低,维护是否可持续。
五、供给:让 Agent 获得生产资料
Agent 要完成任务,需要的不只是模型。
一次研究可能需要新闻、论文、财报和行业数据库;一次软件开发可能需要代码仓库、测试环境和云服务器;一次采购任务可能需要商品目录、价格信息、物流服务和支付工具。
这些资源共同构成 Agent 的供给体系。
| 供给类型 | 可以提供的资源 |
|---|---|
| 智能 | 通用模型、特化模型、推理服务 |
| 计算 | 云算力、边缘设备、执行环境 |
| 数据 | 公开数据、实时信息、企业知识、专业数据库 |
| 工具 | 搜索、代码执行、浏览器、办公和业务系统接口 |
| 存储 | 文件、数据库、上下文与长期记忆 |
| 专业服务 | 研究、设计、开发、审核等 Agent 能力 |
| 交易服务 | 计量、支付、结算及风险管理 |
| 人工服务 | 专家判断、审核和复杂问题处理 |
当供给逐渐丰富,Agent 可能面对与今天的企业采购类似的问题:哪家服务更可靠?价格是否合理?数据能否跨境使用?任务失败是否收费?
这会催生新的中间服务:帮助 Agent 比较、选择、调用和管理资源。
以模型为例,同一个任务可能有多个可选供应商。系统可以根据任务要求,在价格、速度、质量和隐私条件之间进行选择。对于企业而言,还需要知道哪些部门使用了哪些模型、花费多少,以及数据流向何处。
已经进入这一层的玩家
| 玩家或项目 | 类型 | 所处环节 |
|---|---|---|
| OpenAI、Anthropic 等 | 模型供应商 | 提供模型、推理接口与 Agent 开发能力 |
| OpenRouter | 模型聚合平台 | 提供多模型接入与调用 |
| Hugging Face | 开发者平台 | 提供模型、数据集和开发者协作空间 |
| AWS Bedrock AgentCore | 云平台服务 | 提供 Agent 运行及相关基础设施 |
| Stripe MPP | 支付协议与服务 | 为机器访问 API 和服务提供支付机制 |
| Coinbase x402 | 开放支付协议 | 利用 HTTP 支付请求支持机器间付款 |
| Coinbase Agentic Wallets | 钱包产品 | 为 Agent 提供钱包及相关金融操作能力 |
支付正在从设想进入产品阶段。Stripe 推出 Machine Payments Protocol,支持服务向机器发起支付请求;Coinbase 推动的 x402 则探索通过 HTTP 完成机器间支付。AWS AgentCore 也已与相关支付能力结合。stripe.com
支付接口解决了交易中的一个环节。预算授权、服务验收、退款、责任归属及适用地区等问题,仍需要各参与方共同处理。
供应链中间服务的价值也需要通过实际效果体现。如果只是把多个接口放在一起,客户很容易直接接入供应商;如果能够持续改善任务质量、控制成本并降低管理负担,才有机会形成稳定业务。
六、能力空间:让协作最终交付结果
对于用户来说,最重要的问题始终是:任务有没有完成。
一个企业希望获得可用的市场研究,一家工厂希望及时发现设备异常,一个开发团队希望修复代码问题。他们会关心成本和过程,但最终购买的是符合要求的交付。
这也是“Agent 能力空间”值得讨论的原因。
一个能力空间可以围绕某类任务,把 Agent、工具、数据和资源组织起来,对外提供可调用的服务。
例如,一个供应链分析能力空间接收企业的采购需求后,可以调用市场信息、供应商数据、价格分析工具和风险评估服务,输出一份包含候选供应商、价格比较及风险提示的采购建议。
使用方看到的是服务入口和交付结果。内部可以由多个 Agent 和工具共同完成,也可以在关键环节引入人工专家。
能力空间能否成立,取决于四件事:
| 关键问题 | 需要回答的内容 |
|---|---|
| 服务谁 | 哪类人、企业或 Agent 有持续需求 |
| 交付什么 | 输出报告、完成操作,还是承担明确的业务结果 |
| 如何验收 | 采用哪些质量标准,谁负责最终确认 |
| 如何收费 | 按调用、任务、订阅,还是按约定结果收费 |
其中,按结果收费很有吸引力,也最难设计。结果可能受到客户数据质量、外部环境和人工决策影响。哪些部分由服务方负责,哪些条件需要客户配合,都需要在交易前讲清楚。
能力空间可能从边界清晰的任务开始,例如完成代码测试、整理指定范围内的资料、对合同进行初步分类,再逐步承担更复杂的工作。
值得观察的产品
在靠近用户的一端,已经出现大量能够承担较完整任务的 Agent 产品。它们可以作为观察能力空间的现实参照。
| 玩家或产品 | 主要任务 | 值得观察的方面 |
|---|---|---|
| OpenAI Codex | 代码修改、测试及开发任务 | 软件开发任务的组织与交付 |
| Claude Code | 阅读代码、调用工具、执行开发任务 | 工具调用和子任务协作 |
| Claude Cowork | 处理文件、研究及跨工具工作 | 知识工作任务的交付 |
| Cursor | 围绕编辑器和开发工作流提供 Agent 能力 | 开发任务入口与工作流整合 |
| Devin | 承担较完整的软件开发任务 | 委托式开发服务 |
| Salesforce Agentforce | 支持企业业务流程中的 Agent 应用 | 与企业系统和业务场景结合 |
| ChatGPT 工作空间 Agent | 围绕团队任务连接工具并执行工作 | 团队知识工作与业务流程 |
OpenAI 已推出工作空间 Agent,用于连接企业工具并执行团队任务;Anthropic 也为金融服务等场景提供可在 Cowork 或 Claude Code 中使用的 Agent 模板与插件。openai.com
这些产品尚不能直接等同于前文设想的完整能力空间。它们对外开放的调用方式、内部资源的组织方式,以及跨主体交易能力各不相同。
它们共同提供了一个观察窗口:用户开始能够把更完整的任务交给 Agent,并围绕交付结果进行检查。
七、五层结构如何共同运行?
仍以开头的投资研究任务为例,一次完整协作可能是这样的:
| 阶段 | 生态层 | 发生的事情 |
|---|---|---|
| 接收任务 | 能力层 | 研究能力空间接收公司名称和报告要求 |
| 寻找服务 | 信任层 | 查询能够处理技术、市场和财务问题的服务 |
| 建立访问 | 连接层 | 连接所需 Agent、数据源和工具 |
| 制定计划 | 决策层 | 拆解任务,选择服务,确定预算和审核节点 |
| 购买与调用 | 供给层 | 使用模型、数据库、搜索及计算服务 |
| 验证结果 | 决策层与信任层 | 核查来源,记录推断,识别相互冲突的信息 |
| 交付报告 | 能力层 | 输出报告、证据清单和待人工确认的问题 |
实际执行中,各层会反复交互。发现数据不足时,决策系统可能重新寻找服务;权限不足时,任务可能暂停;发现结果存在冲突时,系统可能追加验证。
这也意味着,五层结构更适合用来理解不同问题。一个产品可以只解决其中一部分,也可以跨越多个层次。
八、Agent 之间会形成市场吗?
如果大量 Agent 能够提供服务,另一些 Agent 又能够自主寻找和购买服务,一个自然的设想是:它们之间会形成市场。
在这个市场中,一个 Agent 可以出售研究能力,另一个出售计算资源,还有一个负责验证结果。任务完成后,参与者按照约定获得报酬。
这个方向值得关注,但距离成熟市场仍有几道门槛。
第一,需求必须足够真实。 Agent 之间频繁交换消息,并不自动产生经济价值。只有任务对应真实需求,且服务具有可比较的替代方案,交易才有意义。
第二,交付必须能够验收。 代码是否通过测试相对容易判断,研究观点是否可靠则复杂得多。不同类型的服务需要不同的验证机制。
第三,权限和责任必须清楚。 Agent 可以在多大额度内花钱?能否代表用户作出具有约束力的承诺?错误执行造成损失后,由谁承担责任?这些问题需要由背后的个人和组织作出安排。
第四,交易成本必须足够低。 如果每调用一次服务都要人工审核、重新签约和手动结算,Agent 协作的效率优势就会被抵消。
早期的 Agent 交易,可能更多发生在已有合同关系的企业之间,或者发生在同一个平台预先审核过的服务商之间。随着身份、授权和验收机制成熟,开放程度才可能逐渐提高。
九、未来会如何展开?
如果从今天向前看,Agent 经济生态可能经历三个相互重叠的阶段。
第一阶段:单个 Agent 使用工具
Agent 在人的指令下调用搜索、文件、代码和办公工具。人负责选择产品、提供权限、检查结果,并承担主要的流程管理工作。
这个阶段的重点是提升单个 Agent 的实用性和可靠性。
第二阶段:组织内部的 Agent 协作
企业开始让不同 Agent 处理不同任务,并接入内部数据和业务系统。
重点逐渐转向权限管理、任务编排、过程审计、成本控制和人工介入。协作仍在相对明确的组织边界内进行。
第三阶段:跨组织服务网络
不同企业和个人提供的 Agent 服务可以被发现和调用。部分任务能够根据预先约定的权限、价格和验收标准自动流转。
在这个阶段,交易、信誉、结算和争议处理会变得更加重要。
这三个阶段并不意味着所有场景都会走向开放网络。许多企业可能长期选择封闭环境;一些高风险任务也可能始终保留人工审批。不同场景会根据数据敏感度、任务风险和经济价值,形成不同程度的自动化。
十、平台与开放网络会同时发展
从目前的玩家分布来看,五层正在同时发展。
大模型公司正在向上延伸,既提供模型,也提供开发框架和最终应用;网络与身份厂商正在向 Agent 扩展;支付公司开始为机器调用设计新的支付方式。与此同时,开源社区尝试提供跨厂商的连接、发现和协作标准。
未来的竞争可能同时发生在两个方向。
一体化平台会将模型、工具、身份、运行环境和应用打包,提供更容易使用的体验。对于希望快速落地的企业,这种方式可能更容易管理。
开放协作网络则允许不同团队分别提供网络、模型、工具、数据和专业服务,通过兼容的接口共同完成任务。它有机会扩大资源选择范围,也需要解决更多跨主体的信任和交易问题。
两种方式可能长期并存。一个企业可以在内部使用一体化平台,在特定任务中调用外部专业服务;一个能力空间也可以同时接入多个模型和工具供应商。
最终会出现多少开放网络、多大比例的任务留在封闭平台内,目前仍难判断。可以看到的是,越来越多公司已经开始为 Agent 协作中的具体问题提供产品。
十一、值得关注的变化
Agent 经济的发展,可能改变软件、服务和组织工作的方式。
软件的入口会发生变化。 过去,产品主要面向人设计界面;未来,越来越多服务需要同时面向 Agent 提供清晰的能力描述、调用接口和使用规则。
专业能力的交付方式会发生变化。 一个小团队可以将自己的知识、流程、工具和人工经验组织起来,通过 Agent 服务更多客户。它依然需要对质量负责,但服务规模和交付方式可能不同。
资源竞争会延伸到任务层。 模型、数据和工具供应商不仅要让开发者能够接入,还需要让自己的服务在具体任务中被发现、被选择、被验证。
新的基础设施会从真实协作中长出来。 身份、授权、记录、评价和结算都有潜在价值,但它们需要围绕具体任务建立。没有持续发生的协作,单独建设一套完整交易体系,很难证明其必要性。
接下来值得观察的,也许是一个更具体的问题:
当一个 Agent 遇到超出自身能力的任务时,它能否可靠地找到合适的协作者,在明确的授权和成本约束内完成工作,并交出可以验证的结果?
每解决其中一个环节,Agent 就更接近成为网络中的生产者、使用者和协作者。Agent 经济生态,也会在这些具体任务中逐渐形成。
多Agent协作确实让服务像积木一样灵活组合,不同公司工具各司其职的图景很清晰。