POST / 1041

当 Agent 开始协作,一种新的经济生态正在形成

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 SDKAgent 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
CrewAIAgent 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。

C.01 1 条评论
  1. 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。

C.02 发表评论 取消回复