1.引 言

隨著大模型在多模態(tài)理解、邏輯推理等方面的進(jìn)一步發(fā)展，Agent 或?qū)⒃?2025 年迎來(lái)大規(guī)模落地應(yīng)用，替代人類自主解決越來(lái)越多的日常工作。人工智能（AI）專家普遍認(rèn)為，2025 年將是智能體（agent）爆發(fā)之年。

2024年底，Gartner 也將 agentic AI 列入了 2025 年十大技術(shù)趨勢(shì)之一，并預(yù)測(cè) 2028 年將至少有 15% 的日常工作決策由 agentic AI 自主完成，而這一數(shù)字在 2024 年為 0。

在CES 2025，黃仁勛也強(qiáng)調(diào)2025年Agent將會(huì)有許多商業(yè)化應(yīng)用。

本文從Agent展開(kāi)，重點(diǎn)介紹Agent組網(wǎng)（Agentic Web）的相關(guān)發(fā)展。

2.什么是 AI Agent

根據(jù)OpenAI前安全研究副總裁Lilian Weng的博文，Agent =大語(yǔ)言模型（LLM）+規(guī)劃（planning）+記憶（memory）+工具（tools）+行動(dòng)（Action），在大語(yǔ)言模型（LLM）驅(qū)動(dòng)的Agent系統(tǒng)中，LLM充當(dāng)Agent的大腦，并由Planning（規(guī)劃）、Memory（記憶）、Tools（工具）、Action（動(dòng)作）等幾個(gè)關(guān)鍵組件組成。

3.多 AI Agent 協(xié)作

 隨著單個(gè)Agent具有很大的自主性，研究人員逐步發(fā)現(xiàn)可以通過(guò)多個(gè)Agent之間協(xié)助完成并解決一些問(wèn)題。

2023年斯坦福大學(xué)的人機(jī)交互研究小組創(chuàng)造了一個(gè)包含25個(gè)Agent的AI小鎮(zhèn)，用以模擬社會(huì)互動(dòng)。這個(gè)AI小鎮(zhèn)設(shè)有大學(xué)、公寓、咖啡館和書(shū)店等基礎(chǔ)設(shè)施，Agent在其中居住并進(jìn)行日?；顒?dòng)，盡管他們沒(méi)有意識(shí)到自己生活在模擬環(huán)境中。這些Agent不僅能去工作、閑聊、組織社交活動(dòng)、結(jié)交新朋友，甚至能墜入愛(ài)河，每個(gè)Agent都有獨(dú)特的個(gè)性和背景故事。通過(guò)這種社會(huì)化模擬，展示了Agent在復(fù)雜的人類社交環(huán)境中的適應(yīng)能力和行為多樣性。

清華大學(xué)的研究團(tuán)隊(duì)嘗試了AI員工的一些早期探索，他們打造了一個(gè)名為ChatDev的虛擬軟件公司，由各種具有不同角色的Agent運(yùn)作,包括CEO(首席執(zhí)行官)、CPO(首席產(chǎn)品官)、CTO(首席技術(shù)官)、程序員、代碼審查員、測(cè)試員和藝術(shù)設(shè)計(jì)師等。這些Agent組成了一個(gè)多代理組織結(jié)構(gòu),被設(shè)定了一個(gè)使命是“通過(guò)編程革新數(shù)字世界”。

復(fù)旦大學(xué)的技術(shù)團(tuán)隊(duì)開(kāi)發(fā)了一個(gè)名為AI2Apps的一站式AI員工開(kāi)發(fā)與端側(cè)服務(wù)平臺(tái)，將Devin的開(kāi)發(fā)模式復(fù)刻到了任何崗位的AI員工上。團(tuán)隊(duì)自研了一套基于瀏覽器的Agent操作系統(tǒng)，提供全套的開(kāi)發(fā)人員工具，包括終端、文件管理、Agent調(diào)試、代碼編輯器和瀏覽器沙盒環(huán)境等，讓開(kāi)發(fā)者能在“建筑師Agent”的主導(dǎo)下完成任何崗位AI員工團(tuán)隊(duì)的構(gòu)建與組合。經(jīng)過(guò)AI2Apps的端側(cè)部署后，AI員工可以通過(guò)瀏覽器在各種用戶設(shè)備中既“無(wú)所不能”又“有所不為”，模擬人類員工辦公的同時(shí)又避免了直接操控用戶設(shè)備。

上面的多 agent 系統(tǒng)，都是在自己的“局域網(wǎng)”組成的系統(tǒng)，而如果所有的Agent都在目前的互聯(lián)網(wǎng)上，我們還需要全球公認(rèn)和采用的協(xié)議，這些協(xié)議應(yīng)該得到普遍認(rèn)可和實(shí)施，以便協(xié)調(diào) agent 能夠安全、合乎道德地與其他企業(yè) agent 進(jìn)行溝通、協(xié)商和合作，并使雙方互惠互利。這種“合奏”級(jí)別的參與必須快速、高效和公平。如果沒(méi)有這樣的協(xié)議，往好了說(shuō)，我們會(huì)面臨 agent 與 agent 之間的“垃圾郵件”風(fēng)險(xiǎn)，往壞了說(shuō)，我們會(huì)面臨欺詐和其他危險(xiǎn)。

4.AI Agent 互聯(lián)網(wǎng)

正如互聯(lián)網(wǎng)把全世界所有信息和人連接在一起，物聯(lián)網(wǎng)把所有設(shè)備連接在一起，一個(gè)統(tǒng)一的智能體平臺(tái)可以把散落在世界各地的Agent連接起來(lái)。

但是“互聯(lián)網(wǎng)Agent”可能有不同的架構(gòu)、運(yùn)行于不同的設(shè)備、有不同的能力，同時(shí)在數(shù)量和功能上飛速演進(jìn)，但目前單個(gè)智能體更多處于“孤島”的相對(duì)隔離狀態(tài)，智能體之間的互相發(fā)現(xiàn)、大規(guī)模自由協(xié)作，還沒(méi)有先例。多智能體局域網(wǎng)協(xié)作，盡管已經(jīng)顯示了巨大的應(yīng)用潛力，卻依然存在著三重限制：

• 只允許接入內(nèi)部定義的智能體。
• 大多數(shù)多智能體系統(tǒng)在一個(gè)設(shè)備上模擬多個(gè)智能體。現(xiàn)實(shí)場(chǎng)景更迫切的需求，是分布在多個(gè)設(shè)備和位置的智能體通過(guò)“網(wǎng)絡(luò)”進(jìn)行協(xié)作。
• 大多數(shù)多智能體系統(tǒng)的溝通機(jī)制單一，或者需要用戶進(jìn)行指定。溝通和多輪的信息交換，非常的不靈活。

為了跨過(guò)這些障礙，許多研究機(jī)構(gòu) 都希望提出類似Http的協(xié)議，統(tǒng)一將世界各地的Agent 通過(guò)協(xié)議連接起來(lái)。

IoA（Internet of Agents）

清華大學(xué)某AI團(tuán)隊(duì)推出了LLM驅(qū)動(dòng)的智能體互聯(lián)網(wǎng)（Internet of Agents, IoA），這是一個(gè)受互聯(lián)網(wǎng)啟發(fā)的智能體通信和協(xié)作通用框架。簡(jiǎn)單來(lái)說(shuō)，IoA 創(chuàng)建了一個(gè)可以自由注冊(cè)、互相發(fā)現(xiàn)的Agent協(xié)作平臺(tái)，并且讓智能體之間協(xié)作再向上構(gòu)建，對(duì)原來(lái)Agent協(xié)作工作流（Work Flow）進(jìn)行三個(gè)方向擴(kuò)容，跨設(shè)備、更多異質(zhì)Agent開(kāi)放互聯(lián)、協(xié)作組織方式高度靈活，從而在更高維度上形成智能體互聯(lián)網(wǎng) Internet of Agents（IoA）。

IoA 的核心由兩個(gè)主要組件組成：服務(wù)器和客戶端。服務(wù)器作為中心樞紐，管理智能體注冊(cè)、發(fā)現(xiàn)和消息路由，確保具備不同能力的智能體能夠互相發(fā)現(xiàn)并發(fā)起通信?？蛻舳藙t作為單個(gè)智能體的包裝，提供必要的通信功能，并適應(yīng)指定的溝通協(xié)議。IoA能夠?qū)崿F(xiàn)智能體注冊(cè)與發(fā)現(xiàn) 、自主嵌套團(tuán)隊(duì)組建、自主會(huì)話流程控制、任務(wù)分配與執(zhí)行等功能。

MCP（Model Context Protocol）

Anthropic 提出了一種MCP協(xié)議，以模型為核心，整個(gè)互聯(lián)網(wǎng)都是他的上下文與工具（如下圖所示）。MCP允許任何一臺(tái)Server通過(guò)Web Apis訪問(wèn)互聯(lián)網(wǎng)提供上下文信息。

Agora Protocol

異構(gòu)的LLM 之間的通信效率低下，嚴(yán)重制約了 AI Agent網(wǎng)絡(luò)的規(guī)?；瘧?yīng)用，來(lái)自牛津大學(xué)的研究團(tuán)隊(duì)提出的 Agora 協(xié)議，為解決這一難題提供了創(chuàng)新方案。

具體步驟為：

• 定義協(xié)議文檔（PD）：創(chuàng)建 PD 來(lái)描述通信協(xié)議，使 LLM 能夠理解和遵循協(xié)議。
• 實(shí)現(xiàn)多層次通信策略：根據(jù)通信頻率和任務(wù)復(fù)雜度，選擇自然語(yǔ)言、LLM 編寫(xiě)的例程或人工編寫(xiě)的例程進(jìn)行通信。
• 自動(dòng)協(xié)商與實(shí)現(xiàn)協(xié)議：代理之間通過(guò)自然語(yǔ)言或 PD 中定義的例程自動(dòng)協(xié)商和實(shí)現(xiàn)通信協(xié)議。
• 協(xié)議的涌現(xiàn)與共享：鼓勵(lì)代理生成和共享 PD，以促進(jìn)自組織協(xié)議的涌現(xiàn)和網(wǎng)絡(luò)的自我優(yōu)化。
• 成本效益分析：評(píng)估 Agora 協(xié)議相對(duì)于純自然語(yǔ)言通信的成本效益。

ANP（Agent Network Protocol）

國(guó)內(nèi)方面，提出了一種ANP，愿景是定義智能體之間的連接方式，為數(shù)十億智能體構(gòu)建一個(gè)開(kāi)放、安全、高效的協(xié)作網(wǎng)絡(luò)，成為智能體互聯(lián)網(wǎng)時(shí)代的HTTP。

• 身份與加密通信層：基于W3C DID（Decentralized Identifiers，去中心化標(biāo)識(shí)符）規(guī)范，在現(xiàn)有成熟的Web基礎(chǔ)設(shè)施上，構(gòu)建一個(gè)去中心化的身份認(rèn)證方案和端到端加密通信方案。它可以讓任意平臺(tái)之間的智能體進(jìn)行身份認(rèn)證，而不依賴于任何中心化系統(tǒng)。
• 元協(xié)議層：元協(xié)議即協(xié)商智能體之間通信協(xié)議的協(xié)議。是智能體網(wǎng)絡(luò)演進(jìn)為自組織、自協(xié)商的高效協(xié)作網(wǎng)絡(luò)的關(guān)鍵。
• 應(yīng)用協(xié)議層：基于語(yǔ)義網(wǎng)相關(guān)規(guī)范，讓智能體能夠描述其他能力與支持的應(yīng)用協(xié)議，并且高效的管理這些協(xié)議。

此外，AutoGPT和W3C 也各自定義了Agent Protocol設(shè)計(jì)的目標(biāo)，不過(guò)都在萌芽階段。

5.總 結(jié)

從上面的分析可以看出，目前基于Agent提出的互聯(lián)網(wǎng)協(xié)議都在實(shí)驗(yàn)階段，可能各家都基于自身的產(chǎn)品都提出了各自的想法。隨著我們對(duì)大量Agent 協(xié)作的理解不斷加深，我們發(fā)現(xiàn)未來(lái)不是人類與人工智能的對(duì)決，而是人類與人工智能的協(xié)同合作，發(fā)揮各自的獨(dú)特優(yōu)勢(shì)。而建立多個(gè)Agent之間、Agent與人之間如何交互的協(xié)議也成為重中之重。

隨著互聯(lián)網(wǎng)的逐步發(fā)展，我們已經(jīng)走過(guò)Web 1.0、2.0、3.0，前兩代?絡(luò)專注于信息傳播，Web 3.0通過(guò)去中心化和區(qū)塊鏈等技術(shù)，用戶能夠真正擁有自己的數(shù)據(jù)，可以自由決定數(shù)據(jù)的使用方式、分享對(duì)象等，同時(shí)也能更好地保護(hù)自己的隱私，?現(xiàn)在通過(guò)Agent組網(wǎng)則通過(guò)?型語(yǔ)?模型（LLM）賦予了智能，因此有專家提出我們正在進(jìn)入“Web 4.0”時(shí)代。

本文轉(zhuǎn)載自??AI遇見(jiàn)云??，作者： 王亞平 ????