2026 年，AI Agent 成为人工智能领域最受关注的方向之一。

它不再只是一个能够回答问题的聊天机器人，而是开始具备理解任务、拆解流程、调用工具、连接系统、执行操作的能力。也正因为如此，Agent 被寄予了很高期待：它可能成为企业办公、软件开发、科研计算、工业制造、公共服务等场景中的新型生产力入口。

但越是在热潮之中，越需要看见一个更深层的问题：

AI Agent 的真正竞争，并不只发生在“谁的模型更强”“谁的应用更炫”上，而是会逐步转向一个更底层、更关键的位置——基础设施。

1.Agent 的本质变化：AI 开始从“生成内容”走向“操作世界”

过去的大模型应用，核心能力主要体现在生成。

用户输入一个问题，模型返回一段文本；用户上传一份材料，模型完成总结、翻译、改写或分析。这类应用虽然已经提高了效率，但本质上仍然是“内容生产工具”。

Agent 的不同之处在于，它让 AI 开始进入执行层。

一个真正有价值的 Agent，不只是会回答“应该怎么做”，而是能够进一步判断“下一步该调用什么工具”“需要访问哪些数据”“是否要交给另一个 Agent 完成”“执行结果是否符合目标”。

这意味着，AI 正在从“语言智能”走向“行动智能”。

一旦 AI 具备行动能力，它面对的就不再是单纯的文本生成问题，而是一个复杂系统问题。它要连接数据库、代码仓库、企业应用、云服务、办公软件、工业设备、知识库和外部工具；它要处理身份认证、权限边界、调用日志、成本控制、安全审计和责任追溯；它还要面对不同模型、不同工具、不同系统之间的协同问题。

因此，Agent 的发展不能只依赖模型能力。模型是“大脑”，但 Agent 要真正进入现实世界，还需要神经系统、连接系统、调度系统和治理系统。

这些系统，就是 AI Agent 时代的基础设施。

2.为什么基础设施会成为 Agent 时代的核心控制点？

每一次技术浪潮，早期的注意力通常集中在应用层。

互联网早期，人们看到的是门户网站和应用服务；移动互联网早期，人们看到的是 App；云计算早期，人们看到的是弹性服务器和在线服务。但当浪潮进入规模化阶段，真正决定生态格局的，往往是更底层的基础设施：操作系统、数据库、中间件、云平台、容器、网络协议、开发框架和安全体系。

AI Agent 也正在经历类似过程。

当 Agent 只是个人工具时，一个简单插件、一个模型接口、一个工作流编排工具就足够。但当 Agent 开始进入企业和产业场景，问题会立刻变得复杂。

它不能随意访问数据。

它不能随意调用系统。

它不能在没有记录的情况下执行关键操作。

它不能只依赖模型自己判断权限边界。

它也不能在不同平台之间彼此隔离、各自封闭。

因此，Agent 落地的关键，不是让一个 AI “看起来更聪明”，而是让它在真实环境中“可靠地连接、可控地执行、可审计地运行”。

这就是基础设施的价值。

更进一步看，基础设施不仅是技术支撑，也是生态控制点。谁掌握了连接标准，谁就影响了工具如何接入；谁掌握了协同协议，谁就影响了 Agent 如何互通；谁掌握了网关和治理层，谁就影响了企业如何安全部署 Agent。

所以，AI Agent 时代的竞争，表面上是应用竞争，深层是基础设施竞争；表面上是智能体验竞争，深层是标准、协议、平台和生态组织能力的竞争。

3.从 MCP 到 A2A：Agent 生态正在从“单点智能”走向“互联智能”

近期围绕 Agent 的开源基础设施快速发展，一个重要趋势是：行业正在尝试为 Agent 建立通用连接方式和协作规则。

MCP 关注的是 AI 应用如何连接外部系统。它试图解决一个现实痛点：过去，每一个模型应用要连接不同工具和数据源，往往需要单独开发接口。工具越多，系统越复杂，适配成本越高。MCP 的意义在于，用更标准化的方式连接模型、工具和上下文，让 AI 应用可以更稳定地访问外部能力。

而 A2A 则进一步指向 Agent 与 Agent 之间的协作。未来的智能系统，未必是一个超级 Agent 完成所有任务，而更可能是多个专业 Agent 分工协作：有的负责检索，有的负责代码，有的负责流程审批，有的负责数据分析，有的负责业务执行。不同 Agent 之间如何发现彼此、如何传递任务、如何确认能力、如何完成协作，需要开放标准。

如果说 MCP 解决的是“AI 如何使用工具”的问题，那么 A2A 关注的是“Agent 如何彼此协作”的问题。

再往下看，agentgateway 这类网关项目的出现，则说明 Agent 生态开始进入更工程化的阶段。因为真实场景中，企业需要的不只是协议本身，还需要统一的流量入口、安全策略、路由能力、调用观测、权限治理和运行保障。

这说明 AI Agent 正在经历一次重要转变：

从单一应用，走向系统架构

从模型调用，走向协议连接

从工具插件，走向基础设施

从企业自建，走向开源共建

4.为什么这个阶段尤其需要开源？

Agent 基础设施天然适合开源，也尤其需要开源。

原因在于，Agent 不是一个孤立产品，而是一个连接型生态。它需要接入大量模型、工具、应用、数据源和行业系统。如果底层连接协议和基础工具完全封闭，最终很容易形成新的平台壁垒：开发者被绑定在某一个平台上，企业被锁定在某一套生态里，跨平台协作变得困难，创新成本也会随之上升。

开源提供了另一种路径。

01.开源能够降低生态参与门槛

高校、企业、开发者和科研机构可以基于开放协议和开源项目进行试验、改进和二次创新，而不是从零开始重复建设。

02.开源能够推动标准共识形成

Agent 生态涉及模型厂商、云平台、软件公司、行业企业和开发者社区，任何单一主体都很难独自定义全部规则。开源社区提供了一种更开放的协商机制，让标准在真实使用和持续迭代中逐步形成。

03.开源能够增强可信与可审计

Agent 一旦拥有调用工具和执行操作的能力，就必须面对安全、隐私、权限和责任问题。开放代码、开放接口、开放讨论机制，能够帮助更多人参与审查、发现问题、修复问题，也让技术治理不再完全依赖黑箱系统。

04.开源能够让公共价值沉淀下来

AI Agent 的底层基础设施，不应只是少数商业平台的私有资产。协议、工具链、治理框架和参考实现如果能够通过开源方式沉淀，就有机会成为更广泛产业创新的公共底座。

这正是开源在 AI 时代的新价值：它不只是共享代码，而是在构建一种面向未来智能社会的协作秩序。

5.对中国开源生态而言，这是一次必须参与的基础设施机会

中国人工智能产业正在从模型能力竞争，走向应用落地和生态建设阶段。

在这一过程中，AI Agent 是非常关键的方向。因为它连接着模型能力与产业场景，决定了人工智能能否真正进入办公、研发、制造、教育、医疗、交通、能源等复杂系统。

但如果只关注应用层，我们可能会错过更深层的机会。

真正值得重视的是：中国开源生态能不能参与 Agent 基础设施建设？能不能在开放协议、开发工具、运行框架、安全治理、行业适配等方面形成贡献？能不能让高校、科研机构、开发者社区和产业企业共同参与？能不能把中国丰富的产业场景，转化为开源项目成长的真实土壤？

Agent 的落地不是单点突破，而是生态协同。它既需要大模型，也需要高质量数据；既需要应用场景，也需要工具链；既需要企业需求，也需要开发者社区；既需要技术创新，也需要治理能力。

这恰恰是开源基金会、开源社区和产业组织可以发挥作用的地方。

开源基金会的价值，不只是组织活动、发布项目、连接开发者，更重要的是在关键技术方向上搭建公共平台，推动共识形成，促进资源汇聚，让分散的创新力量形成长期生态。

6.天工开物在关注什么

站在天工开物开源基金会的角度，AI Agent 基础设施不是一个短期热点，而是未来开源生态建设的重要方向。

我们需要关注的不只是某一个 Agent 产品，也不只是某一个模型接口，而是更底层的生态问题：

如何推动开放协议的理解、传播与实践？

如何鼓励开发者参与 Agent 工具链和基础设施项目？

如何把高校科研力量、企业真实需求和开源社区机制结合起来？

如何在工业软件、智能制造、具身智能、教育培训等场景中探索 Agent 的开源落地？

如何建立更加安全、可信、可持续的 Agent 应用治理机制？

如果说过去的开源更多围绕操作系统、数据库、云原生和基础软件展开，那么 AI 时代的开源将进一步延伸到模型、数据、协议、工具链、智能体和治理体系。

Agent 基础设施，正是其中一个关键入口。

结语

AI Agent 的发展才刚刚开始。

今天我们看到的是应用热潮，明天真正重要的可能是基础设施建设。谁能够在协议、工具、治理和生态上形成长期积累，谁就更有可能在下一阶段的人工智能发展中占据主动。

对开源社区而言，这既是技术机会，也是公共责任。

AI Agent 不应只是少数平台封闭能力的展示，也不应只是企业内部孤立系统的自动化工具。它更应该成为一个开放、可信、可协作、可持续演进的智能生态。

从模型到工具，从协议到治理，从应用到基础设施，AI 正在重新定义开源的边界。

而开源，也将在 AI Agent 时代重新定义智能生态的未来。