一、Agent 是把AI变成能动手的实体

有个名为“Agent”的概念, 其英文的完整称呼是“AI Agent”, 在中文里一般被称作“智能体”, 或者也被叫做“AI代理”。

Agent是基于大模型构建起智能底座, 拥有自主感知能力, 具备理解能力, 拥有规划, 具备决策能力, 拥有记忆, 具备行动能力, 且能使用工具, 能够自动化执行复杂任务的系统。

更通俗易懂来讲, 先前的AI产品大体就是, 你提出一个问题, 它给予你一个回应, 这般如同一个知识储备库。

可Agent能够主动开展事务, 它领会你的目标, 自行规划进程步骤, 调用需求的工具, 逐个步骤将事情完成, 而且在整个过程当中并不需要你持续进行监视。

科技日报登出这样一篇讲清此事的文章, 存在AI代理之物亦称作AI智能体, 该物是指那种能够主动调用各类工具进而完成复杂任务的智能系统, 从智能旅行助手到“数字员工”, 它正深刻地改变着人机交互的那种方式了。

英伟达的首席执行官, 是黄仁勋, 他将Agent喻作AI领域接下来的一场变革。

那位名为Arun的分析师, 在接受AI采访之际, 言词表达极为直白地讲道: “针对诸多存在人工输入需求的业务场景而言, 当下你实际上能够使得一个具备相关技能的AI模型, 代替你去执行那个动作。”。

另有一组数据是值得予以关注的, 依据预测, AI智能体的市场规模将会自2024年时的51亿美元朝着2030年的471亿美元去增长, AI智能体已然成为2025年种子轮投资的主导方向。

在2025年的时候, AI Agent已然从一个处于前沿位置的技术概念, 快速地演变成了千亿级规模的新兴产业, 从底层芯片制造的厂商, 到上层应用开发的人员，全链条的参与者都在加快速度进入这个领域。

2025年也被很多业内人士称为“AI智能体元年”。

二、 是把做事方法固化成资产

2025年10月, 推出了功能, 两个多月之后, 把它以开放标准（Agent）的形式向整个行业进行开放。

2.1 本质上是可复用的能力包

究竟是什么呢, 官方所给出的定义是, 它属于模块化的能力范畴, 此类能力对Agent的功能进行了扩展。

大语言模型（Large Model, 简称LLM）指令、元数据、以及诸如脚本、模板等之类的可选资源, 被每个Skill进行了打包, 而Agent会在有需要的时候, 自动将它们加以使用。

从技术层面来讲, 它属于一个这样的文件夹, 此文件夹里存在一个SKILL.md文件, 该文件是必然需要有的, 并且这个文件夹还能够涵盖脚本、参考文档以及模板等这些属于可选择性的资源。

当你向智能体提出任务之时, 它会审视全部可用的, 自动去挑选相关的技能, 并且只加载完成任务所需要的那部分。

有一个Skill, 它更像是一份“工作交接文档”, 这份文档会把做某件事所需的方法, 以及步骤, 还有注意事项, 全部都打包好。然后将其交给Agent, 而Agent呢, 它会依循着这套方法去执行, 随后就能稳定地输出符合预期的结果。

它和一次性写提示词不一样, 是给大模型配置的类似“专家级操作手册或者标准作业流程”的东西, 核心目的在于, 使模型在特定场景中, 稳定地、一致地、可控地输出高质量结局。

2.2 内部已经大量使用

当中已经造就了数百个, 被划分成了9个 big 类别, 涵盖库跟工具运用类、验证本事类、数据访问类、工作流自动化类等。

这些涵盖了代码开发工作, 文档处理工作, 数据分析工作, 各种日常工作, 已然变为了团队内部, AI辅助工作的基础设施。

三、MCP 是打通AI与外界的通道

存在一个协议, 它被简称为MCP, 其对应的中文称呼是模型上下文协议, 该协议是在2024年11月的时候推出的, 并且还是开源的。

其目标在于去解决一个极为实际化的问题, 即庞大语言方面的模型究竟要怎样以安全且高效的情形来访问外界的数据以及工具。

3.1 为什么需要MCP

在此之前, 也就是MCP出现以前, 要是你打算运用AI去查询公司的数据库这件事, 还要调用Slack的API, 并且读取Jira里的任务, 关于每个系统, 都得专门去写一套集成代码才行。

把所有这些东西进行标准化的是MCP, 它有着客户端 - 服务器（ -）架构, 还定义了统一的通信格式, 以及安全规范。

有一个MCP服务器, 它将某一系统, 像是数据库, 或是地图API, 又或者是支付网关，进行包装, 使之成为AI能够理解的接口, 如此一来, AI便能够借助MCP协议直接对其加以调用。

到2025年3月截止, 已经有超过1000个社区服务器投入实际使用, 并且有数千个集成MCP协议的应用也投入实际使用句号。

在2025年12月之时, MCP被正式捐赠给了代理式人工智能基金会, 该基金会属于Linux基金会旗下, 其简称为AAIF, 并且谷歌、微软、亚马逊等众多公司也一同参与进行了支持。

CIO 杂志以及多家媒体把 MCP 称作“AI 领域的 USB-C”, 这是一种统一的连接标准, 它可以让任何 AI 模型, 以一样的方式接入各类软件系统。

3.2 已经在各行各业落地应用

MCP已然由理论转化成了现实生产力, 在一份针对MCP早期用户的调查里, 即便那些禁止员工直接运用AI代理的企业, 这些企业主要集中在金融、保险、医疗、航空航天等受监管行业, 却依旧许可部署MCP服务器。

缘由十分明了, MCP给出了具备确定性的、能够实施控制的权限访问机制, 相较于直接去开放AI工具, 它更为安全且易于施行其管控。

外国的落地实例也已然不少了。在2025年4月的时候, 美国的银行Fifth Third Bank推出了MCP服务器, 它能够支持客户进行查找操作, 支持客户开展账户管理操作, 支持客户实施资金转账操作, 还支持客户进行借记卡控制等19项有关银行的操作。

美国方面, 支付宝于集成MCP之后, 那对于开发者而言, 所拥有的是能够以自然语言直接去调用的支付API, 并且无需去查阅文档, 也无需手动构造请求。

企业把MCP整合进了自身的企业资源计划体系里, 使得能够直接开展对企业数据的查询以及操作。

在咱们国家, 支付宝推出了国内首个处于支付范畴之内的MCP。百度地图推出了基于MCP协议的服务器, 高德地图同样推出了基于MCP协议的服务器, 腾讯位置服务也推出了基于MCP协议的服务器，它们提供了天气查询接口, 它们提供了导航定位等服务接口。

四、三者不是替代关系，而是三层架构

讨论和 MCP 的不少人, 会陷入“二选一”的那种误区。真的, 这三者之间的关系, 是明晰准确可以理解清楚的。

4.1 一个航空订票的例子

假设你让Agent订一张从北京到纽约的机票。

负责提供“能用什么”的是MCP, Agent借助MCP协议调用了航空公司的订票API, 也就是应用程序接口, 还调用了地图API, 用于查时区和天气, 并且调用了日历API, 能够检查行程冲突, MCP解决的是底层连接问题, 也就是能不能获取到数据和工具。

被解决的是“应该怎么做”, Agent加载了一个“差旅预订Skill”, 此Skill里规定了订票的标准流程, 先是查可选航班, 接着依据你的偏好（价格优先或者时间优先）进行筛选, 随后检查签证状态, 最终生成预订建议。倘若这一步不符合公司差旅政策, Skill里还将审批流程纳入其中了。

负责整体协调的一方是Agent: 它明白“订票”这一目标, 将其拆解开, 成为查询、筛选、检查、预订、通知等一系列子任务, 对调度里的流程进行安排, 借助MCP去调用外部工具。

所以, 这三者之间的关系, 实际上是相当明了的: MCP针对“能不能做”进行回应, 此回应能提供底层的连接能力；针对“怎么做才对”予以回答, 该回答可固化业务的逻辑还有流程。要是用一句话来集中表述的话: MCP会把工具以及数据给予Agent, 教导Agent怎样去正当地运用这些能力。

Agent则是那个统揽全局、调动一切能力的核心。

4.2 企业架构中的分层

京东云开发者社区的技术文章把这种架构讲得更清楚：

MCP是“能力供给层”，负责标准化接入外部系统和数据；

“行为规范层”是 Agent, 它负责对业务逻辑进行定义, 负责对工作流程予以确定, 负责对决策规则加以制定。

AI Agent自身是“执行层”, 它要负责去理解目标, 还要负责规划路径, 并且要协调上下层能力, 最终实现交付结果。

五、整个行业正在加速演化

2025年到2026年，AI应用开发的分层趋势越来越明显。

在MCP这一侧 , 协议本身仍正迅猛地演进着 , 在2026年1月 , MCP发布了全新的规范版本 , 此版本它对更繁复的服务发现机制以及性能优化予以支持 , 众多的银行还有金融机构开始把MCP当作企业AI的基础设施层面。

在侧，将Agent 开源后，、、等厂商都已跟进。

正朝着从独有的状态迈向行业标准。相应的功能已经实现同步上线, 在.ai网页版、Code、Agent SDK以及开发者平台API等多个渠道得以展示。

Arun分析师, 这人所给出的判断, 那是相当值得去参考的哦: 在此整个行业范围之内, 正处于一种转变进程中, 由“模型够不够强”的关注点, 朝着“模型能替我做些什么、能够怎样自主去完成工作流程”的方向进行转变。而这转变, 恰恰就是和MCP共同发力的方面所在了。