本文为节选内容

如需更多报告，联系客服

或扫码获取报告

1、AI Agent：重塑企业智能的核心引擎

• 定义：具备自主性、规划力与执行力的智能实体，超越“指令执行”进入“代理权”时代。核心突破在于赋予“代理权”（Agency）→ 主动感知环境、自主规划决策、执行复杂任务。

• 关键特性：1）自主决策：主动感知环境、制定目标并采取行动；2）动态学习：通过记忆与经验积累实现持续优化；3）跨系统协作：调用工具、API及多Agent协同完成复杂任务。

• 核心模块：1）感知层：多模态输入（文本/语音/图像）；2）记忆层：短期记忆（对话上下文）+ 长期记忆（知识库）；3）决策层：基于目标规划与强化学习的行动策略；4）执行层：工具调用（API）、跨系统协作（RAG技术）。

• 关键区别：1）LLM≠Agent：LLM是“知识顾问”，Agent是“战略指挥官”；2）传统自动化：仅规则执行 vs Agent：端到端任务闭环。

AGI的分级:Agent处于L3智能体阶段

AI正站在一个关键新阶段。参考OpenAI对AI的五级分级，AI已不仅仅是能进行对话的聊天机器人（L1），而是逐步进化到智能体（L3）阶段：一个能思考、并能主动采取行动的AI系统。

代理的架构

• 代理核心构成:

① 记忆（Memory）：存储、组织和检索短期上下文信息和长期知识的系统，支持自我反思优化。

② 感知（Perception）：多模态环境识别（视觉/听觉/传感器）。

③ 规划（Planning）：LLM驱动的目标分解与行动序列生成，复杂推理和决策，将任务分解为步骤，并根据需要进行调整。

④ 工具使用（ToolUsage）：调用API/代码/搜索等扩展能力，与外部应用程序、API、数据库和其他软件交互的集成功能。

Agent相关技术创新:MCP与A2A

• MCP（Model Context Protocol模型上下文协议）- AI的“万用接口”，标准化AI模型（LLM）与外部数据源、工具间的交互方式

Ø Anthropic在2024年11月推出并开源MCP协议，支持并行工具调用（如Web搜索、代码执行）和动态工作流编排。核心组件:

① MCP Server：通过MCP协议对外提供服务的轻量级应用，可提供工具执行、资源访问、预定义Prompt等资源。

② MCP Client：充当LLM和MCP Server之间的桥梁，通过MCP Client SDK实现Host应用与MCP Server的交互。

③ MCP Host：承载AI模型的应用，如Claude Desktop和Cursor这类智能助手应用和IDE。

• A2A(Agent-to-Agent)：让不同厂商或框架的AI代理彼此直接通信、协同

Ø 2025年4月Google推出的开放协议，得到了Salesforce、SAP等50多家科技公司的支持参与。基于其设定的Agent Card、Task、Message等概念和相关认证策略，如“智能体卡”概念用于描述智能体的身份、功能和服务接口。

AI Agent市场图谱

① 基础设施类Agent：聚焦底层支撑，涵盖开发平台、多代理协同、数据策管等多环节，为AI应用构建基础。

② 横向职能类Agent：服务B/C端客户，从生产力工具到客服、人力等，跨行业适配，优化流程提效、助力日常运营。

③ 垂直应用类Agent ：深耕金融、医疗等特定行业，贴合行业流程、法规与需求，深度融合专业知识，形成行业专属解决方案。

• 头部细分市场：根据CBINSIGHTS企业工作流、编码两大领域2024年营收均超10亿美元，前者覆盖通用生产力、研究等

场景，后者因AI编码工具爆发，半年内催生独角兽，速度达AI行业平均4倍。

• 核心驱动与玩家：2024年科技巨头主导营收，微软Microsoft Copilot（2024年收入约8亿美元）、GitHub Copilot（2024年收入约6亿美元），总占整体市场超25%份额。初创企业增长迅猛，如Cursor年ARR从100万升至2亿美元。

• 垂类市场:调查主要针对企业端，客户服务、软件开发为高潜力赛道，24年底调查显示，64家组织中2/3计划12个月内用AI代理支持客服。垂类AI Agent覆盖企业通用场景（人力、营销、安全运营等），较基础设施、垂直赛道商业落地更成熟。