适用场景为, 多个 Agent 进行角色扮演协作的情况, 像是那种, 充当研究员, 加上写手, 配以审稿人的内容生产流水作业场景。()微软所采用的, 是与之不同的另一条途径, 那便是对话驱动的多Agent协作, 其中Agent之间借助消息传递实施协调, 这种方式更趋近于人类团队的协作形式, 并且它还提供了可视化界面, 从而降低了上手的难度。适合场景需要 Agent 之间进行复杂对话和协商的场景。Dify / CozeDify 沿着走低代码、无代码的路径前行, Coze字节跳动旗下同样如此。其具备可视化工作流编辑器, 即使不进行代码编写, 也一样能够搭建 Agent 应用。Dify 选择了开源的方式, Coze 则走向商业化, 在 2026 年的时候, 二者都为自身增添了对 MCP 协议的支持。适合场景快速原型、业务人员自建 Agent 应用。框架层的判断框架相关的争论大致已经不再存在分歧 , 开发者选择 , 或者是更深入地去做。对于产品经理或者业务人员来讲 , Dify / Coze 显得更为符合实际情况。框架自身已经不再构成阻碍 , 重点在于你运用框架达成了何种成果。二、 Agent开发者的第二大脑Agent 大约算得上是 Agent 范畴以内最早实现落地结果的种类, 在 2026 年年初的时候, 该赛道已然呈现出竞争激烈到极致的态势。Code目前终端的 Agent 里, Code 是最好用的那个。它直接在终端当中运行, 对整个代码库予以理解能够去执行命令, 能够操作 Git, 还能够重构代码。# 安装 curl -fsSL https://claude.ai/install.sh | bash # 在项目目录直接使用 cd my-project claude 把这个 REST API 改成 GraphQL保持所有测试通过Code, 它真正有意思之处在于, 眼下它已然开始拥有属于自身的插件生态了。就在本周, 于其上出现了包含三个相关项目的情况:这一批社区项目集体冒出来, 透露出一种信息, 表明 Code 目前正处在从单纯工具向综合平台转变的过程之中。/与之不同的是, 所采用的是IDE路线, 它是基于VS Code的, 将AI深度融合到编辑体验之中。而出品着重强调“Flow”模式, 也就是AI与你交替进行编辑, 如同双人编程那般流畅。其二者所具备的共享特性为, 于文件方面而言占据核心地位, 在编辑器领域则主导着主要场景, 这对于那些惯于 IDE 工作流程的开发者来讲具备适配性。Codex CLI / AgentCodex CLI所趋向的是跟Code相类同的终端方向线路, 然而它是更为着意于和生态的融合整合。在本周所出现的, 于之上呈现的/针对Codex的, 这便是在进行构建Codex技能生态的一种证据。就在朝着 Agent 的方向进行进化, /gh-aw的现身表明, 它所具备的不再单纯是只是自动补全, 而是能够去执行跨越文件、跨越仓库的复杂工作流。Agent 的判断Agent赛道竞争的焦点, 已从“谁的补全更精准”转变为, 关于上下文窗口以及代码库理解, 工具链整合终端、Git、CI/CD, 生态可扩展性插件/技能方面, 还有编辑体验本身所着重关注的东西。现在呈现出的状况是, Code在工具链以及生态方面占据领先地位, 就编辑体验而言是最为出色的, 凭借原生整合来获取天然的利益红利。三、垂直领域 Agent术业有专攻本周 上还冒出几个垂直领域的 Agent挺有意思—— AI 安全渗透测试/A 是一款达成自动化的 Web 应用安全检测 Agent。百分之九十六点一五的漏洞发觉比率并非借助暴力扫描获取, 而是依靠 Agent 以类似人类黑客的方式去领会应用逻辑、构建攻击途径得以实现。此类 Agent 正促使安全行业的工作模式发生转变。UI-TARS —— 多模态桌面 Agent做“看屏幕操作电脑”之事的是字节跳动的UI-TARS, 它存在两个项目, 其一为底层模型UI-TARS, 另一个是桌面应用UI-TARS- , 后者将自身定位设定为“开源的多模态AI Agent基础设施”, 用于连接前沿的AI模型以及桌面操作。这儿个取向蛮具意味。假若 Agent 能够领会 GUI 且予以操控, 从道理来讲, 所有任何皆能摇身一变成为 Agent之器具。RD-Agent —— 研发自动化用于研发流程自动化的微软的 RD - Agent, 借助 AI 来驱动数据以及模型的迭代。/ -CN —— 金融 Agent金融领域, 属于 Agent 积极落地的垂直领域当中较为突出的一个。进行深度的金融研究, -CN 是用于中文金融交易的多 Agent 框架了。四、Agent 基础设施真正的战场上层建筑是框架以及应用, 而地基则是基础设施协议。正在快速成型的是2026年的这一层。MCPModel 处于主导地位的 MCP 协议, 我持有这样的看法, 它属于 2025 年到 2026 年 Agent 领域里最为重要的基础设施。MCP 所要处理、去解决的问题可不是一般的直接, 那就是该咋样以一种标准化的方式, 去让 LLM 应用形成与外部数据源和工具的连接?┌─────────────┐ MCP ┌─────────────┐ │ LLM 应用 │────────────│ MCP Server │ │ (Claude Code │ 标准协议 │ (GitHub, │ │ Cursor 等) │ │ DB, API) │ └─────────────┘ └─────────────┘截止到 2026 年 2 月, MCP 已然拥有了 10 种语言的 SDK, 当中包括 Java, 还有 C#, 以及 Go, 另外有 PHP, 再有 Ruby, 此外有 Rust, 并且有 Swift, 差不多涵盖了所有主流开发语言, 这般广泛的语言支持自身便表明着行业的认可度。有着这般价值的 MCP 是很朴素且平实的, 往昔之时, 每一个 Agent 框架皆是自行去构建一套工具调用的机制, 然而当下已然有了统一的标准, 就如同 HTTP 和 Web 的关系那般, 它并不具备那种令人感到兴奋激动的特性, 可是没有它却是绝对不行的。A2A 假设 MCP 所处理的是“Agent 怎样运用工具”这一情况的话, 那么, 占据主导地位的 A2A 协议所处理的便是“Agent 如何与 Agent 展开对话”。A2A可使处于不同框架、来自不同公司的Agent, 能够发觉彼此具备的能力, 对交互方式展开协商, 于长期任务里进行安全协作, 并且不会将内部状态、记忆或者工具予以暴露。这点是最后我所认为设计显得极为聪慧, 而工具将Agent当作并非能随意翻看内部状态那种“不透明的参与者”的A2A, 如同你与同事开展合作, 仅需进行沟通, 并不需要去读取对方大脑那般。┌─────────┐ A2A ┌─────────┐ A2A ┌─────────┐ │ Agent A │────│ Agent B │────│ Agent C │ │(LangGraph)│ │ (CrewAI) │ │ (ADK) │ └─────────┘ └─────────┘ └─────────┘ │ │ │ │ MCP │ MCP │ MCP [Tools] [Tools] [Tools]组件 MCP 与 A2A, 共同形成了 Agent 基础设施的两根支柱, 其中一根支柱负责管控 Agent 运用工具的方式, 另一根柱体则负责管理 Agent 彼此之间对话交流的形式。Tool Use 的标准化撇开协议层不谈, Tool Use工具调用自身也是处于标准化进程之中的。各大模型业务的提供商所提供的 / Tool Use API已然呈现出趋同的态势。这所表达的意思是, 同一套工具的定义能够在不同的模型之间实现复用, 进而降低了锁定方面的风险。五、生态工具让 Agent “可用”变”好用”这周 , 还有一类项目值得瞧一瞧 , 它们并非 Agent 自身 , 而是能使 Agent 更为好用的周边工具。记忆管理–mem 去处理跨会话的记忆方面的问题, 类似的项目在各个框架当中都是存在的, 这里所讲的记忆并非是像保存聊天记录那般简易, 它囊括了自动进行压缩并提取关键的信息, 依照上下文去检索相关的记忆, 区分短期的工作记忆以及长期的知识。Hooks 和扩展机制-代码钩子- 涨星速度这般迅速, 这表明开发者的确存有自定义智能体行为的想法。钩子能使你于智能体执行之中关键性节点位置嵌入自身有的逻辑思路, 像在提交前自动运行代码检查工具, 于调用应用程序编程接口之前开展安全方面审查。技能包和知识注入与采用相同思路, 将领域知识整理成能够重复使用的“技能”, 并注入到 Agent 之中, 这一做法较微调模型要显著轻量许多, 且更加具有灵活性。本地知识搜索托比/量子魔法文档是那种在本地运行的文档搜索引擎, 它完全是离线状态来运作的。并非所有的数据都适宜被传至云端, 像这样的工具在此时就发挥其用场了。六、趋势判断Agent 开发正在走向哪里从上面这些各类方面综合起来看, 我认为 Agent 开发生态正处于发生着几个较为明显的转变的状态之中, 的情况呢 , 有这样的情形:1. 从”框架竞争”到”协议竞争”在 2024 年到 2025 年这期间, 众人相较的是谁所拥有的 Agent 框架更具好用性。 到 2026 年的时候, 竞争焦点发生了转变, 转向了基础设施协议。 MCP 和 A2A 的出现表明 Agent 生态开始具备了“公共基础设施”。这跟互联网早期历经从林林总总的专有协议朝着 TCP/IP 以及 HTTP 迈进的进程极为相似, 协议实现了标准化, 应用层的创新理所当然就增多了。2. 从“通用的 Agent”转变至“专业的 Agent 加上协作”。早期的时候, 大家都怀有这样一种想法, 那就是要去打造一个能够胜任诸多事务并具备广泛能力的通用 Agent。而当下所呈现出的一种趋势则是, 致力于去构建一个在特定领域当中, 达到最为专业水准的 Agent, 比如说安全领域里头较为专业的 Agent、金融领域内相当专业的 Agent、研发领域里极为专业的 RD-Agent, 之后借助 A2A 协议促使它们协同合作。说白了就是软件工程的老道理单一职责加松耦合。3. 从”产品”到”平台”Code正处在从产品往平台转变的进程中, Codex同样是于从产品朝着平台转变的过程里, 插件系统属于平台化的一种信号, Hooks机制也是平台化的一种表征, 技能包亦是平台化的一种体现。当第三方生态开始围绕你所构建的那一刻起, 你就不再单纯只是产品了。结语我的预测站在 2026 年 2 月说几个我的判断要成为能够被当作事实标准的 MCP, 已然形成了飞轮效应的 10 种语言 SDK, 对于后来者而言再去搞什么替代协议那是极为困难的了。年末时, Agent 将变成大多数开发者日常会用到的工具, 并非一定是Code 或者 , 然而某种样式的Agent 会和Git 同样普及。当下一波创业机会来临之际, 垂直领域 Agent 赫然在列。当框架以及基础设施经历了成熟之变后, 商业价值便隐匿于垂直应用当中。在安全领域, 在金融领域, 在医疗领域, 在法律领域, 每个领域在未来都会使其头部 Agent 崭露头角。Agent可观测性会变成新课题, 当Agent自主去跑复杂任务之际, 你必须具备能够监控它行为的能力, 同时还要拥有审计它行为的能力, 甚至得有回放它行为的能力, 而这很有可能催生出一个崭新的工具品类。Agent生态在今年会呈现出快速发展的态势, 并非是由于某一个模型突然间变得强大起来, 而是因为围绕着Agent的基础设施最终在逐步成型, 管道铺设完成了, 水自然而然地就流动起来了。