隨著大模型迭代的浪潮一波接一波地推高技術(shù)前沿，Agent技術(shù)已經(jīng)成為大模型落地的主流選擇，并被視為賦予大模型更廣闊能力的最佳路徑。從理解復(fù)雜的指令，到處理多模態(tài)信息，從簡(jiǎn)單的問(wèn)答系統(tǒng)到復(fù)雜的決策支持系統(tǒng)，從個(gè)性化推薦到自動(dòng)化的業(yè)務(wù)流程管理，陸續(xù)在更多領(lǐng)域展現(xiàn)出其巨大的潛力和價(jià)值，它正在為社會(huì)帶來(lái)深刻的變革。

在這場(chǎng)趨之若鶩的群體行動(dòng)中，面對(duì)這項(xiàng)持續(xù)發(fā)展變化的技術(shù)簇，我們應(yīng)采取一種積極探索與謹(jǐn)慎評(píng)估并重的策略——既要保持理性，也要保持樂(lè)觀(guān)，以此來(lái)應(yīng)對(duì)不確定性。技術(shù)的更新迭代需要時(shí)間與耐心，而技術(shù)的應(yīng)用則需了解其限制和準(zhǔn)確判斷業(yè)務(wù)場(chǎng)景。          國(guó)產(chǎn)Manus智能體橫空出世后，OpenAI緊跟放大招，推出開(kāi)發(fā)者工具鏈簡(jiǎn)化智能體開(kāi)發(fā)。Manus的核心定位是自主執(zhí)行復(fù)雜任務(wù)并交付成果，不僅能提供建議或答案，還能直接交付完整的任務(wù)成果，比如生成文件、分析數(shù)據(jù)、制作報(bào)告等。

實(shí)事求是講目前Manus護(hù)城河較弱，其主要依賴(lài)工程化封裝能力如工具鏈的精細(xì)化組合（如瀏覽器痕跡保留設(shè)計(jì)），還有就是在用戶(hù)體驗(yàn)優(yōu)化提升界面簡(jiǎn)潔性與任務(wù)交付速度。就在Manus引發(fā)熱議的同時(shí)，開(kāi)源社區(qū)迅速行動(dòng)，推出了OpenManus——Manus的開(kāi)源復(fù)刻版。其目標(biāo)就是復(fù)刻Manus的核心功能，同時(shí)提供完全開(kāi)源的代碼和無(wú)需邀請(qǐng)碼的訪(fǎng)問(wèn)權(quán)限 用戶(hù)可以清楚地看到AI的思考過(guò)程和任務(wù)執(zhí)行進(jìn)度。這種實(shí)時(shí)反饋機(jī)制為用戶(hù)提供了干預(yù)的機(jī)會(huì)，有助于提高任務(wù)完成的質(zhì)量。

Manus采用了“多模型集成+Agent框架+工具鏈封裝”的混合架構(gòu)。其技術(shù)棧包括：

1、底層模型：集成Claude、Qwen等第三方大模型，通過(guò)路由算法動(dòng)態(tài)選擇最優(yōu)模型執(zhí)行任務(wù)；  

2、Agent框架：基于AutoGPT理念改進(jìn)，支持任務(wù)拆解、自主決策和多步驟執(zhí)行，減少人工干預(yù)（如自動(dòng)生成Python代碼、調(diào)用API）；  

3、工具鏈封裝：將瀏覽器、搜索、編輯器、終端等工具模塊化，通過(guò)工程化手段實(shí)現(xiàn)無(wú)縫銜接（類(lèi)似“搭積木”）。  

Manus的工作流程

1. ?任務(wù)拆解?：Manus首先將復(fù)雜任務(wù)拆解成多個(gè)子任務(wù)。
2. ?并行處理?：通過(guò)獨(dú)立虛擬機(jī)，這些子任務(wù)可以并行處理，提高效率和魯棒性。
3. ?結(jié)果整合?：最終，Manus將各個(gè)子任務(wù)的結(jié)果整合，生成完整的任務(wù)成果。

Manus的"護(hù)城河"在哪里？現(xiàn)在AI產(chǎn)品的核心競(jìng)爭(zhēng)力不外乎這幾點(diǎn)：一是牛逼的模型加強(qiáng)大算力，二是獨(dú)家優(yōu)質(zhì)數(shù)據(jù)，三是極致用戶(hù)體驗(yàn)。

Manus可以應(yīng)用于多種復(fù)雜任務(wù)，包括旅行規(guī)劃、股票分析、教育內(nèi)容創(chuàng)建、保險(xiǎn)政策比較、供應(yīng)商采購(gòu)、財(cái)務(wù)報(bào)告分析等。例如，用戶(hù)可以輸入一個(gè)旅行規(guī)劃的指令，Manus會(huì)根據(jù)提示詞拆解任務(wù)，確定思路，然后按照規(guī)劃逐步執(zhí)行，最終生成詳細(xì)的旅行規(guī)劃方案。

      圖1 Agent工作原理

當(dāng)?shù)貢r(shí)間3月11日，OpenAI推出了專(zhuān)用于簡(jiǎn)化智能體開(kāi)發(fā)的API和工具，包括Responses API、內(nèi)置工具和智能體SDK。這些工具幫助開(kāi)發(fā)人員和企業(yè)構(gòu)建有用且可靠的AI智能體。

Responses API集成了聊天API的簡(jiǎn)單性和助手API的工具使用功能，支持網(wǎng)絡(luò)搜索、文件搜索和計(jì)算機(jī)使用等新的內(nèi)置工具。智能體SDK支持編排單智能體工作流，簡(jiǎn)化編排多智能體工作流，集成的觀(guān)察工具可跟蹤和檢查智能體工作流執(zhí)行。

核心工具與功能

• Responses API：結(jié)合了Chat Completions API 的簡(jiǎn)潔性和 Assistants API 的工具使用能力，開(kāi)發(fā)者只需調(diào)用一次 API，即可利用多種工具和多輪模型交互解決復(fù)雜任務(wù)。
• 內(nèi)置工具：包括Web 搜索工具、文件搜索工具、計(jì)算機(jī)使用工具等，這些工具被設(shè)計(jì)成一起工作，將模型與現(xiàn)實(shí)世界連接，能夠更有效地完成任務(wù)。
• Agents SDK：基于 Swarm 框架升級(jí)的開(kāi)源框架，簡(jiǎn)化多 Agent 工作流程編排，提供 LLM 與工具集成、Agent 間智能交接控制、可配置安全檢查以及可視化追蹤等功能。
  

這些工具和API的推出，旨在幫助開(kāi)發(fā)者更輕松地創(chuàng)建能夠自動(dòng)完成任務(wù)的 AI Agents，簡(jiǎn)化開(kāi)發(fā)流程，降低技術(shù)門(mén)檻。

1、一站式AI Agent開(kāi)發(fā)工具鏈

Agent為大模型提供了執(zhí)行復(fù)雜任務(wù)、與環(huán)境交互、自主決策和長(zhǎng)期記憶等關(guān)鍵能力，使得大模型的應(yīng)用從單純的語(yǔ)言處理擴(kuò)展到更廣泛的領(lǐng)域，包括自動(dòng)化任務(wù)執(zhí)行、客戶(hù)服務(wù)、內(nèi)容創(chuàng)作等，極大地?cái)U(kuò)展了AI的實(shí)用性和影響力。為了實(shí)現(xiàn)這樣一套解決方案(圖2)，背后需要用工程化的手段落地——工具鏈。

Agent開(kāi)發(fā)平臺(tái)是面向智能體生產(chǎn)場(chǎng)景的一站式開(kāi)發(fā)工具，具備智能體編排、流程搭建、知識(shí)庫(kù)管理、大小模型交互、計(jì)量、開(kāi)放、私有化部署等功能，能夠有效提升智能體研發(fā)效率，降低研發(fā)成本。目前國(guó)內(nèi)知名的Agent開(kāi)發(fā)平臺(tái)包括百度的千帆、阿里的百煉、字節(jié)的Coze、Dify以及騰訊的元器等。

這張圖片并非代碼截圖，而是一個(gè)展示了Agent框架的示意圖。從圖片中，我們可以解讀出以下信息和功能： 該框架主要圍繞“Agent”構(gòu)建，涵蓋了多個(gè)關(guān)鍵組件和流程。這些組件通過(guò)相互連接，共同構(gòu)成了Agent的完整功能體系。 

1. 環(huán)境感知與行動(dòng)：圖片中心部分展示了Agent與環(huán)境之間的交互。Agent通過(guò)“多模態(tài)感知”接收來(lái)自環(huán)境的各種信息，如文本、圖片、音頻和視頻。這些信息被Agent用于理解當(dāng)前環(huán)境狀態(tài)，并據(jù)此作出決策和行動(dòng)。 

2. 學(xué)習(xí)與記憶：在Agent的內(nèi)部，存在一個(gè)復(fù)雜的信息處理流程。這包括短期記憶和長(zhǎng)期記憶的管理，以及通過(guò)學(xué)習(xí)來(lái)不斷更新和優(yōu)化自身的決策能力。特別地，“學(xué)習(xí)”和“分析”環(huán)節(jié)強(qiáng)調(diào)了Agent的持續(xù)學(xué)習(xí)和改進(jìn)能力。

 3. 工具與知識(shí)調(diào)用：Agent可以訪(fǎng)問(wèn)和使用各種工具，如搜索引擎、知識(shí)圖譜（KG）和API調(diào)用，以增強(qiáng)其決策和行動(dòng)的能力。這些工具為Agent提供了豐富的外部資源和信息，使其能夠更全面地理解任務(wù)環(huán)境并作出更明智的決策。 

4. 規(guī)劃與任務(wù)執(zhí)行：在圖片的右側(cè)，展示了Agent的任務(wù)拆解、規(guī)劃、遷移泛化等高級(jí)功能。這些功能使Agent能夠處理復(fù)雜的任務(wù)，并在執(zhí)行過(guò)程中保持自主性、安全性和互動(dòng)性。 此外，圖片還暗示了Agent框架在處理顯性知識(shí)和隱性知識(shí)方面的能力，以及通過(guò)意圖理解和少樣本學(xué)習(xí)來(lái)優(yōu)化自身性能的可能性。 

總的來(lái)說(shuō)，這個(gè)Agent框架示意圖展示了一個(gè)高度集成和智能化的系統(tǒng)，能夠感知多種模態(tài)的信息，通過(guò)學(xué)習(xí)、記憶和工具使用來(lái)不斷優(yōu)化自身決策，并執(zhí)行復(fù)雜的任務(wù)。

2、工具鏈競(jìng)品分析

1）字節(jié)Coze

Coze平臺(tái)專(zhuān)為零代碼或低代碼(可視化編排)開(kāi)發(fā)者設(shè)計(jì)，極大地降低了開(kāi)發(fā)門(mén)檻，使得非技術(shù)人員也能快速上手。優(yōu)勢(shì)：

• 功能強(qiáng)大(圖像流、通過(guò)觸發(fā)器實(shí)現(xiàn)自動(dòng)化的任務(wù)調(diào)度和執(zhí)行、多渠道發(fā)布)
• 高度可定制，支持豐富的主流第三方插件
• 數(shù)據(jù)源多樣，但整體的動(dòng)線(xiàn)繁瑣，用好的門(mén)檻比較高。

2）騰訊元器

網(wǎng)站風(fēng)格一如既往的“節(jié)制”，功能布局清晰易懂，用戶(hù)無(wú)需花費(fèi)腦力去理解網(wǎng)站的結(jié)構(gòu)、布局和導(dǎo)航。該有的元素都有，后續(xù)在生態(tài)建設(shè)上，期待看到更多的可能，包括且不限于更豐富的大模型可選、插件……

3）Dify

是做LLM應(yīng)用開(kāi)發(fā)平臺(tái)中最早的一批之一，且功能性甚至比國(guó)內(nèi)頭部大廠(chǎng)更突出，相比之下，目前它是是Github上Star數(shù)最多的大模型應(yīng)用開(kāi)發(fā)工具(54000星)，是全球LLM Tools增速Top1的開(kāi)源項(xiàng)目(300萬(wàn)的安裝量)。優(yōu)勢(shì)：

• AI生態(tài)相對(duì)最好：支持40多家廠(chǎng)商的大模型，對(duì)接大模型平臺(tái)、對(duì)接開(kāi)源大模型，全鏈路免費(fèi)。上百種插件，成功打開(kāi)海外市場(chǎng)；
• 提供云服務(wù)和本地部署兩種方式，滿(mǎn)足了不同用戶(hù)的需求，同時(shí)支持多平臺(tái)發(fā)布應(yīng)用；
• 自動(dòng)化流程搭建和數(shù)據(jù)處理方面具有明顯的優(yōu)勢(shì)，適合需要構(gòu)建復(fù)雜自動(dòng)化流程或處理大量數(shù)據(jù)的用戶(hù)。

4）百度千帆AppBuilder

千帆AppBuilder提供全面便捷的應(yīng)用開(kāi)發(fā)套件與資源環(huán)境，包括大模型驅(qū)動(dòng)的開(kāi)發(fā)組件(文字識(shí)別、文生圖等多模態(tài)能力)，內(nèi)置RAG（檢索增強(qiáng)生成）、Agent（智能體）、GBI（智能數(shù)據(jù)分析）等常用的AI原生應(yīng)用框架，語(yǔ)音識(shí)別、TTS、文生圖等AI能力組件，以及各類(lèi)IAAS云資源。使得開(kāi)發(fā)者能夠在一個(gè)平臺(tái)上完成從應(yīng)用開(kāi)發(fā)到部署的全過(guò)程，大大提高了開(kāi)發(fā)效率。優(yōu)勢(shì)：

• 千帆大模型平臺(tái)提供了從模型設(shè)計(jì)、訓(xùn)練到部署、優(yōu)化的全流程支持
• 平臺(tái)42個(gè)大模型，預(yù)置41個(gè)數(shù)據(jù)集。內(nèi)置103套Prompt模版及自動(dòng)化Prompt工程能力
• 預(yù)置的安全模塊可以有效控制輸入和輸出的安全風(fēng)險(xiǎn)，為用戶(hù)提供全面的模型安全、內(nèi)容安全和數(shù)據(jù)安全保障
• 自研集群，為企業(yè)節(jié)約了算力成本和時(shí)間成本
• 生態(tài)能力強(qiáng)大，預(yù)置100+優(yōu)質(zhì)官方組件
• 自主規(guī)劃準(zhǔn)確，支持人工編排以高效還原業(yè)務(wù)SOP

5）阿里百煉

優(yōu)勢(shì)：

• 開(kāi)放的模型非常多，除了阿里系之外，支持主流的三方大模型，百川、智譜、零一萬(wàn)物、Meta……
• 支持進(jìn)行多輪對(duì)話(huà)配置，模型支持將選定的歷史對(duì)話(huà)信息作為輸入;
• 允許企業(yè)開(kāi)發(fā)應(yīng)用時(shí)引入自研插件，與業(yè)務(wù)場(chǎng)景充分融合

6）競(jìng)品分析：核心功能

從Agent構(gòu)建(編排)、節(jié)點(diǎn)(及節(jié)點(diǎn)管理)、生態(tài)、發(fā)布渠道、OPS，5個(gè)一級(jí)維度，70個(gè)三級(jí)維度，來(lái)評(píng)估5個(gè)頭部供應(yīng)商的功能，可以看出，在過(guò)去一年多的時(shí)間里，各家的開(kāi)發(fā)工具鏈都在快速演進(jìn)和迭代。

3、企業(yè)迎來(lái)智能體應(yīng)用搭建熱潮

以企業(yè)內(nèi)部自建or私有化部署Agent開(kāi)發(fā)平臺(tái)角度看，利益相關(guān)者有Agent開(kāi)發(fā)平臺(tái)的建造者(自建)or維護(hù)人(外采)。有小白用戶(hù)，有研發(fā)能力的Agent開(kāi)發(fā)者(包括插件的開(kāi)發(fā)、知識(shí)庫(kù)的建設(shè)等圍繞大模型應(yīng)用的一系列的元素建設(shè))，還有外部的三方服務(wù)商(提供底層基座大模型、Agent開(kāi)發(fā)套件、解決方案、甚至是上手幫企業(yè)調(diào)Agent)。

在大模型的范疇內(nèi)，新型的AI資產(chǎn)是企業(yè)核心價(jià)值力的一種體現(xiàn)。包括各種Agent(Mult-Agent)、Flow工作流、業(yè)務(wù)的SOP、大&小模型、Prompt、插件、知識(shí)庫(kù)、知識(shí)圖譜、語(yǔ)料、評(píng)測(cè)集、評(píng)測(cè)排行榜(含報(bào)告)……。這些資產(chǎn)在具體的業(yè)務(wù)領(lǐng)域應(yīng)用中，像變形金剛一樣，可以單打獨(dú)斗，也可以組合變形，以解決文本編輯、圖像處理、語(yǔ)音識(shí)別、智能助手等形態(tài)推進(jìn)企業(yè)的產(chǎn)品創(chuàng)新、服務(wù)質(zhì)量的提升、運(yùn)營(yíng)效率的改進(jìn)、營(yíng)銷(xiāo)效果的高轉(zhuǎn)化。

構(gòu)建并完善Agent，以確保業(yè)務(wù)效率的顯著提升，是展現(xiàn)大模型價(jià)值的最佳途徑。企業(yè)內(nèi)部做Agent一般經(jīng)過(guò)3個(gè)步驟：

其一，業(yè)務(wù)提需求，搭建Agent，確保POC符合業(yè)務(wù)預(yù)期

其二，正式開(kāi)發(fā)Agent，以及對(duì)接業(yè)務(wù)系統(tǒng)，上線(xiàn)交付

其三，持續(xù)運(yùn)營(yíng)優(yōu)化Agent，不斷提升效果

在企業(yè)實(shí)際搭建Agent的過(guò)程中，有三個(gè)關(guān)鍵步驟極其重要，必須由企業(yè)內(nèi)部人員主動(dòng)參與并領(lǐng)導(dǎo)，這是無(wú)法通過(guò)購(gòu)買(mǎi)第三方服務(wù)來(lái)取代的。

其一，是讓大型模型理解企業(yè)內(nèi)部的數(shù)據(jù)、信息和知識(shí)，為Agent提供高質(zhì)量、精確的數(shù)據(jù)資源，以便讓大型模型輸出符合業(yè)務(wù)預(yù)期的答案是至關(guān)重要的。數(shù)據(jù)到信息，信息到知識(shí)，知識(shí)到智慧的轉(zhuǎn)化過(guò)程，需要從最終使用者的角度反向思考。如何采集、處理和加工數(shù)據(jù)、信息、知識(shí)才能達(dá)到預(yù)期效果。這需要在六個(gè)方面進(jìn)行思考：準(zhǔn)確性、完整性、全面性、粒度（粗糙或詳細(xì)）、關(guān)聯(lián)性以及訪(fǎng)問(wèn)或使用權(quán)限。信息處理的效果對(duì)于企業(yè)有效利用大型模型至關(guān)重要，這需要具備專(zhuān)業(yè)知識(shí)的人員掌握與大型模型互動(dòng)的專(zhuān)門(mén)技巧，如提示（Prompt）和知識(shí)庫(kù)或記憶技巧。

其二，通過(guò)使用插件，可以實(shí)現(xiàn)Agent與企業(yè)現(xiàn)有系統(tǒng)的無(wú)縫集成，從而提升系統(tǒng)的智能化程度。這一過(guò)程通常由開(kāi)發(fā)團(tuán)隊(duì)負(fù)責(zé)編碼（或使用如Cursor等代碼生成工具）。在此過(guò)程中，需要重視元數(shù)據(jù)的完整性（AI資產(chǎn)管理），以便實(shí)現(xiàn)最大程度的復(fù)用性，從而提高企業(yè)內(nèi)部系統(tǒng)對(duì)接的效率。

其三，在構(gòu)建Agent之前，我們需要理清業(yè)務(wù)的標(biāo)準(zhǔn)操作流程(SOP)。在編輯工作流時(shí)，開(kāi)發(fā)者需要參照SOP，將大模型、知識(shí)庫(kù)、插件等原始元素進(jìn)行編排，并通過(guò)邏輯節(jié)點(diǎn)將流程連貫起來(lái)，從而“虛擬重現(xiàn)”業(yè)務(wù)場(chǎng)景。這三個(gè)方面的推進(jìn)效率和質(zhì)量，決定了一個(gè)企業(yè)應(yīng)用大型模型的效率和效果，也決定了在這場(chǎng)生產(chǎn)力革命中的排位。

可以預(yù)見(jiàn)，在2025年，大模型應(yīng)用將給我們帶來(lái)更多令人驚嘆的“哇哦”時(shí)刻，讓我們拭目以待～

AI Agent開(kāi)發(fā)工具鏈作為一系列集成化的工具、框架和平臺(tái)，旨在幫助開(kāi)發(fā)者高效構(gòu)建、部署和管理具備自主決策、多任務(wù)協(xié)作及環(huán)境交互能力的智能體（AI Agent）。這些工具鏈通過(guò)模塊化設(shè)計(jì)、低代碼支持和多技術(shù)整合，顯著降低了AI Agent的開(kāi)發(fā)門(mén)檻，并推動(dòng)了其在各行業(yè)的應(yīng)用。

通過(guò)整合框架、API、低代碼平臺(tái)和行業(yè)知識(shí)，AI Agent開(kāi)發(fā)工具鏈正在推動(dòng)智能體技術(shù)的普及。從企業(yè)級(jí)解決方案到開(kāi)源工具（如AutoGen、SuperAgent），這些工具鏈不僅降低了開(kāi)發(fā)難度，還拓展了AI在復(fù)雜場(chǎng)景中的應(yīng)用潛力。未來(lái)，隨著多模態(tài)技術(shù)和協(xié)作能力的提升，AI Agent將成為數(shù)字化轉(zhuǎn)型的核心驅(qū)動(dòng)力之一。

本文轉(zhuǎn)載自公眾號(hào)數(shù)字化助推器  作者：天涯咫尺TGH

原文鏈接：??https://mp.weixin.qq.com/s/EA4Bs-v9r-amFkzKsrsMNA??