2023年下半年，智能体这个概念开始随着AI的突进式发展而被很多人关注起来。
到了2024年，大模型的能力进一步增强，为智能体快速发展提供了底层能力支撑。
随着2025年DeepSeek的爆火，智能体在各行各业的落地应用案例开始明显增加。
大家已经不再满足于单一功能的智能体，而是开始追求通用智能体甚至AIGC的能力，Manus是这个趋势下的一个典型案例，除此之外还有字节的扣子空间，以及百度的心响APP。
回看过去十年移动互联网的爆发，支撑移动互联网的土壤，其实是3G、4G通信网络的支撑，以及智能手机行业的蓬勃发展。从中我们不难得出一个结论：软件生态要想发展得足够庞大，需要底层硬件和基础设施的支撑。
在AI领域，这个论断依然成立，这也是写这篇文章的原因：智能体(甚至是AIGC)的发展甚至构建生态，背后需要的基础设施建设是重中之重。Agent Infra是Agent落地的关键，因为它涵盖了Agent从开发到部署的完整生命周期。
从我查阅的很多资料来看，目前在Agent Infra层面，大致可以划分为如下四个领域，分别是：
- Environment：提供Agent开发和运行环境，相当于给了Agent一台可自行操作的计算机。
- Context：为Agent有效运行提供所需的信息，包括任务相关的背景知识和工具的使用方法。
- Tools：使Agent能便捷调用和协作的各类工具，包括各种类型的插件，以实现多样化的任务。
- Agent Security：以Agent-native的方式保障Agent的行为与数据在执行过程中的安全与合规。
一、Environment
Environment，即我们所熟知的运行环境(操作系统和服务部署运行容器)，它为Agent提供了开发和部署环境，可以让Agent更好地完成端到端的任务。目前在AI领域，比较突出的路径有两种，分别是Sandbox和Browser：
1、Sandbox是一种安全机制，为执行中的程序提供隔离环境。传统的虚拟机并不能很好地满足Agent需求，因为Agent对虚拟机的性能提出了更高的要求，比如需要更高的隔离性、更快的启动速度、更强的稳定性，以及具备一定的AI性能。
2、浏览器是Agent最重要的工作环境之一，浏览并操纵网页的能力也将成为Agent的核心能力之一。Browser Infra赋予Agent的能力大致可以分为两类：1-让Agent可以大规模浏览网页；2-使Agent可以操纵网页。
最典型的案例就是Manus，它的运行环境主要基于Linux Sandbox，借助无头浏览器来完成任务。
二、Context
目前无论是ChatBot还是Agent，都需要人主动描述需求(提示词)，但信息幻觉问题是困扰人和AI协作的最大挑战。除此之外，大模型、智能体之间的协作交互问题，也是另一大挑战。
1、当下最有效的缓解AI信息幻觉的方法就是RAG，因此，RAG方法也可以视作Agent Infra领域很重要的一个组成部分。目前，RAG已成为一种共识性的技术，并在各类应用场景广泛使用。
Agentic RAG系统能够持续分析Context和用户意图，自主从多种来源检索并整合相关信息，使Agent可以更好地完成任务。
2、大模型和智能体之间，系统内部和外部之间的协作调用，目前已经出现了一个标准化的解决方案，即MCP。MCP是Anthropic发布的一个开放式协议，重新定义了Agent调用外部工具、获取数据以及与各类服务交互的方式。
三、Tools
Tools的价值不言而喻，可以让Agent能够便捷调用各类工具，实现多样化的任务。随着Agent交互复杂度的不断提升，相关的Infra使工具层正在快速扩张。在Tools Infra层面，较为通用的有如下三个方向的工具：
1、搜索：搜索是Agent获取外部信息的重要途径。相比我们手动利用搜索引擎去检索信息，Agent会进行更频繁、更复杂的搜索，且传统搜索引擎无法满足Agent的搜索需求。因此，Tools Infra搜索领域需要解决两大难题：1-更快且低成本的信息检索；2-更智能的搜索和爬虫架构(解决人为造成的信息闭塞问题)。
2、支付：如前面为大家介绍的AI落地核心因素所说，确定性的场景是AI落地的前置条件，而金融、法律等领域天然具备这样的条件。因此，金融领域未来会成为Agent落地的重要场景，而金融领域最重要的属性就是Finance & Payment，即资管和支付。
3、工作流：工作流大家并不陌生，在IT软件开发领域，工作流的概念其实大家日常都在实践，最典型的就是CICD持续交付流水线。在AI领域，工作流也是很重要的一项基础设施，特别是对于一些很复杂的任务，让AI自定义工作流来进行决策和执行任务，最终的结果很难保证符合预期。
当然，工作流也分为前后端，比如Manus的在线可视化任务执行，其实就是Frontend Workflow(前端工作流)；像字节扣子空间的专家Agent，其实背后也需要Backend Workflow(后端工作流)来支撑。
四、Agent Security
随着Agent能力边界的拓展，安全性上的要求也在同步提升，最核心的就是信息安全。因为大模型的训练需要投入大量的数据，且AI本身会检索互联网上大量的数据并输出结果，我们需要保证自己的敏感信息不被泄漏，也希望AI给出的结果符合信息安全法规。
我们需要对Agent进行身份验证，并保证Agent的每个意图和行动都是安全的。此外，Agent每次数据交互都需要动态校验，这也对数据安全提出了更高的要求。不过安全领域一向遵循“需求驱动”的逻辑，即先有成熟的下游产品设计，再有对应的安全问题与解决方案。安全问题，先天的禀赋就是后知后觉的后来者。
