隨著大模型迭代的浪潮一波接一波地推高技術前沿，Agent技術已經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。從理解復雜的指令，到處理多模態信息，從簡單的問答系統到復雜的決策支持系統，從個性化推薦到自動化的業務流程管理，陸續在更多領域展現出其巨大的潛力和價值，它正在為社會帶來深刻的變革。

在這場趨之若鶩的群體行動中，面對這項持續發展變化的技術簇，我們應采取一種積極探索與謹慎評估并重的策略——既要保持理性，也要保持樂觀，以此來應對不確定性。技術的更新迭代需要時間與耐心，而技術的應用則需了解其限制和準確判斷業務場景。          國產Manus智能體橫空出世后，OpenAI緊跟放大招，推出開發者工具鏈簡化智能體開發。Manus的核心定位是自主執行復雜任務并交付成果，不僅能提供建議或答案，還能直接交付完整的任務成果，比如生成文件、分析數據、制作報告等。

實事求是講目前Manus護城河較弱，其主要依賴工程化封裝能力如工具鏈的精細化組合（如瀏覽器痕跡保留設計），還有就是在用戶體驗優化提升界面簡潔性與任務交付速度。就在Manus引發熱議的同時，開源社區迅速行動，推出了OpenManus——Manus的開源復刻版。其目標就是復刻Manus的核心功能，同時提供完全開源的代碼和無需邀請碼的訪問權限 用戶可以清楚地看到AI的思考過程和任務執行進度。這種實時反饋機制為用戶提供了干預的機會，有助于提高任務完成的質量。

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

1、底層模型：集成Claude、Qwen等第三方大模型，通過路由算法動態選擇最優模型執行任務；  

2、Agent框架：基于AutoGPT理念改進，支持任務拆解、自主決策和多步驟執行，減少人工干預（如自動生成Python代碼、調用API）；  

3、工具鏈封裝：將瀏覽器、搜索、編輯器、終端等工具模塊化，通過工程化手段實現無縫銜接（類似“搭積木”）。  

Manus的工作流程

1. ?任務拆解?：Manus首先將復雜任務拆解成多個子任務。
2. ?并行處理?：通過獨立虛擬機，這些子任務可以并行處理，提高效率和魯棒性。
3. ?結果整合?：最終，Manus將各個子任務的結果整合，生成完整的任務成果。

Manus的"護城河"在哪里？現在AI產品的核心競爭力不外乎這幾點：一是牛逼的模型加強大算力，二是獨家優質數據，三是極致用戶體驗。

Manus可以應用于多種復雜任務，包括旅行規劃、股票分析、教育內容創建、保險政策比較、供應商采購、財務報告分析等。例如，用戶可以輸入一個旅行規劃的指令，Manus會根據提示詞拆解任務，確定思路，然后按照規劃逐步執行，最終生成詳細的旅行規劃方案。

      圖1 Agent工作原理

當地時間3月11日，OpenAI推出了專用于簡化智能體開發的API和工具，包括Responses API、內置工具和智能體SDK。這些工具幫助開發人員和企業構建有用且可靠的AI智能體。

Responses API集成了聊天API的簡單性和助手API的工具使用功能，支持網絡搜索、文件搜索和計算機使用等新的內置工具。智能體SDK支持編排單智能體工作流，簡化編排多智能體工作流，集成的觀察工具可跟蹤和檢查智能體工作流執行。

核心工具與功能

• Responses API：結合了Chat Completions API 的簡潔性和 Assistants API 的工具使用能力，開發者只需調用一次 API，即可利用多種工具和多輪模型交互解決復雜任務。
• 內置工具：包括Web 搜索工具、文件搜索工具、計算機使用工具等，這些工具被設計成一起工作，將模型與現實世界連接，能夠更有效地完成任務。
• Agents SDK：基于 Swarm 框架升級的開源框架，簡化多 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，旨在幫助開發者更輕松地創建能夠自動完成任務的 AI Agents，簡化開發流程，降低技術門檻。

1、一站式AI Agent開發工具鏈

Agent為大模型提供了執行復雜任務、與環境交互、自主決策和長期記憶等關鍵能力，使得大模型的應用從單純的語言處理擴展到更廣泛的領域，包括自動化任務執行、客戶服務、內容創作等，極大地擴展了AI的實用性和影響力。為了實現這樣一套解決方案(圖2)，背后需要用工程化的手段落地——工具鏈。

Agent開發平臺是面向智能體生產場景的一站式開發工具，具備智能體編排、流程搭建、知識庫管理、大小模型交互、計量、開放、私有化部署等功能，能夠有效提升智能體研發效率，降低研發成本。目前國內知名的Agent開發平臺包括百度的千帆、阿里的百煉、字節的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”構建，涵蓋了多個關鍵組件和流程。這些組件通過相互連接，共同構成了Agent的完整功能體系。 

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

2. 學習與記憶：在Agent的內部，存在一個復雜的信息處理流程。這包括短期記憶和長期記憶的管理，以及通過學習來不斷更新和優化自身的決策能力。特別地，“學習”和“分析”環節強調了Agent的持續學習和改進能力。

 3. 工具與知識調用：Agent可以訪問和使用各種工具，如搜索引擎、知識圖譜（KG）和API調用，以增強其決策和行動的能力。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環境并作出更明智的決策。 

4. 規劃與任務執行：在圖片的右側，展示了Agent的任務拆解、規劃、遷移泛化等高級功能。這些功能使Agent能夠處理復雜的任務，并在執行過程中保持自主性、安全性和互動性。 此外，圖片還暗示了Agent框架在處理顯性知識和隱性知識方面的能力，以及通過意圖理解和少樣本學習來優化自身性能的可能性。 

總的來說，這個Agent框架示意圖展示了一個高度集成和智能化的系統，能夠感知多種模態的信息，通過學習、記憶和工具使用來不斷優化自身決策，并執行復雜的任務。

2、工具鏈競品分析

1）字節Coze

Coze平臺專為零代碼或低代碼(可視化編排)開發者設計，極大地降低了開發門檻，使得非技術人員也能快速上手。優勢：

• 功能強大(圖像流、通過觸發器實現自動化的任務調度和執行、多渠道發布)
• 高度可定制，支持豐富的主流第三方插件
• 數據源多樣，但整體的動線繁瑣，用好的門檻比較高。

2）騰訊元器

網站風格一如既往的“節制”，功能布局清晰易懂，用戶無需花費腦力去理解網站的結構、布局和導航。該有的元素都有，后續在生態建設上，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應用開發平臺中最早的一批之一，且功能性甚至比國內頭部大廠更突出，相比之下，目前它是是Github上Star數最多的大模型應用開發工具(54000星)，是全球LLM Tools增速Top1的開源項目(300萬的安裝量)。優勢：

• AI生態相對最好：支持40多家廠商的大模型，對接大模型平臺、對接開源大模型，全鏈路免費。上百種插件，成功打開海外市場；
• 提供云服務和本地部署兩種方式，滿足了不同用戶的需求，同時支持多平臺發布應用；
• 自動化流程搭建和數據處理方面具有明顯的優勢，適合需要構建復雜自動化流程或處理大量數據的用戶。

4）百度千帆AppBuilder

千帆AppBuilder提供全面便捷的應用開發套件與資源環境，包括大模型驅動的開發組件(文字識別、文生圖等多模態能力)，內置RAG（檢索增強生成）、Agent（智能體）、GBI（智能數據分析）等常用的AI原生應用框架，語音識別、TTS、文生圖等AI能力組件，以及各類IAAS云資源。使得開發者能夠在一個平臺上完成從應用開發到部署的全過程，大大提高了開發效率。優勢：

• 千帆大模型平臺提供了從模型設計、訓練到部署、優化的全流程支持
• 平臺42個大模型，預置41個數據集。內置103套Prompt模版及自動化Prompt工程能力
• 預置的安全模塊可以有效控制輸入和輸出的安全風險，為用戶提供全面的模型安全、內容安全和數據安全保障
• 自研集群，為企業節約了算力成本和時間成本
• 生態能力強大，預置100+優質官方組件
• 自主規劃準確，支持人工編排以高效還原業務SOP

5）阿里百煉

優勢：

• 開放的模型非常多，除了阿里系之外，支持主流的三方大模型，百川、智譜、零一萬物、Meta……
• 支持進行多輪對話配置，模型支持將選定的歷史對話信息作為輸入;
• 允許企業開發應用時引入自研插件，與業務場景充分融合

6）競品分析：核心功能

從Agent構建(編排)、節點(及節點管理)、生態、發布渠道、OPS，5個一級維度，70個三級維度，來評估5個頭部供應商的功能，可以看出，在過去一年多的時間里，各家的開發工具鏈都在快速演進和迭代。

3、企業迎來智能體應用搭建熱潮

以企業內部自建or私有化部署Agent開發平臺角度看，利益相關者有Agent開發平臺的建造者(自建)or維護人(外采)。有小白用戶，有研發能力的Agent開發者(包括插件的開發、知識庫的建設等圍繞大模型應用的一系列的元素建設)，還有外部的三方服務商(提供底層基座大模型、Agent開發套件、解決方案、甚至是上手幫企業調Agent)。

在大模型的范疇內，新型的AI資產是企業核心價值力的一種體現。包括各種Agent(Mult-Agent)、Flow工作流、業務的SOP、大&小模型、Prompt、插件、知識庫、知識圖譜、語料、評測集、評測排行榜(含報告)……。這些資產在具體的業務領域應用中，像變形金剛一樣，可以單打獨斗，也可以組合變形，以解決文本編輯、圖像處理、語音識別、智能助手等形態推進企業的產品創新、服務質量的提升、運營效率的改進、營銷效果的高轉化。

構建并完善Agent，以確保業務效率的顯著提升，是展現大模型價值的最佳途徑。企業內部做Agent一般經過3個步驟：

其一，業務提需求，搭建Agent，確保POC符合業務預期

其二，正式開發Agent，以及對接業務系統，上線交付

其三，持續運營優化Agent，不斷提升效果

在企業實際搭建Agent的過程中，有三個關鍵步驟極其重要，必須由企業內部人員主動參與并領導，這是無法通過購買第三方服務來取代的。

其一，是讓大型模型理解企業內部的數據、信息和知識，為Agent提供高質量、精確的數據資源，以便讓大型模型輸出符合業務預期的答案是至關重要的。數據到信息，信息到知識，知識到智慧的轉化過程，需要從最終使用者的角度反向思考。如何采集、處理和加工數據、信息、知識才能達到預期效果。這需要在六個方面進行思考：準確性、完整性、全面性、粒度（粗糙或詳細）、關聯性以及訪問或使用權限。信息處理的效果對于企業有效利用大型模型至關重要，這需要具備專業知識的人員掌握與大型模型互動的專門技巧，如提示（Prompt）和知識庫或記憶技巧。

其二，通過使用插件，可以實現Agent與企業現有系統的無縫集成，從而提升系統的智能化程度。這一過程通常由開發團隊負責編碼（或使用如Cursor等代碼生成工具）。在此過程中，需要重視元數據的完整性（AI資產管理），以便實現最大程度的復用性，從而提高企業內部系統對接的效率。

其三，在構建Agent之前，我們需要理清業務的標準操作流程(SOP)。在編輯工作流時，開發者需要參照SOP，將大模型、知識庫、插件等原始元素進行編排，并通過邏輯節點將流程連貫起來，從而“虛擬重現”業務場景。這三個方面的推進效率和質量，決定了一個企業應用大型模型的效率和效果，也決定了在這場生產力革命中的排位。

可以預見，在2025年，大模型應用將給我們帶來更多令人驚嘆的“哇哦”時刻，讓我們拭目以待～

AI Agent開發工具鏈作為一系列集成化的工具、框架和平臺，旨在幫助開發者高效構建、部署和管理具備自主決策、多任務協作及環境交互能力的智能體（AI Agent）。這些工具鏈通過模塊化設計、低代碼支持和多技術整合，顯著降低了AI Agent的開發門檻，并推動了其在各行業的應用。

通過整合框架、API、低代碼平臺和行業知識，AI Agent開發工具鏈正在推動智能體技術的普及。從企業級解決方案到開源工具（如AutoGen、SuperAgent），這些工具鏈不僅降低了開發難度，還拓展了AI在復雜場景中的應用潛力。未來，隨著多模態技術和協作能力的提升，AI Agent將成為數字化轉型的核心驅動力之一。

本文轉載自公眾號數字化助推器  作者：天涯咫尺TGH

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