QVeris

AI Agent 应用场景

当 Agent 成为一个物种

理解 Agent 生态从孤立助手走向协作网络后,为何需要共享基础设施、能力发现、协调机制、信任与治理。

发布日期:2026年4月24日 · QVeris团队制作

团队共同核对关联任务与共享工作流职责
团队共同核对关联任务与共享工作流职责

深入探索 2026 年新兴的 Agentic AI 生态系统,以及为什么 Agent 需要基础设施,而不仅仅是智能。

79%
受访高管表示所在公司正在采用 AI Agent
PwC,2025 年 5 月对 308 位美国高管的调查
119%
Salesforce 上 AI Agent 部署增长
Salesforce 披露数据
2×
当 Agent 能发现正确工具时,任务解决率提升
QVeris 内部数据

“Agent 基础设施”究竟包括什么

这里所说的基础设施远不只是工具搜索。生产级 Agent 还需要身份、委托权限、能力元数据、schema 检查、路由、执行隔离、状态、交接契约、可观测性、评测、预算与恢复。发现层回答“什么能力可能完成任务”,其他层则判断它此刻是否被允许、是否匹配、是否可靠和安全。

控制平面

身份、政策、最小权限、审批、预算、租户、审计留存,以及谁可以修改 Agent 的能力范围。

能力平面

发现、描述、schema、provider 覆盖、质量信号、版本、成本、延迟和回退兼容性。

执行平面

参数校验、沙箱、幂等性、超时、重试、结果验证、来源血缘、回滚和事故响应。

“物种”比喻的边界在哪里

Agent 不会像生物物种那样自行形成社会。组织设计它们的目标、工具、记忆、权限、激励与通信渠道。这个比喻有助于说明协调需求,但也可能掩盖责任:当 Agent 造成损害时,责任仍属于选择、部署和治理系统的人与组织。

Agent 越多可能越差

并行可能扩大覆盖,也会增加重复调用、冲突动作、上下文丢失、延迟和成本。对于强耦合任务,一个可观测性完善的单 Agent 可能更好。

发现不等于授权

找到可用工具并不代表有权调用。运行时搜索必须受白名单、数据权利、用户范围、provider 条款和审批政策约束。

路由信号可能误导

历史成功率、延迟和成本只是有限代理指标,可能漂移、偏向简单任务或掩盖覆盖不足。路由需要任务专项评测和结果验证。

可执行的多 Agent 协调契约

拆分工作前,应定义共享任务 ID、目标、输入证据、子任务负责人、允许能力、输出 schema、截止时间、Token 与资金预算、依赖、交接条件、冲突规则和终止条件。Agent 之间应交换结构化状态和证据引用,而不是无限增长的对话历史。

评测整个系统,而不只是单个 Agent

测量端到端成功率、无依据结论、重复工作、交接丢失、冲突写操作、权限违规、终止、延迟、成本、人工干预和恢复。单个都准确的 Agent 组合后仍可能整体失败。

优先选择最小充分架构

先从一个 Agent 和确定性工具开始。只有当任务拆分、独立上下文、并行执行或权限隔离带来的可测收益超过协调开销时,才增加专用 Agent。

采用趋势数据的证据与限制

本页数字描述的是不同样本,不能合并成一个通用采用率。PwC 2025 年 5 月调查覆盖 308 位美国高管,其中 79% 表示所在公司正在采用 Agent。Salesforce 2025 年 9 月的 Agentic Enterprise Index 报告,其产品中的先行企业在 1—6 月 Agent 创建量增长 119%。NVIDIA 2026 年 2 月发布季度收入,并引用 CEO 对“Agentic AI 拐点”的判断。Gartner 把多 Agent 系统列入 2026 年十大技术趋势。它们分别衡量不同信号,也各自带有调查、厂商数据或预测背景。

调查措辞、样本量、采用与价值结论。

Agentforce 先行企业使用数据与 119% 创建量增长口径。

本页引用的季度收入与 CEO 表述。

将多 Agent 系统列入 2026 年技术趋势的官方公告。

团队共同核对关联任务与共享工作流职责

拐点已经到来

到 2026 年,AI Agent 已从实验室演示进入客服、软件开发、研究和运营等多步骤工作流。但采用深度差异很大:试用内嵌助手,不等同于把重要决策交给自治系统。

NVIDIA 在 2026 年 2 月的财报发布中引用 CEO 黄仁勋“Agentic AI 拐点已经到来”的判断,并报告季度收入 681 亿美元,同比增长 73%。这些数字说明算力需求强劲,但不能单独证明所有 Agent 项目都已成熟或产生价值。

但基础设施不仅仅意味着 GPU。它意味着让 Agent 能够发现工具、相互协调并在运行时路由到正确能力的系统。智能是必要的。基础设施使其变得有用。

2025 年初
Sam Altman 预测 AI Agent 将进入劳动力体系
2025 上半年
Salesforce 上 Agent 部署增长 119%
2026 年 2 月
NVIDIA 报告收入 681 亿美元,同比增长 73%
2026 年 3 月
PwC 调查中 79% 的美国高管表示所在公司正在采用 AI Agent
2026
Gartner 将多 Agent 编排列为核心趋势

真正的瓶颈不是智能

Agent 不知道存在哪些工具。

没有工具发现

  • Agent 只能使用预先接好的工具
  • 错过 99% 的可用能力
  • 即使效果更差,也总是使用同一个服务商
  • 遇到陌生工具需求时容易失败

有能力路由

  • Agent 可以在运行时发现工具
  • 跨 10,000+ 能力进行搜索
  • 根据质量信号路由到最佳服务商
  • 自主处理新的任务场景

能力路由之前

33%

QVeris 某项内部基准中的解决率

→

能力路由之后

68%

同一内部基准中的解决率

这是 QVeris 内部观察,不是行业基准。结果取决于任务集、候选工具、路由策略、模型和评分方法;团队应在自己的评测集上复现比较。

Agent 生态正处于其 1998 年时刻

🌐 1998 年的互联网

超过 100 万个网页,但人们很难找到自己需要的内容。用户依赖书签、口口相传和 Yahoo 目录。随后 Google 出现:爬虫、索引和 PageRank。结果是:任何内容都能被任何人快速找到。

→

🤖 2026 年的 Agent

10,000+ 工具和 API 分散在各处,没有统一索引。Agent 只能使用它已经知道的工具。能力路由网络出现后,语义搜索、验证服务商和质量信号让工具可被发现。结果是:任何工具都能被任何 Agent 用自然语言发现。

历史不会简单重复,但常常押韵。

这对构建 Agent 的团队意味着什么

💻

面向 Agent 开发者

不要再硬编码工具集成。使用发现层,让 Agent 在运行时找到合适能力,并自动路由到最佳服务商。

查看 QVeris 如何工作 →

🏢

面向企业团队

调查显示 Agent 获得广泛关注并开始采用,但生产成熟度并不一致。真正的问题是哪些工作流适合 Agent,以及身份、权限、评测和运营体系能否安全支撑。

探索能力 →

🧪

面向 AI 研究者

智能问题正在被逐步解决。真正值得投入的,是 Agent 如何发现、协调和共享能力的基础设施问题。

阅读完整研究 →

当一个物种形成社会时,新的需求出现了

💬 沟通

并行运行的 Agent 需要知道彼此正在做什么,以及各自已经具备哪些能力。缺少共享认知时,多 Agent 系统会变成重复、冲突的行动。

🔍 发现

处理金融数据的 Agent 可能知道 Alpha Vantage,却不知道 Polygon、Finnhub 或 Tiingo 的存在。这不是智能问题,而是可见性问题。Agent 并不笨,只是看不见。

🔀 路由

当三个服务商都提供同一种能力时,Agent 需要成功率、延迟、成本等质量信号来智能路由。没有信号,路由是随机的;有了信号,路由才是优化。

🕸 协调

复杂工作流需要 Agent 共享经验、移交任务,并在彼此的方案之上继续推进。这需要共享基础设施,而不只是孤立运行的更聪明的个体 Agent。

“Agent 基础设施”究竟包括什么

这里所说的基础设施远不只是工具搜索。生产级 Agent 还需要身份、委托权限、能力元数据、schema 检查、路由、执行隔离、状态、交接契约、可观测性、评测、预算与恢复。发现层回答“什么能力可能完成任务”,其他层则判断它此刻是否被允许、是否匹配、是否可靠和安全。

控制平面

身份、政策、最小权限、审批、预算、租户、审计留存,以及谁可以修改 Agent 的能力范围。

能力平面

发现、描述、schema、provider 覆盖、质量信号、版本、成本、延迟和回退兼容性。

执行平面

参数校验、沙箱、幂等性、超时、重试、结果验证、来源血缘、回滚和事故响应。

“物种”比喻的边界在哪里

Agent 不会像生物物种那样自行形成社会。组织设计它们的目标、工具、记忆、权限、激励与通信渠道。这个比喻有助于说明协调需求,但也可能掩盖责任:当 Agent 造成损害时,责任仍属于选择、部署和治理系统的人与组织。

Agent 越多可能越差

并行可能扩大覆盖,也会增加重复调用、冲突动作、上下文丢失、延迟和成本。对于强耦合任务,一个可观测性完善的单 Agent 可能更好。

发现不等于授权

找到可用工具并不代表有权调用。运行时搜索必须受白名单、数据权利、用户范围、provider 条款和审批政策约束。

路由信号可能误导

历史成功率、延迟和成本只是有限代理指标,可能漂移、偏向简单任务或掩盖覆盖不足。路由需要任务专项评测和结果验证。

可执行的多 Agent 协调契约

拆分工作前,应定义共享任务 ID、目标、输入证据、子任务负责人、允许能力、输出 schema、截止时间、Token 与资金预算、依赖、交接条件、冲突规则和终止条件。Agent 之间应交换结构化状态和证据引用,而不是无限增长的对话历史。

评测整个系统,而不只是单个 Agent

测量端到端成功率、无依据结论、重复工作、交接丢失、冲突写操作、权限违规、终止、延迟、成本、人工干预和恢复。单个都准确的 Agent 组合后仍可能整体失败。

优先选择最小充分架构

先从一个 Agent 和确定性工具开始。只有当任务拆分、独立上下文、并行执行或权限隔离带来的可测收益超过协调开销时,才增加专用 Agent。

采用趋势数据的证据与限制

本页数字描述的是不同样本,不能合并成一个通用采用率。PwC 2025 年 5 月调查覆盖 308 位美国高管,其中 79% 表示所在公司正在采用 Agent。Salesforce 2025 年 9 月的 Agentic Enterprise Index 报告,其产品中的先行企业在 1—6 月 Agent 创建量增长 119%。NVIDIA 2026 年 2 月发布季度收入,并引用 CEO 对“Agentic AI 拐点”的判断。Gartner 把多 Agent 系统列入 2026 年十大技术趋势。它们分别衡量不同信号,也各自带有调查、厂商数据或预测背景。

PwC AI agent survey

调查措辞、样本量、采用与价值结论。

Salesforce Agentic Enterprise Index

Agentforce 先行企业使用数据与 119% 创建量增长口径。

NVIDIA fiscal 2026 results

本页引用的季度收入与 CEO 表述。

Gartner 2026 technology trends

将多 Agent 系统列入 2026 年技术趋势的官方公告。

常见问题

2026 年的 Agentic AI 生态系统意味着什么?
Agentic AI 生态指能够选择工具并完成多步骤工作流的一组不断扩大的 Agent。采用数据需要上下文:PwC 2025 年对 308 位美国高管的调查中,79% 表示所在公司正在采用 AI Agent。这不等于 79% 已完成企业级自治部署,也不能推广到所有组织。
为什么 AI Agent 需要基础设施,而不只是更好的模型?
模型仍需要受控的数据与工具访问、身份、权限、路由、验证、可观测性和恢复。QVeris 在某项内部基准中观察到加入能力发现后解决率由 33% 变为 68%。这是特定产品场景观察,不是独立行业结论;团队应使用自身任务复测。
什么是多 Agent 协同?为什么它很重要?
多个 Agent 需要明确的任务归属、共享状态、交接契约、权限、冲突处理、预算和终止条件。共享基础设施可以帮助可拆分工作,但多 Agent 也会增加延迟、成本、重复工作和新故障模式。只有评测证明有收益时才应采用。
能力路由网络和 LangChain 有什么不同?
LangChain 是一个 Agent 编排框架 — 它管理 Agent 如何推理和串联步骤。能力路由网络位于其下:它是发现和执行层,让 Agent 能够查找和调用真实世界的工具,无论它们使用哪个编排框架。LangChain 回答"我如何串联步骤?"路由网络回答"我应该调用哪个工具?" — 它们在 Agent 栈的不同层次运行。
什么是 Agent 工具发现问题?
AI Agent 只能使用它们已经知道的工具 — 通常是开发者在构建时硬编码的内容。当新工具被添加时,Agent 仍然不知道。能力路由网络通过让 Agent 使用自然语言在运行时跨 10,000+ 已验证工具进行搜索来解决这个问题 — 就像搜索引擎让人类找到他们从未访问过的网页一样。发现将 Agent 从封闭世界系统转变为开放世界系统。

档案链接有效不代表已获访问权限、字段可用、价格确定或当前调用成功;执行前须检查当前契约。

当 Agent 成为一个物种 | QVeris Guides