创始人故事 · Agent 基础设施
前 Liblib CTO 构建 Agent 时代基础设施
评估 QVeris 如何把 Agent 意图转化为受治理的能力发现、检查与真实工具调用。
为什么离开一家成功的公司？
AI 图像平台运转良好。
Liblib 已发展成为中国最受欢迎的 AI 图像生成平台之一。产品在增长，团队实力雄厚，市场也在扩大。那么，为什么要离开？
基础设施的缺口十分明显。
三个观察促成了这一决定，也揭示了共享能力路由层的必要性。
因为 AI 的下一个十年不只是生成图像，而是能够采取行动的 Agent。而采取行动的 Agent 需要基础设施，才能大规模发现、路由并执行真实世界的能力。
观察一
Agent 数量迅速增加。各大模型实验室都在推出 Agent 功能，开发者也在构建 Agent 产品，生态系统正在快速形成。
观察二
工具高度碎片化。面向 Agent 的 API 超过 10,000 个，却分散各处、缺乏索引且互不兼容，没有统一的发现与路由机制。
观察三
机会窗口已经打开。基础设施层往往在早期建立，随后成为默认选择。为 Agent 构建能力路由网络的窗口已经打开，但不会永远存在。
愿景：Agent 时代的行动基础设施
面向 AI 工具的 Kubernetes + Zapier + Homebrew
像 Kubernetes 一样
标准化 Agent 发现能力并路由至能力的方式，就像 Kubernetes 标准化服务之间的发现和路由一样。通过一个控制平面管理所有工具访问。
像 Zapier 一样
将 Agent 连接到数千种真实世界的工具和服务，无需逐一编写自定义集成。一次连接，访问全部能力。
像 Homebrew 一样
提供可信且经社区验证的能力注册表，让 Agent 和开发者找到并安装所需能力。经过验证、支持版本管理，随时可调用。
但它是专为 AI Agent 构建的，而非由其他系统改造而来。
我们正在构建什么
面向 Agent 生态系统的共享基础设施层。
能力发现
面向工具的语义搜索引擎。Agent 用自然语言描述需求，QVeris 返回附带质量信号的排序结果。无需记忆 API 名称，也无需四处查找文档。
智能路由
当多个供应商提供同一种能力时，QVeris 根据任务要求、供应商可用性、成本、延迟和成功率，将请求路由到最匹配的选项。不是随机选择，也不是写死配置，而是经过优化。
沙箱执行
每次工具调用都在隔离沙箱中运行，包含参数校验、身份验证处理和一致的 JSON 输出。所有能力使用同一种协议，无需逐家解析供应商结果，避免流程中断。
完整审计记录
从第一天起就内置唯一执行 ID、会话级追踪和完整调用记录，用于调试、成本跟踪与合规。每次调用都有记录，每项结果都可追溯。