智能體互聯(lián)網(wǎng)（Agentic Web）
1.引 言
隨著大模型在多模態(tài)理解、邏輯推理等方面的進(jìn)一步發(fā)展，Agent 或?qū)⒃?2025 年迎來大規(guī)模落地應(yīng)用，替代人類自主解決越來越多的日常工作。人工智能（AI）專家普遍認(rèn)為，2025 年將是智能體（agent）爆發(fā)之年。
2024年底，Gartner 也將 agentic AI 列入了 2025 年十大技術(shù)趨勢之一，并預(yù)測 2028 年將至少有 15% 的日常工作決策由 agentic AI 自主完成，而這一數(shù)字在 2024 年為 0。
在CES 2025，黃仁勛也強調(diào)2025年Agent將會有許多商業(yè)化應(yīng)用。
本文從Agent展開，重點介紹Agent組網(wǎng)（Agentic Web）的相關(guān)發(fā)展。
2.什么是 AI Agent
根據(jù)OpenAI前安全研究副總裁Lilian Weng的博文，Agent =大語言模型（LLM）+規(guī)劃（planning）+記憶（memory）+工具（tools）+行動（Action），在大語言模型（LLM）驅(qū)動的Agent系統(tǒng)中，LLM充當(dāng)Agent的大腦，并由Planning（規(guī)劃）、Memory（記憶）、Tools（工具）、Action（動作）等幾個關(guān)鍵組件組成。
3.多 AI Agent 協(xié)作
隨著單個Agent具有很大的自主性，研究人員逐步發(fā)現(xiàn)可以通過多個Agent之間協(xié)助完成并解決一些問題。
2023年斯坦福大學(xué)的人機交互研究小組創(chuàng)造了一個包含25個Agent的AI小鎮(zhèn)，用以模擬社會互動。這個AI小鎮(zhèn)設(shè)有大學(xué)、公寓、咖啡館和書店等基礎(chǔ)設(shè)施，Agent在其中居住并進(jìn)行日?；顒?，盡管他們沒有意識到自己生活在模擬環(huán)境中。這些Agent不僅能去工作、閑聊、組織社交活動、結(jié)交新朋友，甚至能墜入愛河，每個Agent都有獨特的個性和背景故事。通過這種社會化模擬，展示了Agent在復(fù)雜的人類社交環(huán)境中的適應(yīng)能力和行為多樣性。
清華大學(xué)的研究團隊嘗試了AI員工的一些早期探索，他們打造了一個名為ChatDev的虛擬軟件公司，由各種具有不同角色的Agent運作,包括CEO(首席執(zhí)行官)、CPO(首席產(chǎn)品官)、CTO(首席技術(shù)官)、程序員、代碼審查員、測試員和藝術(shù)設(shè)計師等。這些Agent組成了一個多代理組織結(jié)構(gòu),被設(shè)定了一個使命是“通過編程革新數(shù)字世界”。
復(fù)旦大學(xué)的技術(shù)團隊開發(fā)了一個名為AI2Apps的一站式AI員工開發(fā)與端側(cè)服務(wù)平臺，將Devin的開發(fā)模式復(fù)刻到了任何崗位的AI員工上。團隊自研了一套基于瀏覽器的Agent操作系統(tǒng)，提供全套的開發(fā)人員工具，包括終端、文件管理、Agent調(diào)試、代碼編輯器和瀏覽器沙盒環(huán)境等，讓開發(fā)者能在“建筑師Agent”的主導(dǎo)下完成任何崗位AI員工團隊的構(gòu)建與組合。經(jīng)過AI2Apps的端側(cè)部署后，AI員工可以通過瀏覽器在各種用戶設(shè)備中既“無所不能”又“有所不為”，模擬人類員工辦公的同時又避免了直接操控用戶設(shè)備。
上面的多 agent 系統(tǒng)，都是在自己的“局域網(wǎng)”組成的系統(tǒng)，而如果所有的Agent都在目前的互聯(lián)網(wǎng)上，我們還需要全球公認(rèn)和采用的協(xié)議，這些協(xié)議應(yīng)該得到普遍認(rèn)可和實施，以便協(xié)調(diào) agent 能夠安全、合乎道德地與其他企業(yè) agent 進(jìn)行溝通、協(xié)商和合作，并使雙方互惠互利。這種“合奏”級別的參與必須快速、高效和公平。如果沒有這樣的協(xié)議，往好了說，我們會面臨 agent 與 agent 之間的“垃圾郵件”風(fēng)險，往壞了說，我們會面臨欺詐和其他危險。
4.AI Agent 互聯(lián)網(wǎng)
正如互聯(lián)網(wǎng)把全世界所有信息和人連接在一起，物聯(lián)網(wǎng)把所有設(shè)備連接在一起，一個統(tǒng)一的智能體平臺可以把散落在世界各地的Agent連接起來。
但是“互聯(lián)網(wǎng)Agent”可能有不同的架構(gòu)、運行于不同的設(shè)備、有不同的能力，同時在數(shù)量和功能上飛速演進(jìn)，但目前單個智能體更多處于“孤島”的相對隔離狀態(tài)，智能體之間的互相發(fā)現(xiàn)、大規(guī)模自由協(xié)作，還沒有先例。多智能體局域網(wǎng)協(xié)作，盡管已經(jīng)顯示了巨大的應(yīng)用潛力，卻依然存在著三重限制：
- 只允許接入內(nèi)部定義的智能體。
- 大多數(shù)多智能體系統(tǒng)在一個設(shè)備上模擬多個智能體?，F(xiàn)實場景更迫切的需求，是分布在多個設(shè)備和位置的智能體通過“網(wǎng)絡(luò)”進(jìn)行協(xié)作。
- 大多數(shù)多智能體系統(tǒng)的溝通機制單一，或者需要用戶進(jìn)行指定。溝通和多輪的信息交換，非常的不靈活。
為了跨過這些障礙，許多研究機構(gòu) 都希望提出類似Http的協(xié)議，統(tǒng)一將世界各地的Agent 通過協(xié)議連接起來。
IoA（Internet of Agents）
清華大學(xué)某AI團隊推出了LLM驅(qū)動的智能體互聯(lián)網(wǎng)（Internet of Agents, IoA），這是一個受互聯(lián)網(wǎng)啟發(fā)的智能體通信和協(xié)作通用框架。簡單來說，IoA 創(chuàng)建了一個可以自由注冊、互相發(fā)現(xiàn)的Agent協(xié)作平臺，并且讓智能體之間協(xié)作再向上構(gòu)建，對原來Agent協(xié)作工作流（Work Flow）進(jìn)行三個方向擴容，跨設(shè)備、更多異質(zhì)Agent開放互聯(lián)、協(xié)作組織方式高度靈活，從而在更高維度上形成智能體互聯(lián)網(wǎng) Internet of Agents（IoA）。
IoA 的核心由兩個主要組件組成：服務(wù)器和客戶端。服務(wù)器作為中心樞紐，管理智能體注冊、發(fā)現(xiàn)和消息路由，確保具備不同能力的智能體能夠互相發(fā)現(xiàn)并發(fā)起通信?？蛻舳藙t作為單個智能體的包裝，提供必要的通信功能，并適應(yīng)指定的溝通協(xié)議。IoA能夠?qū)崿F(xiàn)智能體注冊與發(fā)現(xiàn) 、自主嵌套團隊組建、自主會話流程控制、任務(wù)分配與執(zhí)行等功能。
MCP（Model Context Protocol）
Anthropic 提出了一種MCP協(xié)議，以模型為核心，整個互聯(lián)網(wǎng)都是他的上下文與工具（如下圖所示）。MCP允許任何一臺Server通過Web Apis訪問互聯(lián)網(wǎng)提供上下文信息。
Agora Protocol
異構(gòu)的LLM 之間的通信效率低下，嚴(yán)重制約了 AI Agent網(wǎng)絡(luò)的規(guī)?；瘧?yīng)用，來自牛津大學(xué)的研究團隊提出的 Agora 協(xié)議，為解決這一難題提供了創(chuàng)新方案。
具體步驟為：
- 定義協(xié)議文檔（PD）：創(chuàng)建 PD 來描述通信協(xié)議，使 LLM 能夠理解和遵循協(xié)議。
- 實現(xiàn)多層次通信策略：根據(jù)通信頻率和任務(wù)復(fù)雜度，選擇自然語言、LLM 編寫的例程或人工編寫的例程進(jìn)行通信。
- 自動協(xié)商與實現(xiàn)協(xié)議：代理之間通過自然語言或 PD 中定義的例程自動協(xié)商和實現(xiàn)通信協(xié)議。
- 協(xié)議的涌現(xiàn)與共享：鼓勵代理生成和共享 PD，以促進(jìn)自組織協(xié)議的涌現(xiàn)和網(wǎng)絡(luò)的自我優(yōu)化。
- 成本效益分析：評估 Agora 協(xié)議相對于純自然語言通信的成本效益。
ANP（Agent Network Protocol）
國內(nèi)方面，提出了一種ANP，愿景是定義智能體之間的連接方式，為數(shù)十億智能體構(gòu)建一個開放、安全、高效的協(xié)作網(wǎng)絡(luò)，成為智能體互聯(lián)網(wǎng)時代的HTTP。
- 身份與加密通信層：基于W3C DID（Decentralized Identifiers，去中心化標(biāo)識符）規(guī)范，在現(xiàn)有成熟的Web基礎(chǔ)設(shè)施上，構(gòu)建一個去中心化的身份認(rèn)證方案和端到端加密通信方案。它可以讓任意平臺之間的智能體進(jìn)行身份認(rèn)證，而不依賴于任何中心化系統(tǒng)。
- 元協(xié)議層：元協(xié)議即協(xié)商智能體之間通信協(xié)議的協(xié)議。是智能體網(wǎng)絡(luò)演進(jìn)為自組織、自協(xié)商的高效協(xié)作網(wǎng)絡(luò)的關(guān)鍵。
- 應(yīng)用協(xié)議層：基于語義網(wǎng)相關(guān)規(guī)范，讓智能體能夠描述其他能力與支持的應(yīng)用協(xié)議，并且高效的管理這些協(xié)議。
此外，AutoGPT和W3C 也各自定義了Agent Protocol設(shè)計的目標(biāo)，不過都在萌芽階段。
5.總 結(jié)
從上面的分析可以看出，目前基于Agent提出的互聯(lián)網(wǎng)協(xié)議都在實驗階段，可能各家都基于自身的產(chǎn)品都提出了各自的想法。隨著我們對大量Agent 協(xié)作的理解不斷加深，我們發(fā)現(xiàn)未來不是人類與人工智能的對決，而是人類與人工智能的協(xié)同合作，發(fā)揮各自的獨特優(yōu)勢。而建立多個Agent之間、Agent與人之間如何交互的協(xié)議也成為重中之重。
隨著互聯(lián)網(wǎng)的逐步發(fā)展，我們已經(jīng)走過Web 1.0、2.0、3.0，前兩代?絡(luò)專注于信息傳播，Web 3.0通過去中心化和區(qū)塊鏈等技術(shù)，用戶能夠真正擁有自己的數(shù)據(jù)，可以自由決定數(shù)據(jù)的使用方式、分享對象等，同時也能更好地保護(hù)自己的隱私，?現(xiàn)在通過Agent組網(wǎng)則通過?型語?模型（LLM）賦予了智能，因此有專家提出我們正在進(jìn)入“Web 4.0”時代。
