无面之网：重新想象 Agent 网络
“我们需要一个 AI 版的 App Store。”
这是一种很自然的行业推演：从 Salesforce 的 Agentforce，到 OpenAI 的 GPT Store，科技巨头们似乎都在重复一个相似的剧本：建立一个中心化的市场，让用户可以轻松获取 AI Agent，让开发者能够分发他们的创造。
这个思路看起来再自然不过。毕竟，App Store 模式在过去 15 年里取得了巨大的成功：它重塑了软件分发的规则，创造了数千亿美元的经济价值，成为每个平台公司的标配。如果这个模式能够在移动互联网时代取得成功，为什么不能在 AI 时代再次成功？
但这个自然的类比可能会误导我们。
事实上，AI Agent 的分发范式将与 App Store 有着本质的不同。这个判断并非基于市场竞争或商业模式，而是源于 AI Agent 的三个根本特性：
- 首先，Agent 不是标准化产品。
- 其次，Agent 的主要交互对象不是人类。
- 最后，Agent 更像是即时生成的服务而非预制的产品。
这些特性意味着我们需要重新思考软件的生产、分发和使用方式。让我们逐一理解这些特性，看看为什么 AI 时代需要一个全新的网络范式。
从标准化到定制化：为什么统一市场将不再有意义
关于 AI Agent 的第一个误解是认为它们会像 App 一样是标准化产品。事实并非如此。与为所有用户提供相同体验的 Instagram 或 Slack 不同，Agent 本质上是非标准化的。这种转变源于 AI 越来越强悍的代码能力，它能够以传统软件开发无法企及的规模实现快速、定制化的开发。
我们很容易在各种 Agent 相关的产品演示中看到这样的例子。比如 Salesforce Agentspace 强调客户可以用自然语言创建一个新的、定制化的 Agent，与业务场景需求、数据和上下游高度关联，也可以随着业务发展变化而被再次迭代。虽然实际效果受限于现在的模型能力，可能会打折扣，但它描绘的愿景显然颠覆了前代的软件开发范式。
新的开发范式源自于两点：一是 Gen AI 能够接入更加广泛的非结构化数据源，并且用模型能力进行推理、计算和处理，二是 AI Coding 能力使得它可以将自己推理得到的认知与系统的其它部分连接起来，成为工作流下一步的输入。这两点能力在过去并不存在，在这些前提条件成立之后，也就解锁了更多需要定制化开发的需求场景。
它的影响是：对于本质上针对每个使用场景都是独特的产品来说，集中式分发平台就失去了意义。App Store 之所以有效，是因为每个人用的都是同一个 Instagram——也只有所有人都使用同一个 Instagram，Instagram 自身才有经济价值；但当每个 Agent 都是定制的时候，集中分发的价值就大大降低了。
从人机界面到机器界面：Agent 的真正用户是谁
我的另一个判断是：AI Agent 的主要交互对象并不是人类。虽然这可能看起来违反直觉，但 AI Agent 的未来很大程度上在于 Agent 之间的通信和协作——也就是我们在 Orchestration 这一层上看到的。
Agent 之间并非机械连接。正如人类的协作是一种动态的、随机应变的过程，Agents 也需要根据需求输入而改变内部的工作流，尽管这种改变对于人类而言并不可见。
Anthropic 发布的 Model Context Protocol 也是在这个方向上的一个关键步骤：它试图提出面向 Gen AI 的标准数据协议，降低通信摩擦。他们这样写道：
MCP 支持开发能够代表用户执行任务的 AI 代理，方法是维护不同工具和数据集之间的上下文。此功能对于创建更自主、更智能的 AI 系统至关重要。
总之，模型上下文协议具有开创性，因为它标准化了 AI 模型与各种数据源的集成，提高了性能和效率，并支持开发更自主的 AI 系统。它的普遍适用性和开源性质使其成为推进 AI 技术的宝贵工具。
其中”更自主、更智能”这个描述很重要。MCP 中的 P 是 Protocol，它在整个系统中的位置可能和 HTTP 这样的协议更相近——后者是整个互联网的基础。诚然，HTTP 上也运行着大量机器之间的通信，但它是完整暴露在普通人类用户面前的：每一个网址前面都有这几个字符。而 MCP 则不会有这样的待遇：它是一个面向机器间通讯的协议，普通用户对它并没有什么感知。
这意味着对软件认知的根本转变：传统应用程序是围绕人类交互模式构建的；而未来的 Agent 将针对机器间通信进行优化；大部分用户只需要接触非常简单的人机界面，而不需要接触 Agent 之间间交互。
从持久性到临时性：流动的代码
与传统软件在我们设备上持久存在不同，许多 Agent 将是临时构造，仅在运行时存在。它们更像是构建模块或原子能力，而不是固化的代码仓库。
还是用互联网来打比方：在社交媒体出现之前，文本、图片和视频都比现在要更加神圣：它们往往以更加正式的形式出现，需要中介性结构（比如出版商）准入，经过较长的制作时间，才会公之于众。我们现在看到的软件开发流程也是如此。
社交媒体和 For You Page 出现后，内容变得越来越随意，中介机构的角色不再是准入，而更多是以流量杠杆进行调节，内容的篇幅快速缩短，创作门槛越来越低，同时，内容的生命周期也越来越短。最流行的短视频往往是爆炸性新闻现场的围观者拍摄的，这些内容几乎没有任何重复消费的价值。创作者 / IP 的生命价值比单个内容的生命周期更长一些，但也仍然需要面对持续的竞争，很难像过去那样保有长时间的声誉。
Agent 很可能和短视频的状况很像，当然不是说它有多少娱乐价值，而是说它的生命周期很短，因而不大可能再采用原来的生产模式。大量的 Agent 将是即时生成的，而非 App Store 上的软件“预制”生产。从经济模型角度考虑，它已经和现有的软件开发模式大不相同：软件研发在一段时间内（比如说：一年开发一个大版本）是可以资本化的支出，而实时生成的 Agent 则是变动成本。这就需要：
- 一小部分需要频繁、反复使用的 Agent 沉淀下来，仍然遵循现有的软件开发模式。
- 大部分长尾 Agent 采用新的实时生成的模式，直到它们被发现具有反复使用的价值。
这个模式的好处在于它具有涌现性：长尾 Agent 提供了一个庞大的候选池，通过和其它 Agent 的交互而被发现。
目前的 AI Coding 能力显然还无法支撑高度定制化、近乎实时的新生产模式。除了模型能力需要不断提高之外，也需要理解：未来并不是均匀分布的，Agent 或许是生而平等，但最终仍将遵循幂律分布。无论它们是不是具有真正的智能，都仍有可能构建出一种与生物自然和人类社会相近的拓扑结构。
这种结构更像什么呢？
更好的比喻：价值驱动的网络
Agent 已经被比喻为“数字员工”，那么 Agent 形成的网络是否就像是一个数字版的 LinkedIn？这个比喻看似自然，但可能误导我们对 Agent 网络本质的理解。
让我们看一个具体的例子。Coinbase 的创始人 Brian Armstrong 在 X 上问：谁在开发 LinkedIn for AI Agents？在近 700 条评论中，大家讨论最多的是真实性验证和排名机制。一家名为 agent.ai 的创业公司已经在尝试，它的 slogan 是 "The Professional Network for AI Agents"，本质上是一个数字劳务市场。
但这种设计可能忽略了一个根本问题：Agent 网络与人类社交网络有着本质的不同。人类社交网络之所以能够发展，是因为人类天生具有社交需求：我们需要自我表达，渴望他人认可。但 Agent 并不具备这样的社会心理动力。
那么，什么才是驱动 Agent 建立连接的核心动力？答案是：价值创造和交换。Agent 之间建立连接的唯一理由是它们能够通过协作创造更大的价值。这种价值可以是计算能力的互补、数据的共享、或是功能的组合。
我认为，4 个核心要素驱动了网络构建：
- 连接机制：什么在驱动节点之间产生相互连接？
- 激励系统：在网络中做好事会获得什么奖赏？
- 信任机制：节点的行为为什么是可信的？
- 关键节点：需要哪些关键节点在网络中扮演特殊作用（特别是在冷启动阶段）
在这个基础上，我们来看看 Agent 网络：
1. 价值驱动的连接机制
不同于社交网络中的“关注”和“好友”，Agent 网络中的连接应该基于具体的价值交换。比如，一个擅长数据分析的 Agent 可能会主动寻找那些能提供高质量数据源的 Agent，形成数据流和分析结果的双向价值流动。
2. 算力激励系统
网络需要一个清晰的激励机制来奖励有价值的行为。算力可能成为这个网络的基础货币：表现优异的 Agent 获得更多算力配额，这些算力既可用于执行任务，也可用于自我优化。这创造了一个正向循环：更好的表现带来更多资源，更多资源促进更好的表现。
3. 信任机制
在一个“无面”的网络中，信任不能建立在主观印象上，而必须建立在客观的度量和验证机制上。这包括：
- 能力证明：通过标准化测试验证 Agent 声称的能力
- 交易记录：记录每个 Agent 的历史表现
- 信用评分：基于历史表现计算可信度
- 惩罚机制：对作弊或虚假宣传的行为实施算力限制或网络隔离
4. 核心节点设计
任何网络的早期都面临着冷启动问题。在 Agent 网络中，一些核心节点（可能是由大型科技公司或领先的 AI 研究机构维护的基础 Agent）需要扮演“引力中心”的角色，通过提供基础服务和标准接口来吸引其他 Agent 接入。这些核心节点的可靠性和性能将决定整个网络的早期发展轨迹。
这四个要素相互作用，共同构建了一个自组织、自优化的网络生态。在这个生态中，价值创造是唯一的衡量标准，网络连接的强度直接反映了价值交换的规模和频率。这样的网络更像是一个“价值网络”（可能更像 Ethereum），而不是传统意义上的社交网络。
新范式与新机遇
当我们说 AI 时代不会有 App Store，并不是说平台机会的消失，而是在预示一种全新平台范式的诞生。这个范式建立在三个关键转变之上：从标准化到定制化，从人机界面到机器界面，从持久性到临时性。
在这个新范式下，平台的本质将发生根本性改变。传统平台的核心是连接和中介，而新平台的核心是算力和信任。这种转变带来了几个重要的机会方向：
算力市场
就像比特币通过挖矿将电力转化为数字货币，Agent 网络将通过某种机制把算力转化为网络价值。大型科技公司在这个领域具有天然优势：他们拥有海量算力资源，成熟的基础设施，以及核心的基础模型能力。但创业公司仍有机会在细分领域建立优势，特别是在：
- 算力调度优化
- 专业领域的模型训练
- 算力和效用的度量体系
信任基础设施
在一个“无面”的网络中，信任机制至关重要。我们需要新的方式来：
- 验证 Agent 能力的真实性
- 追踪和记录交易历史
- 建立声誉系统
- 处理争议和例外
这些都是全新的基础设施，需要从零开始构建。
价值捕获模式
新的经济模型带来了新的盈利机会。当软件从资本性支出转向运营性支出，当 Agent 的生命周期变得更短，传统的许可证模式将不再适用。创业公司需要探索：
- 基于使用量的动态定价
- 算力分成机制
- 网络效应的货币化方案
这张“无面之网”一定比 App Store 复杂，但与社交网络相比，很可能是一种更易理解、更可控的机制：传统的、以人为节点的平台思维是不够的，机器将更加纯粹的以价值创造和交换为核心来构建网络。