回顾2024年，AI Agents领域确实热闹非凡，从多智能体系统的研究成果，到企业落地应用的真实案例，再到各种部署方式的探索，整个行业都在快速演进。下面这份总结，正是基于这些实践提炼出的几个核心趋势——不扯虚的，全是干货。

企业正在采用 AI Agents，关键是如何部署

许多企业和初创公司都已经把Agent用到了产品里。简单来说，AI Agent就是能代表用户执行任务的系统，目的就是帮你省时间、省精力。下面几个例子很有代表性：

• 微软 Copilot Agent：和用户一起工作，提供建议、自动执行重复性任务，还能给出决策建议。
• Salesforce Agentforce：一个主动、自主的AI应用，可以给员工或客户提供7×24小时的专家级支持。
• Sema4.ai：当任务需要知识推理时，传统RPA就有点力不从心了——它缺乏判断和适应变化的能力。
• LinkedIn HR Assistant：招聘人员可以把找候选人、审简历这类耗时工作交给它，自己专注于更战略、更人性化的事。

这里最关键的是Agent的部署方式。绝大多数部署都把大语言模型（LLM）当作一个调度层——说白了，就是用LLM去"调用"现有的API。这意味着，以前你得手动点按钮、下载数据、上传到Salesforce、再生成报告，现在直接跟系统说句话就能搞定，背后靠LLM管道来执行所有点击操作。这种方法既保留了现有AI接口的可靠性，又减少了重复步骤，用户体验提升明显。当然，要在大规模生产中保证工具可靠，依然是个挑战。虽然离真正的自主助手还有距离，但这确实是迈出的第一步。

• 以前：用户要在产品里跟不同API和应用来回切换。
• 现在：LLM成了协调层，把自然语言请求转化成多次API调用，点击和中间任务大大减少。

Agent-Native 基础模型

今年有个有趣的现象：很多团队开始专门为Agent设计基础模型。一个好的Agent得做好几件事：规划（多步骤任务拆解推理）、使用工具、利用记忆、跟其他Agent通信。而现在的趋势是，这些能力正在被直接融入生成模型本身。

• OpenAI：o1模型强调推理、规划、任务拆解，这些以前分散在多个Agent动作里。年底又宣布了o3系列，推理能力更强。
• Gemini：Gemini 2.0 Flash原生支持用户界面操作，多模态推理、长上下文理解、复杂指令跟踪、函数调用、工具使用，延迟也明显改善。

另外，模型能做的事情也越来越广：多模态输出（Gemini 2.0 Flash同时输出文本、图像、音频）、ChatGPT高级语音模式、Meta的Movie Gen电影生成模型、Google Veo 2视频生成工具……这些都说明，有效的Agent不再只需要语言对话能力，规划、工具使用、协调这些必须内置。

• 以前：LLM只关注语言模型本身，规划、工具使用、任务分解都在模型外实现。
• 现在：模型从设计之初就带上了多步骤任务分解、规划、工具使用和多模态交互功能。

Interface Agents 成为主流

要说2024年商业Agent部署哪个领域最火，非Interface Agents莫属——就是通过驱动界面（网页、桌面操作系统）来完成任务的Agent。

• Kura AI、Runner H 等初创公司：发布了驱动浏览器解决问题的Agent。
• 微软 OmniParser：改进了Agent与GUI元素的交互。
• 新版AutoGen和AutoGen Studio：提供WebSurferAgent预设，通过驱动浏览器解决问题。
• ChatGPT屏幕共享模式：高级语音模式能通过屏幕共享了解屏幕内容。
• Anthropic Claude Computer Use：开发者可以指导Claude像人一样看屏幕、移动光标、点击按钮、输入文本。
• 谷歌 Project Mariner：结合多模态理解和推理，用浏览器自动执行任务。
• Browser Use extension：让AI Agent可以访问网站。

这类Agent通过自动执行现有应用里的重复性任务，能直接创造价值。以前Agent的行动空间大多来自编程工具和代码执行，现在直接操作用户界面成了主流。

• 以前：Agent行动主要靠编程工具。
• 现在：直接操作用户界面（Web、桌面）成为主要方法。

向复杂任务的转变与 Agent 框架的兴起

2024年，很多人对Agent系统的性能有点焦虑——是不是炒作大于实质？LangChain的调查显示，41%的受访者认为性能是使用Agent的主要瓶颈。这种担心的根源在于，不知道什么时候该用什么样的Agent架构。很多时候，根本不需要建一个Agent。

这一年也标志着从简单应用（比如用LangChain查天气）向更复杂场景（比如App开发、通用助理）的过渡。关键挑战是：如何为复杂任务选择合适的模式？比如实现分支逻辑、反思、元认知等行为。这些模式值得深入探讨。

为了应对这些挑战，一年内涌现了不少框架、指南和研究：

• AutoGen：开源的多智能体系统框架。
• Magentic One：基于AutoGen的高性能通用Agent系统，采用多Agent架构，由协调者制定计划、跟踪进度并指挥其他四个Agent执行任务。
• AutoGen Studio：原型设计、测试和调试多Agent应用的无代码工具。
• LangGraph：利用它设计能可靠处理复杂任务的Agent。
• OpenAI Swarm：轻量级多Agent协作框架。
• CrewAI：另一个多Agent框架。
• Pydantic AI：Python Agent框架，旨在减少生产级应用的开发痛点。

2024年AutoGen的核心重点是让各种多Agent模式的表达更容易，并提供构建模块。

• 以前：简单链和工具调用的序列模式。
• 现在：处理复杂多步骤任务的模式，需要规划、思考和协调。

端到端的 Agents Benchmarks

2024年推出的基准测试让我们了解了自主多Agent系统能处理什么任务、性能如何。CORE-Bench、WebArena、微软的Windows Agent Arena，都促使领域内更严格地评估Agent行为。这些基准测试有利有弊：专用Agent在垂直领域表现亮眼，但通用Agent仍难应对复杂开放式任务。在WebArena中，端到端任务成功率仅14.41%，而人类是78.24%。不过，年底一些基准测试出现了阶跃式进步——比如OpenAI的o3模型在ARC-AGI上拿下87.5分（人类基准85分）。尽管基准测试有很多缺陷，但依然是真正的AGI出现前的试金石。

• 以前：临时评估单个模块能力（语言、推理、工具使用）。
• 现在：综合任务完成的端到端Benchmarks。

展望2025会发生什么？

1. 模型能力层面提升

更多功能融入模型的趋势会继续。比如，很可能会看到擅长适应性和个性化模型的模型，能明智地决定存什么、什么时候存、怎么高效检索——高效使用记忆。

2. Agent 架构更加可靠性

如果说2024年是Agent成为可行解决方案的一年，那2025年将是Agent成为特定问题领域最佳性能解决方案的一年。在一套多Agent系统开发模式上达成共识，会帮我们实现目标。模式演化可能分阶段：

• 阶段一：基础能力，简单任务（可视化生成、文件转换）作为基石；
• 阶段二：解决更复杂问题（综合数据分析、公司研究、自动订餐订航班）；
• 阶段三：整合，引入能可靠处理所有任务的通用助手。这些系统类似于Sam Altman提到的那种，也是Magentic One等早期系统的前身，融合了前期经验。随着技术栈优化，成功模式会出现并标准化，纳入库和框架，为何时使用特定方法提供明确指导。

3. Agent 市场兴起

将出现可复用的Agent和Agent市场，尤其针对常见问题（研究、内容生成、应用开发）。这个生态可能包括初创公司的商业产品和开源实践。虽然可能给初创公司带来挑战，但也会促进竞争和创新。