近期，硅谷在“Agent 工具箱”領域動作頻頻，OpenAI、Google、Anthropic 三大模型公司紛紛發力，引發行業高度關注。10 月 6 日，OpenAI 在開發者日上推出 AgentKit 等一系列工具，為開發者構建獨立 AI 或 Agent 產品提供支持；兩天后，Google 發布 Gemini CLI（命令行交互）Extensions，完善其開發生態；10 月 16 日，Claude 推出 Claude Skills，讓用戶無需編程，通過“文件夾系統”即可定義工作流。這些動作背后，是模型升級后，如何用好新能力的迫切需求。

核心模型廠商之外，“Agent 工具箱”也成為硅谷創業的熱門領域。今年夏天，開源 AI 框架公司 LangChain 融資 1 億美元，躋身新獨角獸行列；語音模型提供商 ElevenLabs 賣員工老股，最新估值達 66 億美元；OpenAI 更是以 11 億美元全股收購 ABtest 和 AI 應用評估（evals）工具公司，其創始人維賈耶·拉吉出任 OpenAI 應用業務線 CTO。

為深入探討 Agent 工具鏈（Agentic Tooling）的發展趨勢和美國創業實踐，我們邀請了常駐硅谷的 AGI House 合伙人 Henry Yin 和 Naomi Xia 進行交流。Henry Yin 畢業于清華姚班，后赴伯克利攻讀博士，期間退學創辦思碼逸（Merico），長期關注 Agent 工具鏈與應用層創新，目前正籌備社區型基金 MoE Capital，探索下一代 AI 創業與投資模式。Naomi Xia 畢業于沃頓商學院，曾任職于摩根大通 AI 投融資團隊，現負責 AGI House 早期投資，已投資 20 多家公司，其中就包括 Composio 和 Livekit。

Henry Yin 梳理了 Agent 工具鏈領域的“6 次進化”。他認為，Agent 工具的發展始終圍繞模型能力的躍遷。ChatGPT 的發布催生了 LangChain 框架，Anthropic 提出的 MCP 協議為 Composio 轉型提供了契機，GPT-4o 推出高級語音模式則讓 LiveKit 迎來爆發式增長。隨著模型升級間隔越來越短，機會涌現的節奏也在加快。

在 Agent 工具鏈中，AgentKit 備受關注。Henry Yin 指出，此次 OpenAI 推出的 AgentKit 涵蓋了整個 Agent 開發周期。構建環節，新推出的 Agent Builder 是一個可視化工具，通過拖拽就能快速搭建 Agent；前端部署方面，ChatKit 允許開發者在自己的應用中快速嵌入類似 ChatGPT 的聊天界面，與 OpenAI 的模型實時交互；上線后的持續維護、優化，OpenAI 提供了監控、評估和改進的一套工具，新增 datasets（數據集管理）、自動 prompt 優化（自動提示詞優化）、Trace grading（痕跡分級）、以及 reinforcement fine tuning（強化微調）等功能。其中，Trace grading 備受關注，它通過寫 grading（評價函數），判斷用戶與 Agent 交互流程中哪些做得好、哪些不好，并給出標簽或評分，評分可以手動打，也可以讓 LLM 來做評審。

對于 Agent Builder，有人認為其思路與 AGI 有分歧。大部分人認同，最終的智能體應該是高度自動化、能執行多步任務、持續使用工具的，這需要將人工手寫的流程吃到模型里，而 Agent Builder 是先畫流程圖。不過，Henry Yin 認為，雖然對追求研究者來說，AgentKit 并不性感，但對大客戶來說，它安全、好理解、能落地，因此具有一定的市場競爭力。

除了 AgentKit，Apps in ChatGPT 和 Apps SDK 也是 OpenAI 開發者日的重磅發布。ChatGPT 負責人 Nick Turley 表示，ChatGPT 有潛力變成個操作系統。Henry Yin 認為，把 ChatGPT 當做操作系統并非首次炒作，兩年前的 CustomGPTs 就曾有過類似嘗試，但最終多數 GPTs 只是帶 logo 的一個 prompt 模板，因為當時調用外部數據麻煩，也不能用第三方服務、存儲狀態、發送通知或運行工作流。而此次有了 AgentKit 和 Apps SDK，ChatGPT 類似 iOS 的開發 SDK，終于可以調用外部工具，還補上了 UI 組件，是一個真正的平臺，也有了一套更完整的工具箱。更重要的是，ChatGPT 官方公布的周活有 8 億，開發者做出的好應用能立刻觸達大量用戶，冷啟動問題會小很多，同時還能獲得大企業的信任背書，進入大型企業采購流程。

在市場競爭方面，2024 年 Anthropic 搶走了不少 OpenAI 的 to B 份額，此前 OpenAI 給外界印象也是在 to C 超級應用上更激進。但 Henry Yin 認為，OpenAI 不會放棄 to B。一方面，ChatGPT 周活 8 億，已經是“操作系統級”的流量入口；另一方面，Anthropic、Google 都在猛推企業側和開發者側，OpenAI 面臨生態壓力。而且，B 端數據和使用偏好對提升模型也很重要，很多 C 端用戶也是在生產力場景里使用 ChatGPT，B 端數據的反饋也能反哺這塊。從團隊變化也能看出 OpenAI 對 to B 的重視，他們新成立了“The Future of Work”的團隊，專門加速 AI 在各種商業場景的落地，如客服、合同審核、數據分析、商業線索轉化等。

此次發布后，創業者既看到了機會，也感受到了壓力。機會在于，新平臺把創業者和開發者和用戶拉得更近；壓力則來自兩個方面，一是數據與留存的不對稱，現在 app 的上下文與數據多托管在平臺方，初創團隊拿到的只是有限的上下文調用，難以真正建立用戶關系、優化留存；二是平臺自己下場做的可能性，像 OpenAI 掌握完整的數據和用戶對話記錄，平臺上那些看起來很有潛力的機會，也有可能被 OpenAI 直接吃掉。不過，大家對 Google 反而沒那么擔心，認為 Google 做應用的速度追不上初創公司，而 OpenAI 節奏快得多。

在 Agent 工具鏈領域，具體的發展脈絡也十分清晰。Henry Yin 認為，Agent 工具的發展始終圍繞模型能力的躍遷，大致經歷了六次主要升級。2022 年底，ChatGPT 和 GPT-3.5 發布，全球第一次直觀感受到 LLM 的力量，LangChain 等框架出現，提供腳手架讓開發者可以更快構建應用；2023 年 6 月，OpenAI 首次在 API 里官方支持 function calling（工具使用），LLM 開始能按上下文需要調用外圍工具；2024 年 11 月，Anthropic 發布 MCP 協議，讓工具在不同模型間更易復用；2024 年 5 月，GPT-4o 的 Advanced Voice 模式推出，高質量語音交互雛形出現，帶火了實時音視頻傳輸需求，LiveKit 迎來爆發式增長；2024 年 Claude 3.5 Sonnet 的發布和迭代帶來了 Cursor 的成功，AI 寫代碼能力大幅增強，對“安全執行代碼”的沙盒環境需求暴漲；2024 年 10 月，Anthropic 率先發布 Computer use 模型，隨后 OpenAI 推出 Operator，Agent 終于能像人一樣用瀏覽器完成任務。

在工具調用方面，最早 OpenAI 在 2023 年 6 月推出 function calling，現在更主流的協議卻是 Anthropic 發起的 MCP。這是因為 Claude 在“怎么把 tool use 做強”上花了很多時間，過程中沉淀出 MCP。對于下一次進化，Henry Yin 認為很難預測，但相對確定的是，所有大模型廠商都會繼續加注 Agent 能力，包括推理、工具使用和語音等方面，另外，多模態也會更深融合。

在第三方創業公司方面，也有很多值得關注的方向。Naomi Xia 投資的 Composio 就是其中之一。Composio 是 MCP 的集成商，能提供高質量 MCP Server，不止能調工具，更能保證任務的可靠執行。它分為平臺和偏 prosumer（消費者 + 生產者）的產品 Rube 兩部分。平臺方面，開發者通過編程把平臺上的 MCP Server 接到自己的 Agent；Rube 最近增長很快，因為它解決了在 Cursor 中只能同時調用 3 個 MCP Server 的痛點，提供了 metaMCP Server，可以根據任務自動調用正確的 MCP Server。Composio 一開始想做“自動生成集成代碼”的智能體，但代碼準確度不夠，發現原因是模型調用工具的過程不穩定，于是轉向搭建智能體的技能層，把通用工具封裝成可直接調用的技能。憑借高質量技術演示和社區驅動，它迅速出圈，最終拿到光速創投（LSVP）領投的 A 輪投資，2024 年 6 月產品上線時已積累 ClickUp、Gleam 等早期客戶。

除了 Browser Use，語音也是智能體工具領域的重要方向。現在全球每天約 100 億次通話，很大一部分是商業通話，面向企業服務的 AI 機會很大，同時個人助理或情感陪伴領域的增長也很快。LiveKit 成立于疫情期，一開始服務遠程辦公需求，基于 WebRTC 的實時音視頻傳輸，與 AI 關系不大。GPT-4o 把 LiveKit 用作語音傳輸層后，它從底層往上豐富產品，現在用它的 SDK 能方便地搭建語音 Agent。目前，LiveKit 每天支撐約 2000 萬次通話，一年前數據是 100 萬，年增 20 倍。企業層面，OpenAI、Character.AI 以及 Grok 的語音層都由 LiveKit 驅動，全美最大的 CRM 公司 Salesforce 馬上要把客服智能體部署在 LiveKit 平臺；公共服務層面，LiveKit 可以支持美國 911 約 25% 的呼叫，通過直播現場讓接線員了解情況，還能轉接心肺復蘇的教練。

記憶也是 Agentic tooling 的重要方向。Henry Yin 介紹了四類記憶，包括情境記憶、流程記憶、存儲事實的知識記憶和角色記憶或人格記憶。其中，Letta 是這方面增速很快的一家公司，由兩位伯克利的博士畢業后創立，幫 Agent 開發者做“有狀態的智能體（State for Agent）”。它提出“睡眠時計算（Sleep-time Compute）”的概念，不是在推理時燒 token，而是在系統空閑時做整理，就像白天開了很多會，晚上用睡覺時間回放處理，把信息沉淀成學習內容和洞見。對于用戶是否愿意把數據給 Letta 的問題，Henry Yin 認為不太會出現類似自動駕駛初創公司優化算法需要司機數據，但車企出于競爭和數據敏感性不愿給的情況，因為現在的 Agent 應用市場更分散、更多樣，很多創業公司體量小，商業話語權不強。

在評估方面，雖然幾乎所有人都認為評估很重要，但大多數公司不愿做，因為這件事很難做。一是成本高，評估數據很多需要人工標注，任務越復雜，成本越高；二是策劃與共識，團隊常對“用什么數據、怎么構建數據集”沒有一致意見。不過，標準化的第三方評估工具也有創業機會。OpenAI 以 11 億美元收購了 Statsig，做的是 AB 測試、功能逐步發布和數據指標閉環，也就是評估模型效果，按節奏擴大流量。做業務的公司自己也會加入評估組件，但專門做評估的公司仍有其存在的價值。

從商業層面看，Agent 工具（Agentic tooling）的市場規模潛力巨大。全球軟件市場年銷售約 6500 億美元，開發者工具（DevTools）規模約 200 到 300 億美元。但這波 AI Agent 改變了游戲規則，紅杉曾預測，AI 會把軟件市場的天花板從六千多億推到約 10 萬億美元，因為它能切入服務業，把原來靠人力的服務轉成軟件。如果這個判斷成立，那么為 AI Agent 提供“武器裝備”的 Agent 工具市場規模也會隨之躍升，長期規模可能達到 2000 億到 5000 億美元。而且，這一波 AI 不是瓜分存量，而是在創造增量。在這個市場中，已經出現了一些有潛力的公司，如做身份認證的 Okta 最近一年收入大概在 20 億美元，云通信巨頭 Twilio 高峰期年收入大概在 40 億美元，而面向 Agent 的觀測平臺、實時通信基礎設施、Agent 模塊和現有工作流的集成等領域，都有可能誕生年收入 100 億美元的大公司，關鍵在于是否能形成網絡效應和數據壁壘。