当前位置：首页 > news >正文

AI Agent 全景图 2025-2026：硬核技术拆解全攻略，收藏这一篇就够了！

news 2026/7/10 21:03:35

六大AI巨头的Agent架构全解剖（图片由安涛在 Nano Banana 生成）

💡 2025年，所有主流AI公司都发布了生产级Agent SDK，MCP成为通用连接标准，Context Engineering取代Prompt Engineering成为核心学科。这份报告用数据和源码说话。

Part.01

引言

2025年的AI Agent生态发生了根本性转变。

Anthropic、OpenAI同时发布生产级Agent SDK。MCP协议一年内被全行业采纳。Manus用8个月冲到1亿美金ARR，然后被Meta收购。

但真正值得关注的变化藏在这些新闻背后：Context Engineering（上下文工程）正在取代Prompt Engineering成为Agent开发的核心学科。

这篇报告覆盖六个关键领域，每个数据都有来源，每个判断都可验证。

Part.02

Claude Agent SDK：给Claude一台电脑

Anthropic在2025年9月29日发布Claude Agent SDK，与Claude Sonnet 4.5同步上线[1][2]。SDK提供Python（v0.1.6）和TypeScript（v0.1.76）两个版本[3]，底层架构与Claude Code完全一致。Agent可以直接执行终端命令、操作文件系统、迭代调试代码。

核心设计理念是**「给Claude一台电脑，让Agent像人类一样工作」**[1]。

这话听起来像营销口号，但技术实现很硬核：SDK不是把系统交互封装成安全的API调用，而是直接把bash执行、文件读写、web搜索、glob匹配这些程序员真正用的工具交给Agent。Agent不再是沙箱里的玩具，而是真正的系统操作员。

SDK的核心架构特性：

🔧原生MCP集成支持四种服务器类型：stdio（本地进程）、SSE（服务器推送事件）、HTTP，以及最值得关注的in-process SDK MCP服务器。最后这个完全消除了子进程开销[4][5]。

🔧自动上下文压缩会在接近200k token上限时自动总结对话历史。配合memory工具使用，在agentic搜索任务上实现了39%的性能提升[1]。

🔧长任务支持采用双Agent架构（初始化Agent + 编码Agent），可以跨多个上下文窗口保持专注。测试中Claude Sonnet 4.5实现了超过30小时的自主编码[6]。

🔧内置工具（Read、Write、Edit、Bash、Glob、Web Search）开箱即用，不需要像Messages API那样手动实现[7]。

SDK的会话管理、文件检查点、权限系统解决了开发者之前必须从零搭建的生产环境问题。2025年11月26日，Anthropic发布了详细的工程指南，文档化了长任务Agent的有效模式：进度追踪文件、git集成状态管理、会话间的结构化交接[6]。

💡**关键洞察：**Claude Agent SDK的哲学是「少抽象，多授权」。Agent不是被保护的对象，而是被信任的操作员。

Part.03

OpenAI Agents SDK：多Agent编排的生产化之路

OpenAI在2025年3月发布Agents SDK，作为2024年实验性Swarm框架的生产级继任者[8]。这标志着OpenAI向「Agent原生API」的战略转型，SDK与新发布的Responses API紧密集成，后者取代了已废弃的Assistants API。

框架设计刻意保持最小抽象：Agents（带指令和工具的LLM）、Handoffs（Agent间控制转移的专用工具调用）、Guardrails（输入输出校验）、Sessions（对话历史管理）、Tracing（内置调试）[8]。OpenAI明确优化的目标是「快速上手」同时「生产可用」。

多Agent交接（Handoffs）是一等公民，不是事后补丁。

2025年11月的v0.6.0版本有一个破坏性更新：在交接时，消息历史被压缩成单条上下文消息，前缀是：「For context, here is the conversation so far between the user and the previous agent」[9]。这个设计同时支持中心化编排（中央Agent指挥专家Agent）和去中心化交接（Agent自主传递控制权）。

2025年10月DevDay，OpenAI发布AgentKit，包含Agent Builder。这是一个可视化拖拽画布，用于创建多Agent工作流[10][11]。Sam Altman把它比作「构建Agent的Canva」：基于节点的工作流设计，内置版本控制、预览运行、导出SDK代码。可视化画布解决了一个关键采纳障碍：让产品、法务、工程团队在Agent行为上保持对齐。

Assistants API与Agents SDK架构对比（图片由安涛在 Nano Banana 生成）

与已废弃AssistantsAPI的对比揭示了哲学转变：

维度	Assistants API	Agents SDK + Responses API
状态管理	服务端（Threads、Runs）	客户端（Sessions）
工具执行	平台托管	在模型推理链内执行
内置工具	有限	Web搜索、代码解释器、计算机使用、MCP
成本效率	较高	缓存利用率提升40-80% [10]

Assistants API从未走出beta阶段，计划于2026年8月26日正式下线，官方文档已提供完整迁移指南。

💡**关键洞察：**OpenAI的转型方向是「状态下沉到客户端，工具融入推理链」。这意味着更低成本、更好的缓存命中，但也意味着开发者需要自己管理更多状态。

Part.04

Manus：Context Engineering的极致实践

Manus是2025年最炸裂的AI Agent产品。8个月做到1亿美金****ARR，据报道是有史以来达到这个里程碑最快的创业公司[12]。

创始人肖红（Red）通过母公司蝴蝶效应科技运营，Manus于2025年3月6日上线，2025年12月29日被Meta以估计20-30亿美金收购[13][14]。

**技术架构已通过首席科学家季逸超（Peak Ji）的公开声明验证：**Manus使用Anthropic的Claude 3.5 Sonnet v1作为主推理模型，辅以阿里Qwen的微调版本处理辅助任务[15][16]。多Agent架构将用户隔离在「执行器Agent」层面，而规划器、知识库、专业子Agent在独立的上下文窗口中运行。

但Manus真正的技术贡献是系统化的Context Engineering。他们把上下文管理当作首要工程挑战，而不是事后优化。

Peak Ji在2025年7月的博客文章中透露，他们重写了四次Agent框架（到2025年10月是五次），每次重写都源于对上下文塑造的新发现[17]。团队把这种迭代过程叫做「随机研究生下降法」（Stochastic Graduate Descent）。

Manus公开的Context Engineering核心原则[17][18]：

⚡KV-cache优化是首要指标。保持稳定的prompt前缀，用Claude Sonnet可以实现10倍成本降低。

⚡文件系统是无限外部****内存。完整内容存磁盘，只把元数据和摘要传给模型，可实现100:1的压缩比。

⚡todo.md注意力操控。不断重写目标列表，把目标保持在模型的近期注意力窗口里，避免「迷失在中间」的退化现象。

⚡保留错误在上下文中。让失败操作保持可见，帮助Agent避免重复犯错。

关于数字声明的验证说明：「处理了147万亿token」和「创建了8000万台虚拟机」是官方声明，发布在Manus的1亿ARR公告（2025年12月17日）和Meta收购公告（2025年12月29日）中[12][14]。这些是自报数据，目前没有独立第三方验证。引用这些数字时应注明「据Manus称」。

💡**关键洞察：**Manus的成功不在模型能力，在上下文工程。同样的Claude Sonnet，Manus能做到别人做不到的事，差距在context怎么填、怎么压、怎么切。

Part.05

Context Engineering：Agent开发的核心学科

「Context Engineering」这个词在Andrej Karpathy 2025年6月25日的推文后获得行业级关注，他主张用这个术语取代「Prompt Engineering」。

Karpathy的原话是：「Context Engineering是精细的艺术和科学，目标是用恰好正确的信息填满上下文窗口，服务于下一步操作。」

他的论点是：工业级LLM应用需要复杂的信息管理。任务描述、few-shot示例、RAG检索、多模态数据、工具、状态、历史。这远超「prompts」这个词所能涵盖的范围[17]。

LangChain在2025年7月的框架文档中形式化了四个核心操作：

**写入上下文（Write）**指把信息保存到上下文窗口之外，供后续使用。实现方式包括草稿本（工具写入文件或状态对象）、跨会话持久化的长期记忆、结构化笔记模式。Anthropic的多Agent研究员使用Memory工具将计划持久化到200k token限制之外[1]。

选择上下文（Select）指在需要时把相关信息拉入窗口。RAG是最常见的实现，结合embedding搜索、AST解析、grep、知识图谱。通过语义相似性进行工具选择，相比同时提供所有工具，准确率可提升3倍[17]。

**压缩上下文（Compress）**指只保留当前任务所需的token。Claude Code的「auto-compact」功能在上下文使用率达95%时总结轨迹。像Provence这样的训练裁剪器提供比简单消息截断更精细的方法[1][6]。

隔离上下文（Isolate）指将信息分割到多个容器中。多Agent架构给每个子Agent独立的上下文窗口、工具和指令。Anthropic的多Agent研究系统通过隔离实现了90.2%更高的成功率，代价是15倍的token成本[1]。

Context Engineering四大操作：Write、Select、Compress、Isolate（图片由安涛在 Nano Banana 生成）

**研究者Drew Breunig记录了四种失败模式：**context poisoning（幻觉进入并复合）、context distraction（模型过度关注长历史而非训练）、context confusion（冗余内容影响响应）、context clash（上下文内信息矛盾）[17]。

DeepMind在他们的Pokémon Gemini Agent中记录了poisoning现象：「上下文的许多部分被关于游戏状态的错误信息『污染』，这通常需要很长时间才能纠正。」

Cognition AI总结了新兴共识：「Context Engineering实际上是构建AI Agent的工程师的第一要务。」[17]

💡**关键洞察：**Agent失败不是模型失败，是上下文失败。你的RAG召回了100条，模型只看前5条。你的排序逻辑比检索逻辑更重要。

Part.06

Agentic vs Workflow：生产系统中的两种范式

行业已经在这两种架构方法的定义上达成了清晰共识。

Anthropic定义**工作流****（Workflows）为「LLM和工具通过预定义代码路径编排的系统」，定义智能体（Agents）**为「LLM动态指导自身过程和工具使用、保持对如何完成任务的控制的系统」[19]。

**工作流****提供可预测性、更低成本（据Anthropic称约为Agent的四分之一token消耗）、更容易调试。**适合定义明确、可重复、一致性重要的任务。发票处理、审批自动化、营销排期。

五种常见工作流模式已被文档化：prompt chaining（顺序LLM调用）、parallelization（并行操作）、routing（分类后路由）、orchestrator-worker（动态子任务委派）、evaluator-optimizer（生成-评估-优化循环）[19][20]。

**Agent提供灵活性，处理无法完全预定义的任务。**通过实时推理处理新情况。擅长自主研究、复杂投诉解决、需要适应性问题解决的编码任务。代价是更高成本、可变延迟，以及从业者所说的「AI考古学」。调试埋在长执行轨迹中的错误。

混合架构已成为生产标准。

LangChain的表述是：「生产中的大多数agentic系统是工作流和Agent的组合。生产级框架需要同时支持两者。」

常见模式包括：workflow-with-embedded-AI-steps（确定性流程中嵌入LLM驱动的提取）、agent-gated-workflows（Agent分类，工作流执行）、workflow-orchestrating-agents（工作流路由，Agent处理复杂子任务）。

Anthropic的核心指导仍具影响力：「从简单prompt开始，用全面评估优化它们，只在简单方案不够时才添加多步agentic系统。」[19]

这种务实方法优先考虑生产可靠性，而非架构精巧性。

💡**关键洞察：**选workflow还是agent？取决于你的任务能不能被完全预定义。能预定义就用workflow，便宜四倍还好调试。不能预定义才上agent，但要做好「AI考古」的准备。

Part.07

MCP：Agent连接的USB-C时刻

Model Context Protocol（MCP）在短短一年多时间内确立了行业标准地位。

MCP由Anthropic创建，2024年11月开源[21]，2025年12月9日捐赠给Linux基金会下新成立的Agentic AI Foundation（AAIF）[22]，确保了关键AI基础设施的厂商中立治理。

MCP解决的是「N×M集成问题」。以前每个AI应用都需要为每个工具或数据源建立自定义连接器。MCP提供通用协议，把这降低到N+M个集成。常被形容为**「AI应用的USB-C」**[23][24]。

**协议架构包含三层：**MCP Hosts（运行LLM的应用，如Claude Desktop或ChatGPT）、MCP Clients（维护hosts和servers之间的隔离会话）、MCP Servers（暴露工具、资源和prompts的轻量级程序）。通信使用JSON-RPC 2.0，传输层支持stdio（本地进程）、streamable HTTP（远程服务器）或自定义传输[24][25]。

采纳数据展示了快速的行业渗透[26][27]：

超过10,000个已发布的MCP服务器，覆盖开发者工具到财富500强部署
服务器下载量从约10万（2024年11月）增长到超过800万（2025年4月）
预计到2025年底90%的组织将使用MCP

所有主要AI提供商都已采纳MCP[22][23][28]：

OpenAI：ChatGPT（2025年3月）、Agents SDK、Responses API全面支持
Google：Gemini CLI、AI Studio、BigQuery和Maps的托管MCP服务器
Microsoft：Copilot、Azure OpenAI、Semantic Kernel集成
AWS：Amazon Bedrock、Kiro、Strands、AgentCore

AAIF白金会员包括Amazon Web Services、Anthropic、Block、Bloomberg、Cloudflare、Google、Microsoft和OpenAI。黄金会员覆盖主要企业软件公司：Cisco、Datadog、Docker、IBM、JetBrains、Oracle、Salesforce、SAP、Shopify、Snowflake和Twilio[22]。

官方SDK支持Python（20.1k GitHub stars）、TypeScript（10.7k stars）、C#（Microsoft协作）、Go（Google协作）、Rust、Kotlin（JetBrains）、PHP、Ruby（Shopify）、Java和Swift[29]。MCP servers仓库积累了72.7k stars，提供Google Drive、Slack、GitHub、Postgres、Puppeteer等数十个预构建集成。

安全研究人员已识别的挑战包括prompt注入漏洞、工具权限问题，以及恶意服务器伪装可信服务器的潜在风险。企业部署需要仔细关注认证、授权和合规审计[26]。

💡**关键洞察：**MCP的价值不在协议本身，在网络效应。当OpenAI、Google、Microsoft、AWS全部接入同一个标准，生态就锁定了。现在不上MCP的Agent框架，就是在等死。

Part.08

中国开发者实践指南

这份报告的技术趋势对国内开发者同样适用，但实践中需要注意几个本土化要点：

模型选择方面，Manus的成功证明Claude Sonnet可以作为核心推理模型，但国内访问需要考虑合规和延迟问题。可以考虑：