AGI House看硅谷：OpenAI DevDay后的Agent工具链创业潮
Ying Li (Candy)
0
10-18原野: 我们先从最近的一个大事件说起吧。你可能也关注了，前阵子OpenAI办了个开发者日，发布了一堆和AI智能体，也就是Agent相关的新东西，比如AgentKit，还有所谓的Apps in ChatGPT。很多人说，这是OpenAI又一次想把ChatGPT打造成AI时代的操作系统。
晓曼: 没错，这个动作非常关键。AgentKit的发布，感觉就像是OpenAI把自己内部修炼Agent的“一身武功”给开放出来了。而Apps in ChatGPT和Apps SDK，更是毫不掩饰地暴露了它的巨大野心：它不想只做一个提供模型的公司，它想成为那个定义规则的“操作系统”，掌控整个AI应用生态的底层架构。这和去年大家玩的GPTs那种简单的插件模式，已经是完全两码事了。
原野: 哦？“操作系统”这个词听起来野心确实不小。你这么一说，它和之前GPTs的区别就清晰多了。那从一个开发者的角度看，这种更深度的集成会带来什么不一样的东西？是机会更多了，还是说，压力也更大了？
晓曼: 嗯，这是个好问题，其实是机会和压力并存。机会显而易见，开发者可以站在OpenAI这个巨人的肩膀上，利用它现成的强大模型和工具链，快速地去构建各种复杂的AI应用，门槛大大降低了。但压力也随之而来，这就是我们常说的“在别人的地基上盖房子”。
原野: 我明白了，就是你的生死存亡，很大程度上被平台方拿捏了。他们一调整规则，或者自己下场做了某个功能，你可能就白忙活了。
晓曼: 正是这个意思。你的创新和商业模式都得在它划定的框架里玩。这就带来了一个很有意思的张力。而且，行业里还有一种批评的声音，认为OpenAI现在搞的这个Agentic Kit，有点走偏了。
原野: 哦？怎么说？
晓曼: 这个嘛，一些人认为，真正的通用人工智能，也就是AGI，应该是追求更自主、更通用的智能。但现在这个Agentic Kit，看起来更像是一个超级强大的“工具调用器”，它把大模型变成了一个能熟练使用各种软件接口的“高级助理”，而不是一个真正能自主思考的智能体。所以，这到底是通往AGI的必经之路，还是一种更实用的商业化妥协，其实是有争议的。
原野: 有点意思。这听起来像是一个关于AI发展路径的哲学问题了。看来OpenAI的这一步棋，确实是把整个“Agentic Tooling”，也就是智能体工具链这个领域，推到了风口浪尖。不过要理解这些新工具为什么这么重要，我们可能得先聊聊，这个听起来有点专业的“Agentic Tooling”到底是什么？
晓曼: 对，这个概念是理解这一切的基础。简单来说，Agentic Tooling就是一套能让AI像人一样使用工具的技术。它让AI不再只是一个会聊天、会写作的“大脑”，而是真正拥有了能和外部世界互动的“手”和“脚”。
原野: “手”和“脚”这个比喻很形象。就是说，AI可以通过这些工具去订机票、查天气、操作软件，干一些实际的事情了。
晓曼: 完全正确。这个领域最近为什么这么火，甚至出现了好几笔重要的收购，就是因为市场看到了AI从“信息处理”向“任务执行”跃迁的巨大潜力。这标志着AI应用正在从简单的问答，进化到能完成需要多个步骤协作的复杂任务。这背后的商业价值是惊人的。
原野: 我看到资料里还提到，Agentic Tooling的进化，和模型能力的提升是同步的，甚至可以分成“六次进化”。这听起来有点像生物进化史。你能不能用一个具体的例子解释下，这种“同步进化”是怎么发生的？
晓曼: 这个比喻很贴切。它们确实是相互促进的。比如，最早的模型可能只能理解简单的文本指令。那对应的工具链，就只能做一些简单的API调用。后来，模型的推理能力和规划能力提升了，它能理解“先做A，再做B，如果遇到C就做D”这种复杂逻辑了。这时候，Agentic Tooling就能支持更复杂的多步骤任务流了。再到现在，模型有了多模态能力，能看懂图片、听懂语音，那工具链就能去调用图片编辑软件、语音合成工具。你看，每一次底层模型能力的飞跃，都直接为上层的工具生态解锁了一片全新的天地。
原野: 我明白了，就像大脑越聪明，手脚能干的活儿就越精细、越复杂。那在这个大的进化框架下，现在最热门、大家都在啃的硬骨头是哪些环节？原文提到了工具调用、记忆和语音这几个方向。我们先从“工具调用”说起吧，我看到一个很专业的词，MCP协议，这是什么东西？
晓曼: MCP协议，你可以把它理解成一套“普通话”，一套让大模型能“看懂”并且“操作”成千上万种外部工具的标准化说明书。而MCP Server，就是把这些五花八门的工具和数据，按照这套“普通话”标准，打包成一个个AI可以直接取用的“工具箱”。
原野: 所以，就是有了统一的标准，AI调用工具的效率就高多了。
晓曼: 是的。这里面最有趣的是，像Anthropic这种提出协议的大公司，它自己不太可能把全世界所有的工具都打包成MCP Server。这就给第三方公司留下了巨大的机会。比如一家叫Composio的公司，他们专门做这个，成了一个MCP Server的“市场”，让开发者可以在上面挑选各种现成的“工具箱”。
原野: 等一下，这我就有点好奇了。为什么像Anthropic这种顶尖的AI公司，反而不自己把这块肥肉全吃了，要留给第三方呢？它自己做不是更有优势吗？
晓曼: 这个战略考量很深。首先，做这种集成工作非常繁琐，需要对接海量的应用，工作量巨大。对于Anthropic这样的公司，他们的核心优势和战略焦点是打磨最顶尖的底层模型，而不是去做无穷无尽的集成。其次，开放给第三方，可以更快地建立一个繁荣的生态。大家都来帮你添砖加瓦，这个生态才能迅速壮大。这比自己闭门造车要快得多。
原野: 原来是这样，把生态做大比自己独吞更重要。那我们再看看“记忆”这个环节。如果没有记忆，AI就像金鱼一样，聊完就忘。原文里把记忆分成了四种：情景、流程、事实和人格。这四种记忆分别扮演什么角色？
晓曼: 这个划分很关键。情景记忆，就像我们聊天，它记得我们上一句说了什么。流程记忆，是它学会了如何一步步完成一个任务，比如预订一个会议室。事实知识记忆，就是它读过的所有资料，像一个巨大的图书馆。最后的人格记忆，是它通过和你的互动，了解了你的偏好、说话风格，从而形成一种独特的个性。这四种记忆组合起来，才构成了一个真正有经验、有个性的智能体。
原野: 所以也出现了像Letta这样，专门给AI做“外挂记忆”的公司。
晓曼: 对，这说明“记忆”本身已经可以成为一个独立的、非常重要的创业方向。如何高效地存储、检索和更新这些记忆，让AI不会得“遗忘症”，是一个很大的技术挑战，也是一个巨大的商业机会。
原野: 最后一个是语音。我看到数据说，现在语音交互变得越来越重要，甚至连911报警平台都在用AI语音。但我们平时用语音助手，还是会觉得有点傻，反应慢。你觉得现在的语音技术，主要的瓶颈在哪？
晓曼: 瓶颈主要在实时性和自然度上。一方面，要做到像人一样无缝对话，延迟必须非常非常低。另一方面，要让AI的声音听起来有情感、有停顿、有自然的语调变化，而不是一个冰冷的机器音，这也很难。LiveKit的数据显示，所谓的“端到端”语音模型和传统的“级联”模型现在各占一半，就说明大家还在探索最好的技术路径。如何在追求极致的自然度和实时性的同时，又能保证用户的隐私和数据安全，这是目前所有玩家，包括OpenAI在内，都在努力平衡的难题。
原野: 工具调用、记忆、语音，这些核心能力不断突破，确实在勾勒一个全新的市场蓝图。原文提到了一个非常惊人的数字，说这是一个可能达到2000到5000亿美金的市场，甚至说像Okta、Twilio、DataDog这些大家熟悉的公司，都可以在AI时代“再做一遍”。这个“再做一遍”要怎么理解？
晓曼: 这个理解是，Agentic Tooling会把这些我们现在习以为常的企业服务，用AI的逻辑从根本上重构一遍。举个例子，Twilio是做通信API的，以前是你的App需要发短信时，你去调用它。在AI时代，可能是一个AI Agent在分析完数据后，自主决定需要和客户沟通，然后主动调用Twilio去发短信，甚至打电话。
原野: 我明白了。也就是说，这些服务从一个被动调用的“工具”，变成了一个主动工作的“智能体”的一部分。
晓曼: 完全正确。Okta做身份认证，未来Agent也需要身份去访问各种系统；DataDog做系统监控，未来Agent可能需要实时读取系统状态来做决策。这都不是简单的功能优化，而是一种范式转移。这种重构会释放出巨大的新价值，所以才会有这么高的市场估值。
原野: 这种巨大的市场重构，自然也吸引了全球的创业者。我注意到原文特别提到了一个现象，就是预计2025年，“闯美”的中国AI创业公司会变多，而且说他们带来了“不一样的野心”。你觉得这种“不一样的野心”具体是指什么？
晓曼: 这很有意思。相比硅谷本土的创业文化，中国的创业者往往带着一种对产品打磨、市场迭代速度和商业化落地的极致追求。他们可能更擅长快速试错，更贴近用户需求去做精细化的产品设计。这种“野心”体现在，他们不只是想做一个技术很酷的东西，而是想做一个能快速占领市场、被大规模使用的产品。
原野: 那他们在美国市场会面临哪些独特的挑战呢？
晓曼: 挑战也很明显。首先是文化和市场的差异，对本地用户需求的理解需要一个过程。其次，美国的监管环境、法律体系和人才竞争，都和国内很不一样。如何在巨头林立的硅谷，利用自己快速执行和产品迭代的优势，同时又能很好地融入本地生态，这是所有“闯美”创业者都需要面对的核心课题。
原野: 听下来，Agentic Tooling确实不只是一个技术新词，它更像是一场正在发生的、席卷全球的商业变革。我们今天从OpenAI的开发者日聊起，深入到了Agentic Tooling的进化、核心能力，以及它所带来的万亿级市场重构。
晓曼: 是这样。总结一下的话，首先，Agentic Tooling是AI从单纯的“感知”世界，走向真正“行动”和改变世界的关键桥梁。它正在把AI生态推向一个平台化、操作系统化的新阶段。
原野: 嗯，对。其次，我们聊到的工具调用、长期记忆、自然语音交互这些核心能力的构建，已经成了现在技术竞争和创业创新的主战场。谁能在这些点上取得突破，谁就能定义下一代智能体的能力边界。
晓曼: 最后一点，这场技术变革正在重塑一个数千亿美金的传统企业服务市场，预示着一个由AI驱动的全新效率时代的到来。这也吸引了像中国创业者这样的全球玩家，带着各自的独特优势，共同加入到这场新的全球竞争格局里。
原野: AI智能体的崛起，正将我们带入一个前所未有的“智能涌现”时代。当机器不仅能理解世界，更能自主行动、学习和协作时，人类与技术的关系将如何重新定义？我们是会迎来一个效率极致提升的乌托邦，还是在无形中让渡了更多的自主权？这场由Agentic Tooling驱动的进化，最终指向的，或许是人类如何与一个拥有“意志”和“记忆”的机器共存的深刻哲学命题，以及我们如何在技术洪流中把握自身命运的时代叩问。