AI變革軟件開發，Agent基礎設施棧的三個關鍵變化

2025年，AI代理的崛起正在變得不可阻擋。

你能想像，一家只有20人的公司就能在不到2年時間創造1億美元的年度經常性收入。

這就是AI驅動的增長。像這樣的例子還不在少數，在Cursor、Bolt、Lovable和Mercor等公司上我們也能看到這種趨勢，詳見《吊打蘋果！一個人狂賺3000萬，AI的創業姿勢變了》。

這揭示了AI創業的變化：在Agent的輔助下，產品開發不再受員工人數或傳統開發週期的限制。這是一次對軟件構建、部署和擴展方式的根本性變革。

根據YC管理合夥人賈列特·弗列特曼在YouTube上透露的信息：其W25的1/4的創業公司中，有 95% 的代碼庫是由AI生成。也就是說，目前YC正在孵化的這一批次創業公司中，有1/4的代碼庫幾乎完全由AI生成。

而隨著新應用的出現，也對基礎設施提出了更高的要求。

不久前，國外知名投資機構Madrona就發佈了”AI代理基礎設施技術棧”圖表，全面展示了Agent崛起對當前Agent生態系統在各個層面的影響。

/ 01 /

軟件的生產方式變了

隨著代理的落地越來越多，對AI應用的基礎設施層提出了新的要求。

我們從2024年6月撰寫「人工智能代理基礎設施的崛起」一文以來就一直在跟蹤這一演變。當時，市場格局很分散，以DIY解決方案為主，當時開發人員優先考慮靈活性，以便嘗試不同的方法。

有一大批新公司正在為未來的代理狀態構建基礎設施，但這些公司面臨著不斷變化的目標。如今，這種情況發生了巨大變化。

比如，Neon提供了一種無服務器方法，將存儲和計算分離。根據Neon的報告，現在AI代理現在在其平台上創建數據庫的數據是人類開發人員的4倍多，從而加速了Neon數據的增長。

Browserbase等專用AI代理基礎設施組件也出現了類似的增長。例如，Browserbase的Stagehand UI自動化庫最近每月的npm安裝量超過了50萬。（Browserbase是一個開發者平台。專注於運行、管理和監控無頭瀏覽器，支持大規模數據採集、自動化測試和內容抓取等功能。）

這些不僅僅是簡單的數據增長，而是軟件構建和部署方式發生根本性轉變的信號。這種轉變為代理應用程序及其支持的基礎架構帶來了更多的機會。

已經被驗證的Agent落地路徑

一年前，大家對Agent落地路徑並不清晰，當時Agent開發的特點是進行大量實驗。開發者需要從頭去構建產品，更多優先考慮產品的靈活性。但今天，情況發生了巨大變化，Agent領域出現了一些得到驗證的模式，而這種模式正在得到應用。

這些模式都在我們1月發佈的代理格局的分析中有過展示。現在常見的Agent大致有以下幾類：

1）下一代副駕駛是情境感知助手，可以主動協助完成複雜任務，例如Bolt.new、AirOps和Colimit；

2）隊友代理，例如 Ravenna、Sailplane和Basepilot，這些產品擁有更強的自主性，能夠完成多步驟的工作流程；

3）代理組織引入了協作系統，其中多個專門的代理協同工作，如Aaru一樣（Aaru是一家AI預測公司，使用多智能體AI系統，根據專有和公共數據源更精確地模擬人類行為，曾預測哈利斯將擊敗特朗普）；

4）代理即服務，提供專門的代理功能作為面向開發人員的服務，而不是面向大眾的產品。

/ 02 /

Agent興起之下，基礎設施堆棧的三個變化

隨著Agent發展越來越成熟，AI Agent基礎架構堆棧的三個層級（工具、數據和編排）都發生了巨大的變化。

工具層：讓Agent具備能力

工具層經歷了最為顯著的擴張，反映了Agent交互的日益複雜化。一些核心變化包括：

1）瀏覽器基礎設施和UI自動化

Agent越來越需要與可視化網絡進行交互，而不僅僅是API。Browserbase、Lightpanda和 Browserless等公司正在構建實現這一目標的基礎設施，而Stagehand等專業服務則為常見模式提供了更高級別的抽像。

2）身份驗證和安全

當Agent代表用戶行動時，身份驗證和安全性將進入新的層面。Clerk、Anon 和 Statics.ai等公司正在率先推出「代理身份驗證」——以代理原生方式管理權限、憑證和安全性。

3）工具發現與集成

Anthropic模型的上下文協議(MCP)正在成為潛在的「AI 代理的TCP/IP」，為代理在保持上下文的前提下，提供提供標準化的交互方式。Stripe、Neo4j和Cloudflare等主要參與者已經提供MCP服務器，這表明這可能成為工具集成的關鍵標準。

Composio和Arcade.dev等公司正在這些協議之上構建抽像層。Composio提供與MCP兼容的Gmail和Linear等熱門應用程序訪問權限，並通過TypeScript和Python SDK為開發人員提供標準化接口。

同時，Arcade.dev通過與OpenAI規範兼容的統一API層簡化了身份驗證和工具管理。

這種多層方法至關重要，因為它可以滿足不同開發者的需求。基礎設施團隊可以直接針對MCP等協議進行構建，而應用程序開發人員可以利用Composio或Arcade.dev等託管解決方案。這些方法並不相互排斥。相反，它們可以共存並相互補充，最終加速採用Agent驅動的應用程序。

如今，找到部署Agent的工具仍然經常依賴於口口相傳，感覺就像早期發現Discord服務器一樣。但標準化協議和託管集成層的結合，表明我們正在走向更結構化的發現機制。

數據層：大規模內存

數據層說明了傳統基礎設施必須如何發展以適應Agent的工作負載。Neon的經驗具有啟發意義。如上所述，AI代理現在以人類開發人員4倍的速度創建Neon數據庫，推動了即時配置、自動擴展和隔離環境的新要求。

當Create.xyz在Neon上推出其開發人員Agent時，Create最終在短短36小時內創建了20,000個新數據庫。最終用戶只需描述他們想要構建的內容-「構建一個使用AI對應用程序進行排名的職位板」或「創建一個自動生成 SEO 元數據的內容管理系統」-代理就會自動處理所有數據庫操作。

數據層已細分為不同的組件，每個組件都具有獨特的功能。內存系統（例如Mem0和Zep）提供特定於Agent的上下文，確保Agent可以保留和調用相關信息。存儲解決方案（包括Neon等傳統數據庫和 Pinecone等矢量數據庫）正在不斷髮展，以滿足Agent工作負載的需求。

同時，ETL服務正在興起以處理非結構化數據，從而實現Agent驅動系統中更高效的數據轉換和集成。

編排：管理Agent複雜性

隨著應用程序整合多個協同工作的Agent，編排變得至關重要。託管編排解決方案（如LangGraph、CrewAI和Letta）使開發人員能夠編寫和管理協同工作的多個Agent，從而簡化複雜的工作流程並增強協調性。

作為這些編排工具的補充，Inngest、Hatchet和Temporal等持久性引擎解決了在長期運行的Agent進程中維護狀態的挑戰，確保了連續性和可靠性。

/ 03 /

展望未來：Agent生態初具規模

一年前，我們把很多Agent開發者所做的事，稱為「飛速穿越一座半成品橋」。如今，這座橋已經越來越接近完工，交通量呈指數級增長，且還在增加新的車道。

人工智能Agent基礎設施的快速發展反映了軟件構建方式的根本性轉變。我們看到的不僅僅是令人瞠目結舌的增長指標。我們正在見證一種新的軟件開發範式的出現。

而隨著基礎設施堆棧越來越成熟，這個時刻也在加速到來。從MCP等標準化協議到身份驗證、內存和編排的專用服務，我們看到了定義下一代應用程序模式的出現。然而，創新的速度意味著我們仍處於這一轉型的早期階段。