我们正在目睹「一千个垂直领域 Agent 」的诞生｜当像搭积木一样简单时，创新将遍地开花
正在发生的破土而出：百花齐放，百 Agent 争鸣。
正在发生的破土而出：百花齐放，百 Agent 争鸣。
👦🏻 作者: 镜山
🥷 编辑: Koji
🧑🎨 排版: NCon
「从生成式 AI 只是用户手中一把不那么聪明的「锤子」，到 Agentic AI 正努力帮用户造一把好用的锤子」—— 这是我们在 2025 年 Agent 元年现场目睹的 AI 范式转变。
就在这两天的火山引擎 Force 原动力大会上，我们见证了 Agent 构建的一个重要拐点：
从「野蛮生长」走向「系统性工程」，Agent 平权正在发生，Agent 开发正在走向大众化。
站在这个拐点中的主角是每一个拥有行业洞察和业务需求的普通开发者。
在这场大会上，我们注意到一个概念被反复提及，并贯穿进整个 Agent 开发体系中：
🚦
AI 云原生
什么是 AI 云原生？
AI 云原生理念其实一直在随着 AI 范式的改变而升级，它本质上强调的是 AI Agent 的「可交付性」。
简单来说，AI 云原生是火山引擎反复提及的一种 Agent 开发哲学：通过提供一整套端到端的平台，做到技术即产品、即服务的「Agent 平权」。
在 AI Agent 元年之前，AI 的目标只是成为「用户手中更好的锤子」；而在元年之后，Agentic AI 的目标将是「成为用户的帮手，做出好用的锤子」。
火山引擎的 AI 云原生理念，正随着 AI 范式的演进而不断进化：
2024 年底：应用的未来是推理，AI 的核心是 GPU。 2025 年初：大模型为中心。 现在：豆包大模型 + AI 云原生
简单来说，现在版本的 AI 云原生就是想让个人开发者和企业用户，都能以极简的方式构建属于自己的智能体 Agent，并一键调用火山引擎丰富的云服务，作为 「后备能源」。
然而，这个目标实现起来并不容易，因为构建高效能的 Agent 涉及成熟的 AI Coding 平台、MCP 以及云服务支持。
但一旦打通，我们将见证：
那些曾经野蛮生长的 Agent 将逐步演变为井然有序的文明 Agent，进而激发更多的创业可能。
下面，「十字路口」将通过一个简单直观的 Agent 开发体验案例，详细说明：
为什么我们认为 Agent 的「野蛮生长期」已经结束，开始进入系统化工程阶段。
Agent 的「野蛮生长期」结束了
一个能高效执行长期任务并具备明确交付能力的 Agent 通常涵盖了以下几个流程：
-> 确定任务和场景 -> 设计提示词和对话流程 -> 集成所需工具/数据 -> 调用大模型执行推理 -> 获取结果并迭代优化。
现在，我们发现火山引擎正深入上述每个环节之中，并推出配套的产品和服务。
以 TRAE （字节推出的在国内外都爆火的 AI Coding IDE） 这一开发环境为入口，我们已经清晰看到了一个完整的 AI 云原生 Agent 开发范式的落地路径：
- 开发环境：TRAE
- 外部功能延伸：三方功能型 MCP + 云服务 MCP
- 基座大模型：豆包
举个具体例子，「十字路口」经常组织团建活动和商务出差，因此内部的机票预订规范至关重要。基于此，我们计划打造一个专属于「十字路口」的定制化机票预订 Agent。
接下来，我就使用 TRAE 作为 AI Coding 开发环境，带你直观感受 AI 云原生下的 Agent 开发流程。
1）基础功能搭建
现在的 AI IDE TRAE 已经集成了专门的 MCP 功能模块，里面嵌入了大量 MCP Server：
这些 MCP Server 除了在 TRAE 内部官方平台可以一键配置外，还可以手动配置，操作都非常简单，基本只需要目标 MCP Server 的 API 即可。
例如，MCP：飞常准-Aviation 就可以以非常轻松的方式集成关于航班的任何信息，像是航班动态、舒适度分析、机票价格、实时追踪、机场天气等等。
你可以直接在 MCP 市场中搜索任何你需要的 MCP，然后去对应的官网注册账号，获得 API ，一键确认即可。
2）面向团队的云服务
火山引擎对于个人开发者、团队、企业来说，提供了完完整整的一整套云服务。
而且，自从 Agent 成为具有「可交付能力」的产品之后，这些云服务都以 MCP 的方式「加盟」进了 Agent 的开发生态之中。
所以，我们可以延伸一下，再加一个火山引擎自己的云服务 MCP，这也是他们的核心附加功能——LAS MCP。这个 MCP 可以让我们直接把本地数据上传到火山引擎的 AI 数据湖服务之中。
简单来说，就是可以将私人的多模态数据上传到云之中，之后再「层层功能放大」。
LAS 服务的最本质就是可以将企业内数据一步上云，之后再在自主开发的 Agent 内部一键调用并管理这些数据。这其实在很大程度上解构了大模型「本地部署」的必要性。
比如，我先做了一份「十字路口」的内部乘机规范：
然后在火山引擎的 AI 数据湖中创建了一个通用数据集，把「十字路口」的内部乘机规范传了进去，之后我们就可以在 Agent 的创建中，自动化利用这些数据。
云端数据搞完之后，我们再返回 TRAE ，输入火山引擎的 API 账号和密码，再把「十字路口乘机规范」的数据库 ID 输入进去，一键部署 LAS MCP 即可：
接下来，我们可以在「智能体」模块中，直接创建一个个性化的 Agent。
在提示词部分里，我们需要为这个 Agent 简易制作一个人格。
我的提示词是：
角色： 你是一个分析代理，负责根据企业的乘机规范，为内部用户提供精准的航班推荐。 任务： 通过 LAS MCP 服务访问通用数据集中的乘机规范信息，查询企业内部关于航班的价格规定等信息。 结合飞常准提供的实时航班数据与企业内部乘机规范信息，推荐适合的航班。 根据这些信息，生成一个尽可能地详细的展示推荐航班详细信息、简洁精美的 HTML 网页。
在画面下半部分的「工具-MCP」里勾选所有需要用到的 MCP 之后，框架就算搭好了。
除了飞常准 MCP 之外，市面上几乎所有开放 MCP 的平台全部可以一键配置到 TRAE 等 AI Coding 平台之中，像是：Notion、飞书、PDF 阅读器、Slack 以及各种极客开发的平台。
这种以 AI Coding 平台作为开发环境，以 MCP 作为功能延伸的范式，是 Agent 开发的大趋势。
MCP 和智能体部署完成后，「十字路口」内部航班推荐服务基本就完成了，全程只需要几分钟而已。
接下来，我们就可以作为「企业内部用户」，直接输入需求：
为我找到6月23日从上海去新加坡的合适的往返机票方案，符合企业内部规范的。
内嵌的豆包 1.6 模型即刻开始 Vibe Coding（氛围编程）：
火山引擎的这套 AI 云原生工作流下，自主 Agent 的业务流程非常流畅。
例如，它会先利用 LAS MCP 内置的各工具搜索企业内部的乘机规范信息：
之后，Agent 即可开始根据乘机规范开始自主利用飞常准 MCP 进行信息搜索：
最后，一份可视化的上海-新加坡的往返机票推荐方案就呈现了出来：
进一步地，这种 Agent 开发其实非常适合企业团队。
比如：
多名员工在6月21-23日有不同的业务截止时间和位于不同的中国城市，为他们单独符合乘机规范设计机票方案。
之后，「十字路口」内部机票定制化 Agent 就为每个人根据他们的业务截止时间，推荐了航班，并整理出了价格以及符合规范说明：
3）可交付的 Agent 产品
这只是一个非常简单的「仅供内部使用」的 Agent。
如果需要继续自动化，可以直接利用 TRAE 享受 Vibe Coding，做一个前端页面出来。
而且，火山引擎的 veFaas MCP 可以直接把这一整套 Html 文件部署到公网，并返回链接，成为可交付的「企业内部 Agent」。
整个工作流中的每一句提示词，都可以用火山引擎的 PromptPilot 做优化，让 Agent 的设计开发者不用再浪费时间在「如何问出一个好问题」上。
当然，我们这里展示的 Agent ，只是一个简单易懂的流程范例。火山引擎提供的这套 Agent 开发范式，其实很适用于更加复杂且精细的场景，我们这里只做简单介绍。
在火山引擎的这套方案中，AI Agent 构建流程被清晰地拆解为多个不同层次的组件。通过组件间的协同，实现了从「野蛮生长」向标准化的改变。
值得一提的是，**这套开发范式不仅打通了与 TRAE 的深度协作，还与火山方舟、扣子等生态应用形成了强大的「合力」，**比如创作者可以将应用无缝上线扣子等等。
「十字路口」在实际体验了火山引擎的 AI 云原生开发流程后，也深刻感受到：
这种新范式将可能带来更多开发上的「Agent 平权」，极大降低创新门槛，为创业者带来了更多机会。
Agent 元年的核心本质，是生产力需求的不断演进。只要 Agent 具备一定的可交付能力，由此催生出的创新都值得我们拭目以待。
火山引擎 Force 大会上一口气发布了 12 款专门面向 Agent 开发的工具产品，就像搭积木一样构建起了完整的「AI 云原生」技术栈。
在这样的背景下，我们看到「Agent 平权」正在发生——不再是大厂的专利，每个开发者都有机会打造自己的 AI Agent。
「十字路口」总结了下 AI 云原生将会带来的 3 个结构性机会：
1）我们将遇见「一千个垂直领域 Agent」
技术门槛大幅降低
通过 AI 云原生这套体系，各个行业的个人开发者、团队或企业，只要拥有一定的数据基础，就能以极其简单的方式搭建个性化的 Agent 开发平台。
比如，针对教育、汽车、零售等垂直行业，开发低代码 Agent 开发平台，快速调用行业专属的模板和预训练模型，Agent 的技术门槛相比之前已经大大降低。
依托豆包 1.6 等具备多模态能力的大模型，如文生图、语音交互等，能够有效地满足不同垂直行业的具体场景需求。
借助火山引擎的云 MCP 和 TRAE 这样的 AI IDE，未来的开发者能够迅速搭建行业特化的 Agent，并通过云端 MCP 和丰富的云服务，迅速实现 Agent 产品的商业化。
更进一步，开发者可以根据自身的业务场景，灵活地选择模型解决方案。
例如：
对于高频且相对简单的场景，可以直接调用现成的大模型 API；对于更复杂的行业专属场景，则可以直接导入自有模型，利用特定的数据集进行自主预训练或微调。
开发时间大大压缩
借助火山引擎提供的现成模型和工具，小规模团队也能迅速打造过去只有大公司高投入才能完成的 AI 应用。
举个例子，一个两三人组成的团队，在扣子平台几天时间就能做出原型，这将极大释放草根团队的创新力。
我们也在这个平台里看到了许多普通开发者利用平台做出的优秀「草根产品」，这些创新都非常温暖：
扣子空间@对三要不
除了利用扣子做项目发布之外，我们还看到大量专业开发者在用扣子罗盘做运维，用低成本的方式迅速跑通一个项目，调优 AI Agent 的大部分流程，像是：多模型对比，做一个可商业化的 Prompt，Agent 的基准对比等等。
创业者的成本思维需要找到像扣子罗盘这样的「一站式的 AI Agent 开发与运维平台」当作实验田。
我也有了一点感触：
从现在开始，只要的你项目有「一厘米厚的价值」，就会有人看得到。
扣子上大量的开发者应用
超级个体和团队在「AI 云原生」理念里找到了扣子这样的切入点。
同样地，我们也看到了 B 端企业用户对这类一站式平台的兴趣，比如，下面这些嵌入扣子和豆包技术的好玩的 AI 硬件们：
FoloToy 发布的太阳花
北京绒音科技发布的 AI 智能花盆
西安顺梅科技发布的语音毛绒熊
除此之外，前段时间靠着一段「超拟人播客」获得全网掌声的 Agent 平台 —— 扣子空间往往会在豆包大模型更新后，立马让用户用上。
如果实现了「技术平权」，那么创意之间的价值分布就不会出现断层。
这种准入门槛的降低，真的很类似于移动互联网时代云服务的普及。过去，开发 App 的团队无需自己运维服务器，从而催生了大量创业公司。我们认为，借助 AI 云原生服务，Agent 领域也会涌现大量新的产品和创业机会。
只要行业知识和数据可以成为产品竞赛中的「一根稻草」，我们相信 AI 云原生就会孕育更多的垂直领域 Agent 产品机会。
2）Agent 不再只是个「概念」而已，大规模商用化即将到来
AI 基础设施的价格正在快速降低
AI 云原生中的「云」，作为「 AI 基础设施」，算力成本和性能优化是衡量它的唯二标准。
现在，通过 AI 云原生，大规模推理的成本正在大大降低，初创公司甚至是个人开发者都能以更低的成本快速获得推理服务。
在这一领域，豆包大模型家族是非常有底气的。豆包大模型已经在真实商业环境中得到了验证。比如，现在豆包大模型日均 Tokens 使用量超过了 16.4 万亿，这回新发布的豆包 1.6 的综合成本比原先的 1.5 下降了 63%。
豆包还是太全面了
多模态大模型的可及性正在提升
大模型作为 AI 云原生中的 Agent 成本层的核心，几乎决定了 Agent 的输出以及商业化的前景。
开发者侧往往看重大模型的几个点：成本、高并发时的低延迟、性能、模型家族的场景丰富度。
比如，豆包的多模态家族模型们，覆盖的场景非常全面，像是文本、图像、视频、语音交互，文生图等等。前段时间，豆包的文生图模型一次测试，直接甩出 20 张高质量系列图的情景，甚至还全网出圈了一次。
除了平台的自家大模型以外，三方大模型在特殊商用场景下仍然是必需的。在这方面，火山方舟就接入了 DeepSeek API 服务。
现在火山引擎 AI 云原生体系下的大模型的性价比、稳定性以及模型家族丰富度，已然可以支撑起 Agent 商业化的趋势。
3）Agent Ready
现在，Agent 的业务理解能力更强了
火山引擎 AI 云原生提出了一个核心理念—— Agent Ready，也就是让智能体「随时就绪」，随取随用。这一理念把原本复杂的 AI 开发流程，转变成如同「搭乐高」一样简单的「开箱即用」体验。
通过火山引擎的云服务，未来的创业团队可以轻松实现多源数据的整合、清洗和知识库构建。
我们看到火山引擎迅速更新了丰富的产品界面
无论是个人开发者、小型团队，还是企业，在未来都能快速找到适合自己的切入点。整个数据整合、清洗和知识库构建的流程都已经被大幅简化，降低了AI技术应用的门槛。
可以说，数据和知识库的参与，让现在 AI 云原生下的 Agent 业务理解能力更强了。
技术打包
AI 云原生下，Agent 开发者可以实现技术打包和按需付费。
开发者已经无须自主采购 GPU、自己训练模型，也不用再经历复杂的技术开发流程，完全可以将 AI 模型、数据处理工具以及云服务全都封装成现成可用的工具。就像点外卖一样，用得多则付费多，用得少则费用低，成本完全可控。
从一个想法到最终落地，或许只需要一次简单的 AI 云原生过程。
简单来说，未来的企业或个人或许不用被迫当「科技大牛」，也能迅速构建专业级的 Agent ，让 AI 适配具体业务场景，实现「Agent Ready」。
Agent 平权会让这里开满鲜花
我们始终坚信，Agent 开发的灵魂并非技术本身，而在于设计师独到的品味与洞察力。
然而现实是，Agent 行业正面临着一个尴尬的矛盾：最富有创意和品味的设计师们，往往被技术壁垒拒之门外。
Agent 开发的技术性门槛，成了一道藩篱，挡住了想象力，限制住了想象空间。
我们一直认为，那些最有品味的设计师们并不只存在于「大厂周边 3 km」，而是居住在每一个城市，每一个具有专业知识的垂直行业里。
当技术门槛不再是阻碍，创意的花园将遍地开花。
现在，AI 云原生赋予了开发者无限的想象空间。它让复杂的技术栈变得更加模块化、可组合，降低了开发门槛，使更多创新想法得以快速落地。
未来，我们将看到更多突破性的应用场景涌现。
垂直领域千万个「小而美」的 Agent 正在破土而出，每一个都带着创造者独特的思考和温度。
我们正在见证一个「百花齐放」的时代。
