Agentic AI
具备目标感和自主性的智能框架，支持 AI Agents 在无需持续人工干预下完成复杂任务。
与 AI Agent 的关系
“城市与车辆”（08-企业级-Agentic-AI-架构设计）：
- Agentic AI = 城市（统一基础设施 + 规则：任务编排、权限风控、可观测评测）
- AI Agents = 车辆（在框架内承担具体角色：上新 / 定价 / 补货 / 客服 / 风控）
三大架构类型（协作模型）
| 架构 | 特征 | 适用 |
|---|---|---|
| 垂直 | 主 Agent 统筹，子 Agent 分工执行向其汇报 | 集中控制、子任务可分解 |
| 水平 | 平等协商、共享记忆 | 集思广益 / 多专家共同决策 |
| 混合 | 组合上面两种 | 复杂业务流程 |
设计方法论四步
- 清晰的协作模型
- 明确定义的 Agent 边界（能做 / 不能做 / 与其他 Agent 的职责划分）
- 可调整可追踪的推理策略
- 可控可评测（可观测性 / 资源控制 / 故障恢复 / 目标驱动评估）
核心组件三大域
- 服务域：Agent 服务 / 通信协议（通信协议）/ 服务发现
- 治理域：安全（网络/传输/内容三层）/ 护栏（Guardrail）
- 弹性可观测域：限速重试断路器 / 监控指标
通信协议
| 协议 | 发布者 | 适用 |
|---|---|---|
| MCP | Anthropic | IDE/聊天应用的插件、DB、API 集成 |
| A2A | 跨供应商企业级 Agent 编排 | |
| ANP | 社区 | 跨组织/多域开放 Agent 网络 |
关键工程经验
- ⚠️ 单次 LLM 请求注入 > 20 个 Agent 服务 → 调用精准度急剧下降
- ✅ Agent 服务和大模型调用前后都用 Guardrail 做安全检查
- ✅ 通信协议插件化接入，预留适配层（协议本身仍在快速迭代）
演进阶段（零一万物）
- L1 工作流 Agent → L2 推理 Agent → L3 多智能体（基于目标的智能协作与结果交付）
市场数据（09-中投-2026-AI产业深度报告）
- 全球 2025 → 2032：138.1 亿 → 1408 亿美元（CAGR 39.3%）
- 中国 2025 突破 232 亿元，CAGR 120%
- 2026 = 企业 Agent 上岗元年
- 活跃 Agent 数：2025 ≈ 2860 万 → 2030 ≈ 22.16 亿
- 资金流向 “4-3-3”：40% 基础设施 / 30% 管理平台 / 30% 场景应用
在本 Wiki 中的出现
- 08-企业级-Agentic-AI-架构设计（AWS 工程方法论）
- 09-中投-2026-AI产业深度报告（市场视角）
- 07-OpenAI-Codex-负责人访谈（编程 Agent 实例）
- 11-Managed-Agents（Anthropic 托管服务架构）
- 12-Parallel-Claude-C-Compiler（多 Agent 并行实证）
- 13-Harness-Design-Long-Running-Apps（generator-evaluator 三 Agent）
- 14-MCP-Tools-Empirical-Study（17.7 万工具 + 软件开发 67%）
- 15-Karpathy-Vibe-Coding-to-Agentic-Engineering（“Agent 作为 installer”、“Software 3.0”）
- 16-信通院-企业级智能体报告-2026（中国官方智库）
- 17-Figma-Agents-Config-2026（“Agent 作为协作者而非工具”）
多 Agent 架构分类的跨厂商共识：AWS（08-企业级-Agentic-AI-架构设计）的「垂直/水平/混合」与中国信通院 / 中国工业互联网研究院的「层级式/平等式/混合式」是同一分类法的不同命名。
2026 上半年新发现：
- MCP 已成 Agent 工具生态事实标准
- 编程 Agent 占工具下载量 90% → 并行 Agent 团队 是主流形态
- “Agent 作为协作者”（Figma）与”Agent 作为 installer”（Karpathy）是 C 端 UX 的两个收敛比喻
相关
Harness-Engineering · Agentic-Engineering · Brain-Hands-Decoupling · Parallel-Agent-Teams · Codex · OpenClaw · MCP-Model-Context-Protocol