工具生態逐步完善，通用Agent曙光已現——AI行業專題報告

計算機行業證券研究報告

2025年3月27日推薦

維持投資評級?第二部分：模型與工具并舉，助力Agent成熟與普及?第三部分：

GUIAgent浪潮迭起，自主性通用性不斷提升?風險提示請務必閱讀正文之后的免責條款部分

2?第一部分：

Agent是人類的模仿者，調用工具來完成復雜任務》》》目錄

1AIAgent能夠自主使用工具完成目標

AI

Agent能使用工具來在現實世界中獲取實時信息或給出行動建議，為此，模型需要訪問外部工具，

自主規劃和執行任務。

寬泛地來說，生成式AI

Agent可以被定義為一個應用程序，通過觀察周圍世界并使用可用的工具來實現其目標。

Agent是自治的(autonomous)

，只要提供了合適的目標，它們就能獨立行動，無需人類干預；即使是模糊的人類指令，Agent也可

以推理出它接下來應該做什么，并采取行動，最終實現其目標。》》》1Agent是人類的模仿者，調用工具來完成復雜任務3請務必閱讀正文之后的免責條款部分

3資料來源：YuHuang,

Roboraction.AI《LevelsofAIAgents:fromRulestoLargeLanguage

Models》，國元證券研究所資料來源：YuHuang,

Roboraction.AI《Levelsof

AIAgents:fromRulestoLargeLanguageModels》，國元證券研究所圖：AIAgent的運作范式圖：AI模型的運作范式模型AIAgent知識范圍知識僅限于其訓練數據通過工具連接外部系統，能夠在模型自帶的知識之外，實時、動態擴展知識狀態與記憶無狀態，每次推理都跟上一次沒關系，除非在外部給模型加上會話歷史或上下文管理能力有狀態，自動管理會話歷史，根據編排自主決策進行多輪推

理原生工具無有，自帶工具和對工具的支持能力原生邏輯層無。需要借助提示詞工程或使用推理框架（CoT

、ReAct等）來形成復雜提示，指導模型進行預測有，原生認知架構，內置CoT

、ReAct等推理框架或

LangChain等編排框架

1AIAgent能夠自主使用工具完成目標

Agent

VSLLM：模型的知識僅限于其訓練數據，AI

Agent通過工具連接外部系統，在模型自帶的知識之外，實時、動態擴展知識。

模型缺乏原生邏輯層，需借助提示詞工程或使用推理框架（CoT、ReAct等）來形成復雜提示，指導模型進行預測，而AI

Agent自帶原生認知架構，內置CoT、ReAct等推理框架或LangChain等編排框架。表：AIAgent與AI模型的區別4資料來源：JuliaWiesinger,PatrickMarlow,VladimirVuskovic《2024Google團隊Agents白皮書》，國元證券研究所請務必閱讀正文之后的免責條款部分

4》》》1Agent是人類的模仿者，調用工具來完成復雜任務 2AIAgent基礎組件：模型、工具、記憶、規劃

AI

Agent的基礎組件包括：模型(model)

、工具(tool)、記憶(memory)、規劃(planning)。

模型(model)：Agent中用來做核心決策的大腦，可以是一個或多個任何大小的模型。

規劃(planning)：將大型任務分解成較小的、可管理的子目標，從而高效處理復雜任務。

工具(tool)：基礎模型在文本和圖像生成方面非常強大，但無法與外部世界聯動，有了工具，Agent便能夠與外部數據和服務互動。

記憶(memory)：用于獲取、存儲、保留和稍后檢索信息的過程，幫助Agent積累經驗、

自我進化，以更一致、合理有效的方式行動。圖：LLM驅動的AIAgent系統》》》1Agent是人類的模仿者，調用工具來完成復雜任務資料來源：LilianWeng《LLMPoweredAutonomousAgents》，國元證券研究所請務必閱讀正文之后的免責條款部分55 2AIAgent的結構——memory

結構上，memory模塊通常包含短期記憶和長期記憶，短期記憶暫存最近的感知，長期記憶存儲重要信息供隨時檢索。

格式上，可以用自然語言表達，或編碼為向量嵌入提高檢索效率；可以利用數據庫存儲，或組織為結構化列表表示內存語義。

操作上，主要通過記憶讀取、寫入和反射三種機制與環境交互；讀取提取相關信息指導行動，寫入存儲重要信息，反射總結見解提

升抽象水平。圖：大模型智能體記憶方法》》》1Agent是人類的模仿者，調用工具來完成復雜任務6請務必閱讀正文之后的免責條款部分

資料來源：數據科學人工智能公眾號，國元證券研究所

6 2AIAgent的結構——planning

復雜的任務通常涉及許多步驟，規劃(planning)作為一種結構化的思考過程，即組織思維、設定目標，并形成應對策略。

Agent中推理和規劃的能力由LLM來實現，推理和規劃會賦予Agent學習的能力，有助于智能體學習積累知識和經驗。

Agent可以對過去的行為進行自我批判和反思，從錯誤中吸取經驗，并為接下來的行動進行分析、總結，確保其與環境更好地保持一致，從而適應環境、更有效地執行任務并成功達成目標。》》》1Agent是人類的模仿者，調用工具來完成復雜任務資料來源：AI應用研究Lab公眾號，國元證券研究所請務必閱讀正文之后的免責條款部分圖：Agent的反思框架77 2AIAgent的結構——tools

工具是基礎模型與外部系統進行實時、上下文感知的橋梁，

目前主要有Functions、Extensions、DataStores

、Plugins等方式。

Extensions：一種以標準化方式連接API與Agent的組件，使Agent能夠調用外部API，而不用管這些API背后的實現方式。

Functions：模型可以設置一組已知的函數，根據規范決定何時使用哪個函數，以及函數需要哪些參數。

Data

Stores：向Agent提供增量數據，將傳入的文檔轉換為一組向量數據庫嵌入(embedding)

，為Agent所用來提取信息，典型的例子是檢索增強生成(RAG)。圖：DataStores允許Agent訪問各種格式的數據資料來源：JuliaWiesinger,PatrickMarlow,VladimirVuskovic《2024Google團隊Agents白皮書》，國元證券研究所請務必閱讀正文之后的免責條款部分》》》1Agent是人類的模仿者，調用工具來完成復雜任務88

L1級—采用基于規則的AI；L2級—轉而使用基于互動學習(IL)/強化學習(RL)的AI，并增添推理和決策能力；L3級—改用基于LLM的AI替換互動學習/強化學習的方式，并增加記憶(Memory)與自我反思(reflection)

，達到專家級別性能；L4級—在L3的基礎上，加強

自我學習和泛化的能力

，在特定任務上的表現超過人類；

L5級—在L4的基礎上

，增加了個性（情感+

性格）

和協作行為

(MultiAgent)，性能表現全面超越人類。圖：Agent等級分類》》》1Agent是人類的模仿者，調用工具來完成復雜任務請務必閱讀正文之后的免責條款部分

資料來源：YuHuang,

Roboraction.AI《Levelsof

AIAgents:fromRulestoLargeLanguage

Models》，國元證券研究所

3

AIAgent仍處于發展初期99?第三部分：

GUIAgent浪潮迭起，自主性通用性不斷提升?風險提示請務必閱讀正文之后的免責條款部分?第二部分：模型與工具并舉，助力Agent成熟與普及?第一部分：

Agent是人類的模仿者，調用工具來完成復雜任務》》》目錄10

1AIAgent的工作原理

AIAgent的響應質量依賴模型的推理能力和執行任務的能力，包括選擇正確工具的能力，以及工具自身的好壞。

AI

Agent的工作可以類比廚師做菜：1）收集信息（輸入）：顧客點的菜，后廚現有的食材等等；2）推理（思考）：根據收集到的信息，判斷可以做哪些菜；3）做菜（行動）：包括切菜、加調料、烹炒等等。在以上每個階段，廚師(Agent)都根據需要進行調整，這個信息接收、規劃、執行和調整的循環描述的就是一個Agent用來實現目標的特定認知架構。

Agent使用以上一種或多種推理技術（ReAct、Chain-of-Thought、Tree-of-Thoughts等），接受特定的用戶請求確定下一個最佳行動。圖：Agent如何工作（以ReAct推理框架為例）11請務必閱讀正文之后的免責條款部分

資料來源：

Julia

Wiesinger,

Patrick

Marlow,

Vladimir

Vuskovic《2024

Google團隊Agents白皮書》，國元證券研究所

11》》》2模型與工具并舉，助力Agent成熟與普及 2MultiAgent：群體協作提升系統性能

為什么需要MultiAgent?——隨著任務復雜度增加，單一

智能體需要理解的語境和工具使用面臨上下文窗口限制，導致性能下降；多智能體協作通過動態任務分解、專業

化分工和協同工作克服這一挑戰，這種協作可能產生智能涌現，即系統整體表現超越單個智能體能力之和。

多智能體系統協作模式：層級指揮模式下，指揮官智能

體進行任務分解、整合各專家智能體返回的結果，專家

智能體執行任務、返回結果。

自由協作模式下，各個智能體分別交互

，生成最終結果

。多智能體框架包括

OpenAISwarm、AutoGen、MetaGPT等。圖：多智能體系統提升任務表現》》》2模型與工具并舉，助力Agent成熟與普及資料來源：阿里云開發者公眾號，國元證券研究所請務必閱讀正文之后的免責條款部分資料來源：阿里云開發者公眾號，國元證券研究所圖：MultiAgent的運作模式1212 3MCP：AI工具統一接口，釋放Agent空前潛力

當大語言模型與外部系統交互，一個企業面對不同的框架或系統，都需要參考其協議，去開發對應Tool，這是一個非常重復的工作。

MCP（Model

ContextProtocol，模型上下文協議）是Anthropic在2024年11月推出的一種開放協議，

目的在于統一LLM和外部數據

源、工具之間的通信協議，支持多種大模型，可類比AI應用程序的USB-C接口。

MCP組件：主機(MCPHost)是用戶與AI互動的應用程序（如ClaudeDesktop、IDE）；服務器(MCPServer)位于工具端（如Slack、

數據庫），能給予AI訪問特定資源的權限；客戶端(MCPServer)負責把AI的指令發送給服務端。圖：MCP架構圖13請務必閱讀正文之后的免責條款部分

資料來源：騰訊云智慧傳媒公眾號，國元證券研究所

13》》》2模型與工具并舉，助力Agent成熟與普及 3MCP：AI工具統一接口，釋放Agent空前潛力

圍繞MCP協議的生態系統正在逐步形成，有望重

塑AI

Agent格局，帶來新一代自主、多模態、深

度集成的AI體驗。

MCP客戶端：

目前高質量的MCP客戶端主要集中

在編碼領域，但隨著MCP協議成熟普及，未來有望涌現出更多面向商業應用場景的MCP客戶端。

MCP

市場和服務器托管解決方案

：

mcpt

、

Smithery

和

OpenTools

等平臺

，正在

努

力

構建

MCP服務器的“應用商店

”，讓開發者能夠更方

便地發現、分享和貢獻新的MCP服務器，有助于

標準化高質量MCP服務器的訪問，讓AI

Agent能

夠動態地選擇和集成所需的工具。服務器生成工

具（如Mintlify,Stainless）正在降低創建MCP兼

容服務的門檻。請務必閱讀正文之后的免責條款部分》》》2模型與工具并舉，助力Agent成熟與普及資料來源：a16z官網，國元證券研究所圖：MCP核心模塊1414?第一部分：

Agent是人類的模仿者，調用工具來完成復雜任務?第二部分：模型與工具并舉，助力Agent成熟與普及?風險提示請務必閱讀正文之后的免責條款部分?第三部分：

GUIAgent浪潮迭起，自主性通用性不斷提升》》》目錄15 1GUI

Agent從規則驅動邁向自治的端到端應用 2024年10月，Anthropic發布了Claude

3.5

Sonnet，并加持"Computer

Use”能力，使其成為首個以圖形用戶界面(GUI)

Agent形式，可在公開測試中控制電腦的AI模型；2025年1月，OpenAI推出了Operator及其核心模型Computer-Using

Agent

(CUA)，僅限$200/月

的Pro用戶；2025年3月，Monica團隊發布“全球首款通用型AI

Agent

”的Manus，進一步將Computer

Use

Agent的概念推向產品化。圖：GUIAgent的發展歷程資料來源：ByteDanceSeed,Tsinghua

University《UI-TARS:

PioneeringAutomatedGUI

Interactionwith

NativeAgents》，

國元證券研究所》》》3GUIAgent浪潮迭起，自主性通用性不斷提升請務必閱讀正文之后的免責條款部分1616 2OpenAI推出首款AI

AgentOperator 2025年1月24日，OpenAI發布AI

AgentOperator，能在瀏覽器上執行簡單在線任務的網絡應用，如預訂音樂會門票、在線訂購雜貨等。

關鍵技術：由基于GPT-4o構建的新模型Computer-Using

Agent(CUA)提供支持，CUA通過處理原始像素數據以了解屏幕上發生的情況，并使用虛擬鼠標和鍵盤完成操作，可以導航多步驟任務、處理錯誤并適應意外變化。

Operator全計算機使用任務成功率：OSWorld(38.1%)，WebArena(58.1%)，WebVoyager(87%)，超越之前最先進的基準結果；落后于人類在OSWorld測試中的表現(72.4%)。》》》3GUIAgent浪潮迭起，自主性通用性不斷提升17請務必閱讀正文之后的免責條款部分

資料來源：OpenAI官網，國元證券研究所資料來源：OpenAI官網，國元證券研究所

17圖：Computer-Using

Agent

(CUA)在OSWorld基準測試中的表現圖：Computer-Using

Agent

(CUA)運作機制 2OpenAI開源AgentSDK，助力Agent應用開發 2025年3月12日，OpenAI發布全新Agents工具，

旨在簡化Agent的開發，包括：1)

新的Responses

API：兼具Chat

Completions

API的

簡單性和Assistants

API的工具使用能力，支持此次新的三種內置工具；2)新的AgentsSDK：開源

，輕量且強大的框架，用于編排單Agent和多Agent工作流；3)三種內置工具：網絡搜索(websearch)

、文件搜索(filesearch)、電腦使用(computeruse)。

OpenAI

Agent

SDK以開源、易用搶占生態卡位，推動AI

Agent在各行業的大規模部署：

目前流行的Agent開發框架如LangChain上手

成本較高，其內部高度抽象的設計往往需要開發者深入理解原理才能靈活使用，而OpenAI的Agent

SDK采用模塊化、可擴展的設計，

提高了系統的靈活性和可擴展性，使得開發者能夠構建高度自定義的Agent應用。圖：AgentSDK應用場景廣泛18資料來源：小籽研記公眾號，國元證券研究所請務必閱讀正文之后的免責條款部分

18》》》3GUIAgent浪潮迭起，自主性通用性不斷提升

Agent

SDK提供了一個輕量且強大的架構，核心圍繞著幾

個關鍵概念：Agent

（代理）

、Tools

（工具）

、AgentLoop（代理循環）

、Handoff（任務交接）、Guardrails（任務護欄）、Tracing（任務狀態跟蹤）

Agent：由開發者賦予特定角色的LLM實例，能夠使用各

種工具來執行任務。

Agent

Loop（代理循環）：代理自動執行任務的迭代過

程。

Handoff（任務交接）：多Agent開發環境中，允許一個

Agent將子任務交給另一個Agent

，或將一個Agent的輸出作為另一個的輸入，簡化多Agent協作工作流。

Guardrails

（任

務護欄

）：通過預

定

義

的規則來驗證

Agent的行為，確保安全性和可靠性。 Tracing（任務狀態跟蹤）

：OpenAI在官方工作臺中提供

了一個追蹤面板，開發者可在其中可視化所有代理的行為。請務必閱讀正文之后的免責條款部分》》》3GUIAgent浪潮迭起，自主性通用性不斷提升 2OpenAI開源AgentSDK，助力Agent應用開發資料來源：閑話AI公眾號，國元證券研究所圖：OpenAIAgentsSDK架構圖1919 3中國創業團隊發布通用AI

Agent產品Manus 2025年3月6日，中國創業團隊Monica發布一款名為Manus的產品，在評估通用人工智能助手解決現實世界問題的GAIA基準測試中，

Manus取得了最先進(SOTA,State-of-the-Art)的成績，性能超越OpenAIDeepResearch。

作為全球首款真正意義上的通用AI

Agent，Manus能夠獨立思考、規劃并執行復雜任務，直接交付完整成果。其名稱來源于拉丁語

"Menset

Manus”

，意為手腦并用，將知識用手執行。》》》3GUIAgent浪潮迭起，自主性通用性不斷提升資料來源：甲子光年公眾號，國元證

券研究所請務必閱讀正文之后的免責條款部分資料來源：甲子光年公眾號，國元證券研究所圖：Manus在GAIA基準測試表現優秀圖：Manus官網使用案例2020

3

Manus創始團隊

Manus產品團隊的創始人肖弘畢業于華中科技大學。2015年畢業后，

肖弘創立夜鶯科技，專注于企業微信SaaS工具，推出了“微伴助手

”“壹伴助手

”，為企業提供高效的社交營銷工具。獲得騰訊、真格基金等知名投資機構數億元投資，服務超200萬B端用戶。 2022年，創立Monica，專注海外市場，這是一款All-in-One的AI助手，用戶在瀏覽器中點開圖標，就能直接使用其接入的各大主流模型。 2023年，Monica通過收購熱門插件"ChatGPTforGoogle"迅速擴展用戶規模。收購后，Monica構建起AI工具矩陣，滿足不同場景需求。

目前，Monica累計用戶已突破700萬，穩居AIChrome插件第一梯隊。

2024年7月，

肖弘攜張濤、首席科學家季逸超共同創立Manus

AI

。張濤曾在字節跳動負責國際化產品，隨后在光年之外擔任產品負責人。季逸超在高二期間，便獨立開發了“猛犸瀏覽器

”(Mammoth)，這款瀏覽器在蘋果應用商店上線后，迅速獲得了大量用戶的青睞。圖：Monica網頁版界面》》》3GUIAgent浪潮迭起，自主性通用性不斷提升21請務必閱讀正文之后的免責條款部分

資料來源：

Monica官網，國元證券研究所

21

3

Manus使用案例

提示詞：我是一名中學物理老師，正準備教授動量守恒定律。您能否創建一系列清晰準確的演示動畫，并將它們整理成一個簡單的HTML演示文稿？圖：Manus使用案例22請務必閱讀正文之后的免責條款部分

資料來源：賽博禪心公眾號，國元證券研究所

22》》》3GUIAgent浪潮迭起，自主性通用性不斷提升

3

Manus使用案例

提示詞：我想要一份特斯拉股票的全面分析，包括：概述：公司概況、關鍵指標、業績數據和投資建議，財務數據：收入趨勢、利潤率、資產負債表和現金流分析，市場情緒：分析師評級、情緒指標和新聞影響，技術分析：價格趨勢、技術指標和支撐/阻力水平資產比較：市場份

額和與主要競爭對手的財務指標對比價值投資者：內在價值、增長潛力和風險因素投資論點：SWOT分析和針對不同類型投資者的建議。圖：Manus使用案例》》》3GUIAgent浪潮迭起，自主性通用性不斷提升23請務必閱讀正文之后的免責條款部分

資料來源：賽博禪心公眾號，國元證券研究所

23

3

Manus創新點

從技術實現角度來看，Manus的本質是“虛擬機+compute

use+artifacts+多Agent協同

”，核心是對現有Cursor類產品的再封裝，降低使用門檻，讓非技術用戶也能更輕松地利用AI進行復雜任務編排。

Manus首席科學家對"LessStructure,

more

Intelligence”設計哲學的闡釋：當你的數據足夠優質、模型足夠智能、架構足夠靈活、工程足夠扎實，那么ComputerUse、DeepResearch、Coding

Agent等概念就從產品特性變為了自然涌現的能力。

在產品設計上，將人類通用可理解的做事過程展示給用戶，可通過對過程的反饋來糾正結果，進一步加深了可控性。》》》3GUIAgent浪潮迭起，自主性通用性不斷提升24請務必閱讀正文之后的免責條款部分

24圖：Manus產品理念"Lessstructure,moreintelligence"圖：Manus將執行過程全方位展示給用戶資料來源：蘭度的CoT公眾號，國元證券研究所資料來源：極客公園公眾號，國元證券研究所

Manus架構是典型的Multi-Agent系統，每個代理可能基于獨

立的語言模型或強化學習模型，彼此通過API或消息隊列通

信。同時每個任務也都在沙盒中運行，避免干擾其他任務，同時支持云端擴展。

規劃模塊：規劃模塊是Manus的“

大腦

”，負責理解用戶意

圖，將復雜任務分解為可執行的步驟，并制定執行計劃。該

模塊實現：任務理解與分析、任務分解與優先級排序、執行

計劃制定

、資源分配與工具選擇

、語義理解與意圖識別

(NLU)、復雜任務分解為DAG結構、異常處理與流程優化。

記憶模塊：存儲和利用歷史信息，提高任務執行的連貫性和

個性化程度。該模塊管理三類關鍵信息：用戶偏好、歷史交

互、中間結果。

工具使用模塊：負責實際執行各種操作。該模塊能夠調用和

使用多種工具來完成任務，包括：網絡搜索與信息檢索、數

據分析與處理、代碼編寫與執行、文檔生成、數據可視化。請務必閱讀正文之后的免責條款部分 3Manus架構：模塊化的Multi

Agent系統圖：以Manus為例的Multi-Agent智能體系統工作流程》》》3GUIAgent浪潮迭起，自主性通用性不斷提升25資料來源：架構師公眾號，國元證券研究所

25 4字節開源通用型AI

Agent產品TARS 2025年1月，字節跳動開源智能體系統——TARS，基于自研原生GUI（圖形用戶界面）代理模型UI-TARS，能通過屏幕視覺解析與動作

序列規劃，

自動完成機票預訂等跨應用操作；支持MCP，能夠更靈活地對接各類模型并整合新功能，以適應復雜多變的業務環境。

在多項基準測試中表現出色：在VisualWebBench、WebSRC和ScreenQA-short等評測感知能力的基準上，取得領先；在定位能力評測基準ScreenSpotPro、ScreenSpot和ScreenSpotv2上也表現優異。26資料來源：ByteDanceSeed,TsinghuaUniversity《UI-TARS:

PioneeringAutomatedGUIInteractionwith

NativeAgents》，國元證券研究所26》》》3GUIAgent浪潮迭起，自主性通用性不斷提升資料來源：TARS官網，國元證券研究所請務必閱讀正文之后的免責條款部分圖：TARS官網使用案例：搜索、分析并總結英偉達過去一年的股價圖：UI-TARS基準測試中的表現刷線SOTA》》》3GUIAgent浪潮迭起，自主性通用性不斷提升請務必閱讀正文之后的免責條款部分

資料來源：

InfoQ官網，

國元證券研究所國內AI

Agent產品羅盤圖：國內AIAgent產品羅盤52727?第一部分：

Agent是人類的模仿者，調用工具來完成復雜任務?第二部分：模型與工具并舉，助力Agent成熟與普及?第三部分：

GUIAgent浪潮迭起，自主性通用性不斷提升?風險提示請務必閱讀正文之后的免責條款部分》》》目錄28

AI大模型技術進展不及預期的風險；

AI

Agent技術進展不及預期的風險；

AI

Agent商業化落地