通信行业深度：MCP与A2A助力，AI Agent进入互联时代

Agent 的定义与核心组件

Agent 的定义并无统一定义，但 Lilian Weng 提出“规划”“记忆”和“工具使用”是其重要组件。其中，规划包括拆解任务和自我反思；记忆包括短期记忆和长期记忆；工具使用主要指对外部工具的使用，例如搜索引擎。

Agent 发展现状

当前 Agent 产品仅少数独立收费，渗透率较低。大部分 Agent 被纳入大模型的收费服务内容，仅 Manus 与 Devin 等少数项目独立收费。Deep Research、Manus 类具备自主规划任务能力的 Agent 使用限制较多，距离“爆款”应用还有较大提升空间。

Agent 近两年的边际变化

1. 模型端：上下文窗口增长迅猛，强化学习深入应用，推理模型日趋成熟。
2. MCP 协议：Agent 与“外部数据和工具”的“一键”互联，降低大模型使用外部数据与工具的成本。MCP 协议已获得 OpenAI、阿里、谷歌等行业头部机构支持，成为事实上的行业通用标准。
3. A2A 协议：Agent 之间互联，进一步完善了 Agent 生态中的协议。A2A 协议与 MCP 协议在功能上存在一定重叠，但竞争有助于降低大模型调用外部工具与通信成本。

Agent 的星辰大海

1. 端到端 Agent：更高级的 Agent 是“端到端”的，它意味着“对 Agent 输入任务，Agent 自动完成人类所需的任务结果”。L3/L4/L5 等此类高级 Agent 更符合人类需求，更有希望成为下一个 AI 爆款应用。
2. 助力机器人与自动驾驶：机器人和自动驾驶也需要 Agent，或者说，被大模型支配的机器人和自动驾驶，也是一种 Agent。尤其是机器人，当前机器人发展的瓶颈在于思考“做出何种物理动作”的“大脑”，而这正会落入 Agent 的任务范畴。
3. Agent 互联与 AI 原生网络：未来，或许所有的 Agent 相互之间应该都能够通信、可以自组织、自协商，构建比现有互联网更低成本、更高效率的协作网络。中国开发者社区也在构建 ANP 等协议，旨在成为 Agent 互联网时代的 HTTP 协议。

投资建议

Agent 的快速发展将为推理算力打开天花板。建议关注算力芯片厂商、底层协议研发厂商、算力云服务厂商、大模型厂商和边缘算力厂商。

风险提示

MCP 分发平台缺位；大模型技术落地不及预期；Agent 商业落地不及预期。