137: Agent 是机会，造 Agent 的工具也是|从OpenAI开发者日聊起

本期播客围绕 OpenAI 第三届开发者日（Dev Day）的发布内容，深入探讨了“agent”及其开发工具链（agentic tooling）的技术演进、生态构建与创业机遇。随着大模型能力逐步成熟，行业焦点正从单一模型性能竞争转向以智能体（agent）为核心的系统化应用落地。在此背景下，如何高效构建、部署、监控和优化 agent 成为关键挑战，催生了一整套新兴的工具链生态系统。

本报告基于对 AGI House 合伙人 Henry Yin 与 Naomi Xia 的深度访谈，结合 OpenAI Dev Day 最新动态，系统梳理了 agent 工具链的核心构成、平台战略演变、创业生态格局及未来趋势判断，旨在为技术开发者、创业者与投资人提供前沿洞察。

一、OpenAI Dev Day 发布亮点：打造完整的 agent 开发生命周期支持体系

2023年10月6日，OpenAI 举办第三届开发者日，推出一系列聚焦于 agent 构建的新工具，标志着其从“对话助手”向“操作系统级平台”的战略升级。此次发布的 Agentic Kit 覆盖了 agent 开发的全生命周期，主要包括三大模块：

• 构建（Build）：推出可视化工具 Agent Builder，允许开发者通过拖拽方式快速搭建生产级 agent。该工具在演示中仅用8分钟即完成一个复杂工作流的构建，显著降低了开发门槛。
• 部署（Deploy）：发布 Chatkit SDK，提供前端 UI 组件集成能力，使开发者可将交互式界面嵌入 ChatGPT 生态，提升用户体验一致性。
• 监控与优化（Monitor & Optimize）：强化评估能力，推出新版 Evals 工具集，包括：
• 数据集管理
• Trace Grading（轨迹评分）
• 自动化 prompt 优化
• 强化微调（Reinforcement Fine Tuning）

这一系列工具打通了从设计到上线再到持续迭代的完整闭环，标志着 OpenAI 正式进入“赋能开发者”的新阶段。

二、App SDK 与 APPS in ChatGPT：迈向操作系统的野心

本次发布会另一重大进展是 APPS in ChatGPT 和 App SDK 的推出，被视为 ChatGPT 向“AI 操作系统”演进的关键一步。

• App SDK 基于 MCP 协议构建，不仅支持调用外部服务，还引入 UI 元素，允许开发者在 ChatGPT 内创建具有原生应用体验的交互组件。
• 对开发者而言，最大价值在于：
• 分发红利：依托 ChatGPT 当前约 8亿周活跃用户 的巨大流量池，解决初创产品的冷启动难题。
• 信任背书：借助 OpenAI 平台的安全合规性，更容易被企业客户接受，尤其适用于金融、法律等高敏感领域。

相比两年前 GPTs 推出时多数仅为 prompt 模板加 logo 的“伪应用”，当前工具链已能支撑真正意义上的完整应用开发，如 Canva、Figma 等合作伙伴的应用已实现账号绑定、历史数据调用与个性化生成等功能，用户体验大幅提升。

三、Agentic Tooling 的定义与发展脉络

Henry Yin 将 agentic tooling 定义为：“构建虚拟数字人所需的工具和身体部件”。它涵盖支撑 agent 实现感知、决策、执行、记忆与反馈全过程的技术栈。

典型的 agentic tooling 可分为以下几类：

#### 1. 工作流编排工具

• 功能：通过 if-else 条件、函数调用、多 agent 协作等方式组织任务流程。
• 示例：Agent Builder、N8N、Zapier。
• 特点：本质仍是人工编排的工作流系统，尚未实现完全自主决策。

#### 2. 评估与优化系统（Evals）

• 核心功能：衡量 agent 在真实场景中的表现质量。
• 关键技术：Trace Grading
• 定义：一次完整的用户与 agent 交互过程称为一个 trace（例如预订机票的全流程）。
• 实现方式：可通过编写评分函数进行规则判断，也可使用 LLM Judge 进行语义评估。
• 意义：过去这是部分创业公司的护城河，如今正被 OpenAI 标准化并开放给所有开发者。

#### 3. 状态管理与上下文存储

• 需求背景：传统 LLM 缺乏长期记忆，难以维持跨会话的状态。
• 解决方案：通过数据库、向量存储或专用中间件实现上下文持久化与检索。
• 相关项目：Llama Index（已被 AGI House 投资），用于构建结构化知识索引。

#### 4. 通信与协作基础设施

• 应用场景：多个 agent 之间需要实时通信、协调任务。
• 代表公司：LiveKit（AGI House 投资），提供低延迟音视频与数据通道，支持 agent 团队协同执行复杂任务。

#### 5. 身份认证与权限控制

• 必要性：当 agent 调用企业内部系统（如 CRM、ERP）时，需具备安全的身份验证机制。
• 类比对象：Okta 提供的企业级身份管理服务，未来可能演化为“agent identity layer”。

四、OpenAI 的双重战略：商业化落地 vs. AGI 终局追求

尽管 OpenAI 推出的 Agent Builder 等工具广受关注，但也引发关于其是否偏离 AGI 初衷的讨论。

• 理想路径（通用智能体）：
• 代表思路：Anthropic 的 Cloud Code，强调让 agent 尽可能自主运行，减少人工干预。
• 优势：基础模型升级后，所有依赖该模型的 agent 可自动受益，形成正向循环。
• 现实路径（可解释、可控的 workflow）：
• 代表思路：OpenAI 的 Agentic Kit，采用可视化拖拽+人工编排模式。
• 优势：对企业客户更友好，具备安全性、可审计性和快速落地能力。

OpenAI 实际上采取“我全都要”策略：

• 提供 Agent SDK 支持高级开发者构建自主型 agent；
• 同时推出 Agent Builder 满足大众开发者与非技术人员的需求。

这种双轨制反映了公司在追求 AGI 理想与应对商业化压力之间的平衡。随着公司规模扩大至数千人，并承担高额算力成本（如采购英伟达芯片、与甲骨文/AMD 深度合作），OpenAI 已进入“大而不能倒”的状态，亟需通过平台化商业模式支撑其估值增长（据估计已达5000亿美元）。

五、创业生态的机遇与挑战

AGI House 已投资约20家 AI 初创企业，涵盖 agentic tooling 多个关键环节，包括 Composio（工具集成）、Katisha（自动化代理）、LiveKit（通信层）、Llama Index（知识检索）等。

#### 机遇方面：

• 新平台带来新入口：APPS in ChatGPT 为早期团队提供了前所未有的用户触达机会。
• 工具链尚未饱和：尽管 OpenAI 提供基础能力，但在垂直场景优化、跨平台兼容、私有化部署等方面仍有大量创新空间。

#### 挑战方面：

• 数据不对称风险：应用运行在 ChatGPT 平台内，上下文与用户行为数据主要由 OpenAI 控制，初创公司难以获取完整数据用于产品迭代与留存优化。
• 平台自研竞争风险：OpenAI 已组建“Future of Work”团队，亲自下场构建销售线索转化、客服、客户成功等 B2B 场景的 agent，存在直接与第三方开发者竞争的可能性。
• 模型锁定问题：目前 Agentic Kit 所有环节强制使用 OpenAI 自家模型，仅 Evals 支持第三方模型接入，限制了平台开放性。

相比之下，Google 虽然也有类似复制行为，但其产品迭代速度较慢，初创公司尚有机会领先；而 OpenAI 执行力强，令开发者更为警惕。

六、平台格局展望：谁能成为最终胜出的操作系统？

未来能否容纳多个 agent 平台，取决于是否存在多个独立的大流量入口。

目前最具潜力的两大平台为：

• ChatGPT（OpenAI）：拥有最强开发者生态与先发优势，工具链最完整。
• Gemini（Google）：依托 Gmail、Workspace 等高频场景集成，用户量已超越 ChatGPT（计入嵌入式使用），追赶势头迅猛。

Anthropic 虽在模型安全性与可靠性上表现突出，但由于缺乏自有流量入口，在平台竞争中处于劣势。此外，MCP 协议虽为开放标准，但未赋予 Anthropic 显著差异化优势。

因此，市场很可能最终收敛为 两强主导格局：ChatGPT 与 Gemini 分别代表两种不同的生态哲学与发展节奏。

核心洞见提炼

1. Agent 不仅是应用形态，更是新一轮技术范式的起点

从“模型即服务”到“agent 即服务”，技术重心正从单点智能转向系统智能。真正的价值不仅在于 agent 本身，更在于支撑其运行的工具链。

2. 工具链标准化正在加速，evals 成为核心基础设施

OpenAI 将 trace grading、reinforcement fine tuning 等能力产品化，意味着原本属于少数公司的技术壁垒正在消解，推动整个生态走向成熟。

3. 平台化战略成败关键在于“开放性”与“公平性”

若 OpenAI 希望真正建立繁荣的 APP Store 式生态，必须逐步放松模型锁定、开放更多数据分析权限，并明确商业分成机制（如是否采用30%抽成）。

4. 创业机会存在于“平台之外”与“平台之下”

• “平台之外”：面向特定行业（医疗、法律、制造）的定制化 agent 解决方案；
• “平台之下”：构建跨平台的 agent 中间件、身份层、通信协议、调试工具等底层设施。

5. OpenAI 的“练武传功”模式具有深远影响

其内部实践（如 AI 驱动销售线索转化、全自动客服）已验证 agent 在企业流程中的可行性，并将这些经验封装为工具反哺外部开发者，形成“内生创新 → 外部扩散”的正循环。

结语

OpenAI 开发者日的发布不仅是技术更新，更是一次生态宣言：agent 时代已经到来，而平台之争才刚刚开始。对于创业者而言，既要抓住平台初期的分发红利，也需警惕依附于巨头生态所带来的长期不确定性。真正的赢家，或将诞生于那些既能利用平台势能，又能构建独立技术纵深的团队之中。

随着 agentic tooling 的不断演进，我们正逐步接近一个由无数智能体协同工作的未来——在那里，每一个 agent 都有其“身体”（工具）、“大脑”（模型）与“灵魂”（目标），而连接这一切的，正是今日正在成型的工具链网络。