日期:2026-10-25 浏览:0

智能体(Agentic AI)架构与多智能体协议标准化研究

智能体(Agentic AI)架构与多智能体协议标准化研究

副题:MCP、A2A 等通用交互协议逐步成熟,多智能体协同成为复杂工作流的新基础设施

作者:泷码软件(上海)有限公司 · 泷码软件研究院 · 泷码首席技术官(CTO)平台

编制时间:2026 年 10 月

 

核心判断:多智能体协议标准化已越过“实验窗口”,进入“生产基础设施”阶段——以 MCP 为垂直接入、A2A 为水平协作、AAIF 提供中立治理的开放协议栈正在成形。对企业与平台而言,当前是建立“协议就绪”能力、而非观望的标准卡位期;对开发者而言,能否同时驾驭“智能体互联”与“智能体安全”两条主线,将决定其在新基础设施上的长期竞争位。

绪论:Agentic AI 的范式跃迁与多智能体协同的必然

人工智能的产业叙事在数年间完成了一次显著的焦点迁移。从大语言模型所带来的“对话能力”,到被称作 Agentic AI 的“自主执行能力”,技术供给不再止步于“回答问题”,而开始承担“完成任务”的职责。所谓智能体(Agent),按照 2026 年 5 月国家互联网信息办公室、国家发展和改革委员会、工业和信息化部联合印发的《智能体规范应用与创新发展实施意见》给出的权威定义,是“具备自主感知、记忆、决策、交互与执行能力的智能系统,是 AI 产品及服务的重要形态”。这一定义的要点在于“自主”二字:智能体被赋予目标,并能围绕目标自主规划、调用工具、与环境交互、迭代结果,直至交付可核验的产出。

这一范式转变的深层含义,是软件系统的主体性发生了位移。传统软件的执行逻辑是“人工触发的确定性流程”,而智能体的执行逻辑是“目标驱动的自主决策”。当单个智能体能够完成端到端的复杂任务时,系统设计面临的新问题便随之而来:真正的复杂业务,几乎从来不是单一智能体可以独立承担的。跨系统的数据查询、跨职能的流程协作、跨组织的业务协同,天然要求多个智能体分工、协商、接力与复核。由此,“多智能体协同”不再是一种学术设想,而是复杂工作流工程化的必然选择。

多智能体协同的前提,是智能体之间、智能体与外部世界之间能够“彼此理解、互相调用、可信协作”。这恰好是协议所要回答的问题。如果说上一代互联网的基础设施建立在 HTTP、DNS、TLS 等协议之上,那么智能体时代的基础设施,正在由模型上下文协议(MCP)、智能体间协议(A2A)以及围绕它们形成的中立治理组织所定义。本报告以“架构—协议—市场—挑战—趋势”为线索,系统梳理这一新基础设施的演进脉络、产业图景与决策含义。

智能体架构演进:从单体能力到协同编排

单体智能体的能力结构

理解多智能体系统,须先理解单体智能体的能力边界。一个完整可用的智能体,通常由若干相互咬合的能力模块构成:感知层负责接收并理解多模态输入;记忆层负责短期上下文与长期知识沉淀;规划层将高层目标分解为可执行的步骤序列;决策层在候选动作间做权衡选择;执行层通过工具调用与环境交互;交互层负责向用户或其他系统表达结果。上述模块共同构成“感知—记忆—决策—执行—交互”的能力闭环。

单体智能体的优势在于职责集中、上下文连贯、调试相对直观;其局限也同样清晰。一方面,单一智能体受限于上下文窗口、算力预算与单点知识结构,难以在超长链路或跨领域任务中保持稳定;另一方面,随着任务复杂度上升,“一人身兼数职”的通用智能体会在专业能力、可维护性与安全隔离上迅速触顶。这正是多智能体架构兴起的内在动因:以多个职责聚焦、能力收敛的智能体,通过编排形成整体大于部分之和的系统。

多智能体协同的典型架构模式

多智能体系统的工程实践,正在沉淀出一批可复用的编排模式。从产业实践与模式库的梳理看,至少存在四类被广泛验证的结构。

• Orchestrator–Worker(编排者—执行者):中央编排智能体在运行时把任务动态拆分为子任务,分发给专职执行智能体,再回收结果并综合产出。执行者之间通常不直接通信,全部经由编排者中转。这一模式适合可分解的复杂任务,如报告生成、研究综合、多步数据处理。

• Supervisor–Worker(主管—专家):主管智能体接收请求、判断意图,再将任务路由给不同领域的专家智能体,并对专家产出进行审核后汇总。适合输入类型多样、需要意图分流的场景,如客服工单、IT 服务台、销售线索初筛。

• 层次化 / 嵌套编排:顶层智能体负责战略与全局目标,向下逐级派出子协调者,由子协调者进一步管理下层执行智能体,形成树状的多级治理结构。适合大规模、多层级组织与复杂供应链协同。

• 网状 / 对等协作:智能体以点对点方式互联,通过能力发现、交互协商与契约(如 SLA)完成协作,不依赖中心节点。适合跨组织、跨供应商、去中心化的开放协作场景,也是智能体经济的技术底座。

值得强调的是,上述模式并非互斥。现实生产系统往往采用混合结构:全局用主管—专家控制意图,局部用编排者—执行者细化任务,跨组织边界再用对等协作。选型的核心依据,是任务的“可分解性”“协同密度”与“组织边界”。

 

图:多智能体协同的四种典型编排模式|架构归纳自产业实践与模式库(orchestrator-workers 等成熟模式)

从产业落地看,多智能体协同已从概念验证走向真实生产。以制造业为例,国内已有大型制造企业建成“多智能体工厂”,在同一业务体系内部署二十余个智能体,覆盖设计、生产、供应链等多个业务领域并可串联运行;在设计环节,有制造企业将图纸设计周期从“两天一张”压缩至“二十分钟一张”。这类案例揭示了一个共性规律:多智能体协同的价值兑现,高度依赖各智能体之间的数据打通与流程衔接——而这正是协议层要解决的命题。

多智能体协议:互操作标准化的兴起

为什么需要协议:从 N×M 集成到统一互操作

在多智能体普及之前,AI 系统与外部系统的连接长期处于“碎片化”状态。每家模型厂商都有自己的函数调用(function calling)规范,每个应用都要为每个工具单独开发适配器,形成了典型的 N×M 集成难题——N 个模型对接 M 个工具,需要维护 N×M 条专用连接。这种模式在规模上不可持续:每增加一个工具,都要为所有模型各写一遍接入逻辑;每增加一个模型,都要重新适配所有工具。

协议标准化的意义,正是把这种网状连接收敛为“一套接口、多方复用”。当所有模型与工具都遵循同一协议时,N×M 的集成复杂度被压缩为 N+M 的线性复杂度,生态效应随之显现:工具只需实现一次协议即可服务所有模型,模型只需理解协议即可调用所有工具。这一逻辑,构成了智能体时代基础设施建设的核心方法论。

MCP:模型与外部世界的统一接入层

模型上下文协议(Model Context Protocol,MCP)是这一轮标准化的先行者。它由 Anthropic 于 2024 年 11 月 25 日开源,定位是为 AI 应用提供访问外部工具与数据源的统一开放接口,常被业界类比为“AI 界的 USB-C”。在架构上,MCP 采用“宿主—客户端—服务器”模型:宿主应用内嵌 MCP 客户端,通过 stdio 或 Streamable HTTP 等传输方式连接 MCP 服务器,由服务器向模型暴露资源(Resources)、工具(Tools)与提示词(Prompts)三类原语。

MCP 的生态扩张速度在开源历史上相当罕见。发布一年间,活跃的公共 MCP 服务器数量突破一万个,Python 与 TypeScript 的 SDK 月度下载量超过九千七百万次;ChatGPT、Cursor、Gemini、Microsoft Copilot、Visual Studio Code 等主流 AI 产品陆续接入;AWS、Cloudflare、Google Cloud、Azure 等云厂商提供企业级托管能力。2025 年 9 月,官方 MCP Registry 上线,作为服务器分发与发现的权威索引;截至同年 11 月,注册条目已接近两千条,较首批收录增长约 407%。同年 11 月 25 日发布的第四版规范,引入了异步操作、无状态化、服务器身份、官方扩展机制,以及任务型工作流、OAuth 2.1 授权、URL 模式(安全带外交互)与 Agentic Sampling 等能力,使协议向“生产级、可大规模部署”的方向明显收敛。

A2A:智能体间的通用协作语言

如果说 MCP 解决的是“智能体如何接入工具与数据”,那么 Agent2Agent(A2A)协议回答的是“智能体之间如何通信与协作”。A2A 由 Google 开发,并于 2025 年 6 月捐赠给 Linux 基金会,采用 Apache License 2.0,由涵盖 AWS、Cisco、Google、IBM Research、Microsoft、Salesforce、SAP、ServiceNow 等企业的技术指导委员会(TSC)共同维护。

A2A 的设计目标,是让采用不同框架、不同厂商构建的智能体能够相互发现、协商交互模态、透明地协同完成长任务,同时不必暴露各自的内部状态、记忆与工具。其核心价值在于“不透明互操作”:智能体只需通过 Agent Card 公开自身能力与接口,即可被其他智能体发现并调用。2026 年 4 月,A2A 迎来首个里程碑:支持该标准的组织从初期的五十余家增至一百五十余家,覆盖供应链、金融服务、保险与 IT 运维等垂直领域;v1.0 稳定规范引入了多协议支持、企业级多租户、现代化安全流与 Signed Agent Cards(加密身份验证)。在云平台侧,Microsoft 将 A2A 集成进 Azure AI Foundry 与 Copilot Studio,AWS 通过 Amazon Bedrock AgentCore Runtime 提供支持;采用 LangGraph、CrewAI 等不同框架构建的智能体,开始能够在不共享内部记忆的前提下相互委派子任务并协调复杂工作流。核心仓库 GitHub 星标超过两万二千,SDK 从单一 Python 实现扩展至 JavaScript、Java、Go、.NET 五种生产级语言。

AAIF 与开放治理:标准化走向中立化

协议要成为公共基础设施,就不能由单一商业主体把持。2025 年 12 月 9 日,Linux 基金会宣布成立 Agentic AI Foundation(AAIF),这是基金会旗下专注于智能体 AI 的定向基金,由 Anthropic、Block 与 OpenAI 共同创始,并获得 Google、Microsoft、AWS、Cloudflare、Bloomberg 等支持。AAIF 的首批奠基项目,是 Anthropic 捐赠的 MCP、Block 捐赠的 goose 以及 OpenAI 捐赠的 AGENTS.md。随后,A2A 于 2026 年 8 月以“成长期项目”身份正式加入 AAIF 的开放智能体技术栈。截至 2026 年 10 月,AAIF 成立不足一年已汇聚超过三百家成员,托管项目达到十个,覆盖协议、技能、运行时与沙箱等层面。

AAIF 的意义在于把“技术标准”与“中立治理”绑定。它试图确保 MCP、A2A 等关键协议在多方参与下透明演进,而非由少数公司专有控制。这与 Linux 内核、Kubernetes 等开源项目的历史路径一脉相承:基础设施级技术只有在中立组织中孵化,才能获得跨厂商的信任与采纳。对产业而言,中立治理意味着企业可以无顾虑地投资于标准化栈,而不必担心被单一供应商锁定。

协议生态的多元格局与分层互补

在 MCP 与 A2A 之外,智能体互操作领域还存在多条并行路径。Cisco 创立的 AGNTCY 以“智能体互联网(Internet of Agents)”为愿景,聚焦跨框架、跨协议的智能体发现、身份、消息与可观测;由国内团队开源的 Agent Network Protocol(ANP)则基于 W3C 的 DID(去中心化标识)等标准,试图为智能体互联网构建身份、发现、即时消息与支付能力,提出“智能体时代的 HTTP”愿景;A2A 生态中还衍生出面向智能体驱动交易的 Agent Payments Protocol(AP2),已获得支付与金融服务领域六十余组织支持,将协议触角延伸至经济协调层。

维度

MCP

A2A

AGNTCY / ANP

AP2

核心定位

模型与工具/数据接入

智能体间通信与协作

发现/身份/消息/网络

智能体驱动支付交易

发起方

Anthropic

Google

Cisco / 开源社区

A2A 生态

治理归属

AAIF(Linux 基金会)

AAIF(Linux 基金会)

Linux 基金会 / W3C 社区

开源社区

互操作方向

垂直接入(智能体↔系统)

水平编排(智能体↔智能体)

网络级互操作

经济与交易层

成熟度

万级服务器、九千七百万月下载

一百五十+组织、v1.0 稳定

社区与标准培育期

六十+组织支持

来源:各协议官方文档与 Linux 基金会公开资料|截至 2026 年 10 月

一个重要判断是,这些协议之间并非竞争替代,而是分层互补。A2A 官方即明确表述:A2A 定义智能体如何在组织边界之间相互通信与协调,MCP 定义智能体如何连接内部工具与数据源;二者共同构成跨技术栈、无需单一平台即可工作的互操作智能体系统的基础层。可以预见,未来的标准格局将是一个“多协议并存、各司其职”的分层体系,而非“一协议通吃”的单一标准。

 

图:智能体开放协议栈的分层结构——治理中立、协议分层、垂直接入与水平编排互补

市场、产业与落地:数据与图景

全球市场:从百亿美元级向数百亿美元级跃迁

多智能体协同成为基础设施,最直接的表现是市场规模的快速膨胀。综合多家研究机构口径,全球 AI 智能体市场规模在 2025 年约为七十六至七十九亿美元,2026 年预计达到一百零九至一百一十六亿美元,多家机构给出的复合年增速一致落在 44% 至 50% 区间。MarkNtel 预测该市场将从 2025 年的七十六亿美元增至 2032 年的一千一百零五亿美元,期间复合增速约 47%;Panto 的测算则指向 2026 年一百一十四点七亿美元、2030 年五百二十六亿美元、复合增速约 46.3%。尽管不同机构对绝对数值的估计存在口径差异,但“高基数、高增速、可持续”的方向判断高度一致。

[该类型的内容暂不支持下载]

来源:MarkNtel、Panto、ChatMaxima 等机构公开预测综合|单位:十亿美元|2026 年后为预测值(虚线区间)

技术分析机构 Gartner 的采用率数据,进一步印证了企业侧的加速趋势。其研究显示,2025 年底嵌入智能体的企业应用不足 5%,而这一比例预计在 2026 年底达到 40%;2026 年 7 月的调查则表明,已有 17% 的组织部署了 AI 智能体,42% 计划在未来十二个月内部署,另有 22% 计划在随后一年推进。这些数据共同指向一个判断:智能体正从“试点”快速走向“规模化嵌入”,而规模化正是标准需求爆发的温床。

中国市场:政策、标准与需求的三重驱动

中国智能体市场呈现出政策供给、标准建设与市场需求三重驱动的特征。市场规模侧,据艾瑞咨询预测,中国企业级智能体产品及解决方案市场规模将从 2025 年的 55.9 亿元增长至 2030 年的 815.1 亿元,期间复合增速约 70.9%,增速显著高于全球平均水平。

[该类型的内容暂不支持下载]

来源:艾瑞咨询(经媒体转引)|单位:亿元|预测值,口径为企业级智能体产品及解决方案

需求侧的真实热度,可从招投标与流量数据观察。研究机构智能超参数统计,2026 年上半年全国至少有 2770 个应用类大模型中标项目,其中至少 673 个与智能体相关,占比近三成,约 180 个项目涉及智能体开发平台。易观分析发布的报告显示,在用户最常使用的桌面端办公智能体产品中,前十名中有八款为国产产品;自 2026 年 3 月起,桌面端 AI 原生办公智能体应用迎来爆发式增长,头部产品合计月访问量突破两千万次。

流量结构的深层变化尤为值得关注。在 2026 年中国互联网大会上,中国工程院院士邬贺铨指出,到 2030 年,国内对话类词元流量将从 2025 年约占总量的一半下降至 12%,而智能体及智能体服务流量占比将升至 75%。IDC 中国区总裁霍锦洁则预测,到 2029 年全球或将部署超过十亿个 AI 智能体——作为参照,目前全球所有手机应用商店的移动应用总数不过数百万个。这意味着,智能体的“调度、管理、互联”将成为企业最核心的新需求。

政策与标准体系同样在快速搭建。2026 年 5 月,国家网信办、国家发展改革委、工业和信息化部联合印发《智能体规范应用与创新发展实施意见》,明确了十九个智能体鼓励发展方向,覆盖科学研究、产业发展、提振消费、民生福祉与社会治理五大领域。同年 6 月底,《人工智能 智能体互联》系列七项国家标准正式发布,覆盖总体架构、身份码、身份管理、智能体描述、智能体发现、智能体交互、智能体工具调用等内容,有效补齐了领域标准空白;工信部 2026 年第五批行业标准制修订计划中,至少还有十二项与智能体相关的行业标准正在制定,涵盖软件测试智能体、软件开发智能体、软件运维智能体等场景,预计 2027 年一季度完成。中国正在国际协议(MCP、A2A)与国内国家标准两条轨道上同步发力,构成独特的“双轨标准化”格局。

行业落地:从单点工具到系统协作

多智能体协同的产业价值,正在多个行业从“概念”走向“报表”。在制造业,除前述“多智能体工厂”案例外,工业智能体厂商的财务表现也验证了需求刚性——上海一家获得工业垂类大模型备案的企业,自 2024 年推出工业智能体产品以来,2025 年已实现盈利,2026 年上半年营收已超越 2025 年全年水平。在金融与供应链,A2A 已被用于跨工具、跨供应商协调自主系统。在办公场景,多智能体协同让文档、数据、流程在桌面端贯通,头部产品月访问量的爆发即是明证。可以判断,多智能体协同正在从“技术栈的附加选项”转变为“复杂业务流的新基础设施”。

关键挑战:安全、信任与治理

标准化解决了互操作的“能力”问题,却没有天然解决互操作的“信任”问题。随着智能体从对话工具升级为可自主执行动作、可跨组织调用资源、可代表用户交易的主体,安全与治理的复杂度随之指数级上升。这是当前智能体产业公认的核心短板,也是企业决策时最需要警惕的风险敞口。

安全:自主性带来的攻击面扩张

智能体的自主执行能力,本质上把“建议权”变成了“操作权”,攻击面也随之从“内容层”扩展到“动作层”。传统 AI 安全关注的是模型输出的有害性;智能体安全则要关注恶意指令注入、工具越权调用、敏感数据外泄、任务链被劫持等一系列“行动级”风险。IDC 研究认为,各类智能体在帮助企业提质增效的同时,智能体安全已成为企业用好智能体的关键,而当前中国智能体安全市场与技术仍处于起步阶段,产品形态、检测机制与标准体系均需完善。这既是风险,也意味着安全检测与防护将成为智能体产业中增长最快的新兴赛道之一。

身份与信任:让智能体“可识别、可追责”

跨组织协同的前提,是每一方都能验证“和我协作的智能体是谁、它被授权做什么”。这正是 A2A 引入 Signed Agent Cards、ANP 基于 DID 构建去中心化身份、国家标准覆盖“身份码”与“身份管理”的深层原因。只有当智能体具备可验证的身份、可审计的行为记录、可撤销的授权,多智能体之间的协作才具备追责与合规的基础。当前,身份与信任机制仍处于从“设计”走向“工程落地”的过渡期,跨协议的身份互认更是尚未完全打通。

标准碎片化与治理风险

尽管 AAIF 提供了中立治理的样板,但智能体互操作领域仍存在标准碎片化的现实:MCP 与 A2A 之外,还有 AGNTCY、ANP、AP2 等多条路径并行,且中国正同步建设国内国家标准。对平台企业而言,需要警惕的是“标准丛林”带来的适配成本,以及早期协议锁定可能造成的路径依赖;对行业而言,最大的风险是各生态圈各自为政,最终抵消标准化的规模红利。化解之道,在于协议层保持分层互补的开放性,同时通过 AAIF 这类中立组织推动跨标准融合。

可观测性与成本

多智能体系统的另一个工程挑战,是“黑箱化”。任务被拆解到多个智能体、经多轮协商与接力后,故障定位、性能归因与成本核算都变得困难。业界正通过可观测性标准、追踪与审计工具来应对,但整体仍落后于智能体部署速度。与此同时,多智能体协同带来词元消耗与算力成本的成倍上升,如何在“协同收益”与“运行成本”之间取得平衡,是规模化落地绕不开的经济学命题。

演进趋势与企业布局建议

趋势一:协议融合与“标准栈”成型

MCP、A2A 在 AAIF 下的同栈共治,预示着未来标准将趋于“分层协同、互为补充”,而非“一统天下”。垂直接入、水平编排、网络级互操作与经济层交易将各归其位,形成可组合的开放标准栈。企业应将其视为继 TCP/IP、REST 之后的第三波基础设施标准红利。

趋势二:从“人机对话”到“机机经济”

当智能体能够跨组织自主发现、协商并交易(如 AP2 所指向的方向),智能体之间将形成真正意义上的“机机经济”。这对企业的商业模式、计费方式、风控体系都会带来结构性影响。早期参与协议生态、占据互操作节点的企业,有望在下一轮价值分配中占据有利位置。

趋势三:安全与治理成为第二增长曲线

智能体安全、身份管理、合规审计将成为与智能体部署并行的刚需。能够把“协议就绪”与“安全就绪”同时做好的平台,将建立差异化的竞争壁垒。安全标准的完善(无论是国际协议的安全扩展还是国内智能体安全标准)都将催生新市场。

对企业与平台的布局建议

• 建立“协议就绪”能力:在技术规划中优先采用 MCP 作为工具接入层、A2A 作为智能体协作层,避免为每个系统开发专用连接,从架构上预留多智能体互操作空间。

• 跟踪中立治理与标准动态:关注 AAIF 及各协议的版本演进与治理走向,参与工作组与标准讨论,争取早期定义权而非被动适配。

• 把安全与身份内建于架构:在智能体设计中默认具备可验证身份、最小权限、行为审计与撤销机制,将安全作为第一性约束而非事后补丁。

• 用多智能体模式重构复杂工作流:以“可分解、需协同、跨边界”为标准筛选场景,先以主管—专家或编排者—执行者模式落地,再逐步走向跨组织对等协作。

• 平衡协同收益与运行成本:建立可观测性与成本计量体系,对多智能体协同的 ROI 做量化评估,避免为协同而协同。

结论

智能体(Agentic AI)正从“能对话的工具”进化为“能执行的系统”,而多智能体协同则被推举为复杂工作流的新基础设施。这一演进的技术主线,是 MCP、A2A 等通用交互协议的逐步成熟,以及 AAIF 所代表的中立开放治理的确立。全球市场以 44% 至 50% 的年增速扩张,中国市场以超过 70% 的复合增速追赶,政策、标准与需求三重力量同步释放。与此同时,安全、身份、可观测性与治理的短板,决定了这一新基础设施不会一蹴而就,而是一场“能力供给”与“信任供给”赛跑的长周期进程。

对产业参与者而言,结论清晰而紧迫:标准化窗口正在关闭,协议就绪能力、安全内建能力与多智能体编排能力,共同构成下一阶段竞争的入场券。能否在标准尚在收敛的窗口期内完成布局,将决定企业在智能体时代是“标准红利的享有者”还是“碎片化的承担者”。泷码软件(上海)有限公司、泷码软件研究院与泷码首席技术官(CTO)平台将持续跟踪这一基础设施的演进,为产业提供工程化实践与研判参考。

 

数据来源

本报告所引关键事实、数据与判断,均来源于下列公开资料;部分预测数据因机构口径不同存在区间差异,已在正文标注。报告编制时点为 2026 年 10 月。

1. Anthropic,Donating the Model Context Protocol and establishing the Agentic AI Foundation(2025-12-09)——MCP 捐赠与 AAIF 成立、万级 MCP 服务器、九千七百万月下载等数据。https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation

2. Model Context Protocol Blog,One Year of MCP: November 2025 Spec Release(2025-11-25)——第四版规范、MCP Registry 约两千条目、407% 增长等。https://blog.modelcontextprotocol.io/posts/2025-11-25-first-mcp-anniversary/

3. Linux Foundation 新闻稿,A2A Protocol Surpasses 150 Organizations...(2026-04-09)——A2A 一百五十+组织、v1.0、云平台集成、AP2 等。https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year

4. Google Developers Blog,Google Cloud donates A2A to Linux Foundation(2025-06-23)——A2A 捐赠。https://googledevelopers.blogspot.com/en/google-cloud-donates-a2a-to-linux-foundation/

5. A2A Protocol 官方文档(a2a-protocol.org)——协议定位、与 MCP 互补关系、技术指导委员会、加入 AAIF。https://a2a-protocol.org/

6. Linux Foundation,Announces the Formation of the Agentic AI Foundation(2025-12-09)——AAIF 成立与奠基项目。https://www.linuxfoundation.org/press/linux-foundation-announces-the-formation-of-the-agentic-ai-foundation

7. Agentic AI Foundation(aaif.io)——成员数量、托管项目与开放治理。https://aaif.io/

8. 新华网(转引经济参考报),WAIC:智能体站上 C 位 产业链布局提速(2026-07-17)——《智能体规范应用与创新发展实施意见》、邬贺铨流量预测、IDC 十亿智能体预测、智能体互联七项国家标准、工信部行业标准计划、中标项目与桌面端流量数据等。https://www.news.cn/tech/20260717/0d77047f4e2e481c9589dbbfb9cd233f/c.html

9. MarkNtel、Panto、ChatMaxima 等机构智能体市场预测(2026)——全球市场规模与增速区间。https://www.marknteladvisors.com/research-library/ai-agent-market.html ;https://www.getpanto.ai/blog/ai-agents-statistics

10. Gartner 关于企业应用嵌入智能体比例与组织部署比例的公开研究(2025-2026)。

11. 深圳商报(经今日头条转引),AI 办公应用深化空间广阔(2026-10-25)——艾瑞咨询中国企业级智能体市场规模预测(55.9 亿→815.1 亿元,CAGR 70.9%)。http://m.toutiao.com/group/7700441966304936484/

12. Agent Network Protocol(ANP)、AGNTCY 官方资料(2025-2026)——智能体网络协议与 Internet of Agents 愿景。https://agent-network-protocol.com/ ;https://agntcy.org/

13. 企业多智能体协同架构模式资料(agentpatternscatalog 等)——Orchestrator-Workers、Supervisor-Worker 等模式归纳。https://agentpatternscatalog.github.io/

免责声明

本报告由泷码软件(上海)有限公司、泷码软件研究院与泷码首席技术官(CTO)平台编制,仅用于行业研究与技术研判,不构成任何投资建议、商业决策依据或法律意见。报告中的市场预测数据来源于第三方研究机构的公开资料,不同机构因统计口径、样本与假设差异,其结论可能存在显著区间偏差,读者在使用时应自行甄别并核实原始来源。报告所引用的第三方商标、产品与公司名称均归其各自所有者所有,引用仅用于客观说明。编制机构不对任何因依赖本报告内容而作出的决策及其后果承担责任。本报告编制于 2026 年 10 月,此后相关技术、标准与市场状况可能发生变化,编制机构不承担更新义务。