近年来，人工智能（AI）技术的迅速发展正在彻底改变软件开发的动态，特别是AI代理（Agent）的兴起，促使软件的构建、部署和扩展方式迎来了深刻变革。2025年，随着AI代理的普及，软件开发的格局正在悄然转变。想象一下，一个仅有20名员工的公司，竟能在短短两年内创造出1亿美元的年度经常性收入，这正是AI引领的爆炸式增长的真实写照。在Cursor、Bolt、Lovable和Mercor等企业的成功案例中，我们可以生动地看到这样的大趋势。这一现象揭示了AI创业所带来的转变：依靠AI代理的辅助，产品开发的限制已不再仅仅依赖于员工的数量或传统的开发周期。显然，这标志着软件构建和部署方式的根本性转变。

　　根据Y Combinator（YC）管理合伙人贾里德·弗里德曼在YouTube上的披露，在其W25批次的创业公司中，95%的代码库均由AI生成。换言之，目前YC孵化的这一批次中，有四分之一的代码库几乎完全依赖AI的生成。随着新的应用程序不断涌现，对基础设施的要求也随之水涨船高。近日，知名投资机构Madrona发布的“AI代理基础设施技术栈”图示，全面展示了AI代理在各层面上对当前生态系统的深远影响。

　　随着AI代理的不断普及，对AI应用基础设施的要求也在悄然升级。自从我们在2024年6月提出“人工智能代理基础设施的崛起”这一主题以来，市场格局发生了翻天覆地的变化。过去，开发者更倾向于DIY解决方案，以灵活性为首要考虑，尝试不同的方法，但如今，这种情况不再明显。许多新公司正为未来的AI代理发展构建基础设施，面对的目标也在不断变动。 例如，Neon推出了一种无服务器的方案，成功将存储与计算进行了有效分离。据报告，AI代理在其平台上创建数据库的速度已是人类开发者的四倍，这极大加速了Neon的数据增长。同时，Browserbase等专用AI代理基础设施也呈现出类似的增长趋势，其StagehandUI自动化库的npm安装量每月已超过50万。这一切不仅是简单的数据增长，更是软件构建和部署模式根本性转变的强烈信号。

　　回顾一年前，关于AI代理的落地路径仍显模糊，开发者需要从无到有地构建产品，而灵活性往往被置于首位，但如今，AI代理领域开始出现一些经过验证的模式，并逐步付诸实际应用。这些模式在我们1月发布的代理格局分析中已有简单展示，包括：

　　1）下一代副驾驶——情境感知助手，主动协助完成复杂任务，如Bolt.new、AirOps和Colimit； 2）队友代理，具备更强自主性，能够执行多步骤工作流程的产品，如Ravenna、Sailplane和Basepilot； 3）代理组织，构建协作系统，使多个专用代理彼此协同，如Aaru（其为AI预测公司，运用多智能体AI系统更加精准地模拟人类行为）； 4）作为服务的代理，提供面向开发者的专门代理功能，拓宽了AI应用的开发范围。

　　工具层：赋能AI代理 工具层的扩展尤为显著，反映了AI代理交互的复杂性在增加。关键变化包括： 1）代理在与可视化网络互动的过程中，致使浏览器基础设施和UI自动化被迫与API体系相联系。Browserbase、Lightpanda和Browserless等企业正在致力于这一目标，而Stagehand等专业服务则为常见模式提供更高级别的抽象； 2）身份验证与安全性将进入新的阶段，Clerk、Anon和Statics.ai等公司正首当其冲地推出“代理身份验证”，为代理行为中的权限、凭证与安全性提供原生管理； 3）工具发现与集成方面芝麻ip代理服务器器，Anthropic模型的上下文协议（MCP）正在崛起，可能成为“AI代理的TCP/IP”，为保持上下文提供标准化的交互协议。Stripe、Neo4j和Cloudflare等大企业已经推出MCP服务器，表明其在工具集成中的潜在重要性。像Composio和Arcade.dev等企业正在基于这些协议构建新的抽象层。

　　数据层：适应AI代理的需求 数据层的演变表明传统基础设施须如何调整以适应AI代理的工作负载。Neon的实践尤具启发性。正如之前所提，AI代理创作Neon数据库的速度是人类开发者的四倍，催生出即时配置、自动扩展和隔离环境的新需求。Create.xyz在Neon上的开发人员代理在短短36小时内成功创建了2万个新数据库！最终用户所需的仅是用一句话描述他们要构建的内容，例如：“构建一个使用AI对应用程序进行排名的职位板”，代理便会自动处理相关数据库操作。数据层的组成正在细分，各个组件都承担着独特的功能:如内存系统（例如Mem0与Zep）为特定代理提供上下文信息，确保代理能够保存和调用关联数据；存储解决方案（包括Neon这样的传统数据库和Pinecone这样的新一代矢量数据库）则不断调整以适应代理的工作负载需求；而ETL服务的兴起则专注于处理非结构化数据，提高代理驱动系统中数据转换和集成的效率。

　　编排层：管理代理的复杂运作 为了有效管理多个协同工作代理的复杂性，编排层显得愈加重要。托管编排解决方案，如LangGraph、CrewAI和Letta，使开发者可以编写和管理多个协同工作的代理，简化复杂的工作流并增强协作性。同时，Inngest、Hatchet和Temporal等持久性引擎则专注解决长期运行的代理进程中的状态维护问题，确保持续性和可靠性。

　　一年前，我们曾将部分代理开发者的工作比喻为“快速穿越一座未完工的桥”，如今，这座桥愈发完整，交通量亦呈现指数增长，未来将会增加更多发展通道。AI代理基础设施的迅猛发展映射出软件构建方式的深刻变革。我们观察到的不仅仅是眼花缭乱的增长数据，而是正在酝酿一种新的软件开发范式。随着基础设施堆栈的进一步成熟，转型时刻正快速逼近。从MCP等标准化协议到身份验证、内存和编排的专用服务，定义下一代应用程序模式的进程正在加速。然而，创新的快速推进也提醒我们依然处在这一转型过程的早期阶段。返回搜狐，查看更多