### **Agent Infra 生态分析总结** --- #### **一、投资主题 1：Agent Tools（工具层）** **核心目标**：提供开发、部署和运行 Agent 的基础工具链，涵盖 RAG、MCP、后端开发等方向。 1. **RAG（Retrieval-Augmented Generation）** - **关键作用**：结合检索与生成，提升 Agent 的知识获取能力。 - **主要产品**： - **AWS**：Amazon Kendra（文档检索）、Amazon Bedrock Knowledge Bases（端到端 RAG 解决方案）。 - **Azure**：GraphRAG（非结构化数据结构化处理）、Azure Cognitive Search（智能搜索）。 - **GCP**：Vertex AI Search（托管搜索 API）、Vertex AI RAG Engine（信息检索与 LLM 集成）。 - **趋势**：云厂商推动企业上云，RAG 成为知识密集型应用的核心。 2. **MCP（Multi-Component Pipeline）** - **关键作用**：简化 Agent 与工具的交互流程，支持动态编排。 - **主要产品**： - **AWS**：AWS MCP Server（模块化服务器套件）。 - **Azure**：Azure MCP Server（访问 Azure 服务）、Playwright-MCP（LLMs 与网页交互）。 - **GCP**：Agent-to-Agent Protocol（Agent 间协作）、Agent Development Kit（MCP 工具集成）。 - **趋势**：MCP 成为 Agent 与工具交互的标准化接口，与 A2A 协议形成互补。 3. **后端开发工具（Backend Workflow）** - **关键作用**：简化 Agent 后端开发，降低技术门槛。 - **主要产品**： - **Supabase**：开源 Backend-as-a-Service（BaaS），支持实时订阅、向量数据库等。 - **Firebase Studio**：Google 全栈 AI 开发平台，整合 Gemini 大模型与 Firebase 服务。 - **Inngest**：工作流编排平台，提供 Zero-Infra 和 AgentKit。 - **趋势**：开发者偏好低代码/无代码工具，云厂商加速推出 LLM-native 解决方案。 --- #### **二、投资主题 2：Agent Security（安全层）** **核心目标**：保障 Agent 在执行任务时的身份验证、意图分析与数据安全。 1. **安全框架演进** - **从静态权限控制转向动态意图分析**：需实时验证 Agent 的每个行动是否符合用户意图。 - **数据安全要求**：动态校验数据交互，防止敏感信息泄露。 2. **主要参与者** - **Chainguard**：提供 Agent 开发阶段的安全镜像。 - **Haize Labs**：AI 系统压力测试工具，增强稳健性。 - **Oligo**：实时监控与异常检测平台，保障运行安全。 3. **趋势**：安全需求驱动 AI-native Infra 发展，当前阶段仍以传统安全厂商为主导。 --- #### **三、投资主题 3：Agent Infra（基础设施层）** **核心目标**：为 Agent 提供算力资源、部署环境和工具链支持。 1. **Environment（运行环境）** - **沙盒支持**： - **AWS**：Nitro Enclaves（高安全隔离）。 - **Azure**：Sandbox Mode（动态会话与代码解释器）。 - **GCP**：Compute Engine（高性能虚拟机）、Cloud Functions（无服务器计算）。 - **浏览器工具**： - **AWS**：Lambda Serverless Chrome（无头浏览器）。 - **Azure**：Playwright（多浏览器支持）。 - **GCP**：Puppeteer（无头 Chrome 控制）。 2. **Context（上下文管理）** - **RAG 解决方案**：云厂商推动企业上云，提供文档检索与知识图谱能力。 - **MCP 集成**：AWS、Azure、GCP 均推出 MCP 服务，简化 Agent 工具交互流程。 3. **Tools（工具链）** - **后端开发**： - **AWS**：Step Functions（状态机编排）。 - **Azure**：Logic Apps（可视化工作流）、Functions（事件驱动计算）。 - **GCP**：Cloud Functions（多语言支持）、Cloud Workflows（服务编排）。 --- #### **四、附录：云厂商布局** **三大云厂商（AWS、Azure、GCP）** 在 Agent Infra 领域的布局覆盖 **Environment、Context、Tools** 三大方向，但目前尚未出现完全 Agent-native 的产品，仍以传统服务为基础进行扩展。 | **方向** | **AWS** | **Azure** | **GCP** | |----------------|------------------------------------------------------------------------|--------------------------------------------------------------------------|------------------------------------------------------------------------| | **Environment** | Lambda Serverless Chrome、Nitro Enclaves | Azure Sandbox、Playwright-MCP | Puppeteer、Cloud Functions | | **Context** | Kendra、Bedrock Knowledge Bases | GraphRAG、Cognitive Search | Vertex AI Search、RAG Engine | | **Tools** | Step Functions | Logic Apps、Functions | Cloud Functions、Cloud Workflows | --- ### **关键洞察与趋势** 1. **RAG 与 MCP 是 Agent 生态的“双引擎”**：RAG 提升知识能力，MCP 简化工具交互，二者共同推动 Agent 智能化。 2. **云厂商主导标准化进程**：AWS、Azure、GCP 通过 RAG、MCP、BaaS 等产品加速 Agent 生态成熟。 3. **安全与工具链是长期挑战**：Agent 安全需动态分析意图，工具链需进一步降低开发门槛。 4. **初创企业机会**：在 Agent Security、Agent-to-Agent 协议、LLM-native 工具等领域，初创公司可能抢占先机。 --- **总结**：Agent Infra 生态正从工具链、安全层到基础设施层逐步完善，云厂商与初创企业协同推动 Agent 应用落地，未来将向更智能、更灵活的方向演进。