AI Agent 概念采纳度报告（2023—2026）
过去四年，Agent 领域出现过至少三十个概念。真正活下来、变成行业基础设施的，只有五个左右。
更值得注意的不是"哪些活了"，而是活下来的往往不是当时最强的那个，而是最容易被别人采纳的那个。MCP 在 2024 年底发布时，设计并不比同期几个协议更优雅，但它被采纳了——因为它被做成了开放标准，而且提出方自己先用。
这份报告把 2023 年以来的关键概念按时间排开，给每个概念标上四件事：谁提出的、有没有成为标准、市场接受度如何、现在的最佳实践是什么。
判断"是否成标准"用三个口径：有正式规范、有事实互操作（多家独立实现且能互换）、仅在社区流传（无规范、无互操作）。
一、四个阶段
把四年连起来看，进展可以分成四段，每段解决上一段暴露的瓶颈。
| 阶段 | 时间 | 核心问题 | 留下的资产 |
|---|---|---|---|
| 工具化 | 2023 | 模型怎么"动手" | Function Calling 协议 |
| 协议化 | 2024 | 工具怎么"通用" | MCP、Computer Use |
| 工程化 | 2025 | 怎么"交付" | Claude Code、Agent Skills、evals |
| 系统化 | 2026 | 怎么"规模化" | MCP 生产化、生态分层、成本治理 |
这条因果链是清晰的：
- 2023 解决了"能不能动手"，于是 2024 年暴露出"每个工具都要重新对接"
- 2024 解决了"接线"，于是 2025 年暴露出"跑起来之后怎么知道对不对"
- 2025 解决了"怎么知道对不对"，于是 2026 年暴露出"算不清账、管不住权限"
二、五档采纳度总表
第一档：已成事实标准
| 概念 | 提出方 | 时间 | 市场接受度 | 当前最佳实践 |
|---|---|---|---|---|
| Function Calling | OpenAI | 2023-06 | 接近 100% | 参数用枚举与结构化 schema；错误信息写成给模型看的提示；幂等键必备 |
| RAG | Meta 论文（2020），2023 工程化 | 2023 | 极高 | 纯向量不够，用关键词 + 向量 + 元数据三路混合；把检索做成工具而非管道 |
| MCP | Anthropic | 2024-11-25 | 高（生态约两万 Server） | 无状态优先；返回按需精简；Resource 与 Tool 分离 |
| Context Engineering | Karpathy 造词，Anthropic 系统化 | 2025-06 | 高 | 追求最小高信号 token 集；压缩按四层做；稳定知识预载、动态内容即时检索 |
| Evals | Anthropic 系统化 | 2026-01 | 中（认同高、执行率低） | 从真实失败构造评估集；生产门禁用 pass^k 而非 pass@k |
第二档：成为开放标准
| 概念 | 提出方 | 时间 | 市场接受度 | 最佳实践 |
|---|---|---|---|---|
| Agent Skills | Anthropic | 2025-10 提出，2025-12-18 标准化 | 高且上升 | 三层渐进式披露；代码作为工具；从评估反推该建哪个 Skill；审计来源防恶意 Skill |
第三档：主流采纳但实践分化
| 概念 | 提出方 | 时间 | 市场接受度 | 最佳实践 |
|---|---|---|---|---|
| 推理模型（Test-time compute） | OpenAI（o1 预览 2024-09-12） | 2024-12 | 极高 | 按任务分配推理强度；区分"想得久"与"想得对"；不要用它替代明确的流程 |
| 多智能体 | 微软 AutoGen（2023-11）等 | 2023-11 | 中（概念热、落地少） | 先证明单 Agent 上下文不够；三条判据同时满足才拆 |
| Computer Use | Anthropic | 2024-10-22 | 中 | 只用于没有 API 的老系统；加人工确认；操作前截图存证 |
| Agent Harness | 多家（Claude Code 为代表） | 2024-2025 | 高 | 把循环内部当作要控制的对象，不是黑盒；选框架先问它允许你改什么 |
第四档：争议中
| 概念 | 提出方 | 时间 | 市场接受度 | 最佳实践 |
|---|---|---|---|---|
| Vibe Coding | Karpathy 造词 | 2025-02 | 高传播、低严肃采纳 | 适合探索与原型；生产需 Agentic Engineering 兜底 |
| Agentic Engineering | Karpathy | 2025-12 | 上升中 | 把"保住天花板"当独立目标；规格、架构、验证不能外包 |
| 端到端自主 Agent | AutoGPT 开创 | 2023-03 | 低 | 只在有强判据的封闭环境用 |
第五档：已退潮或淘汰
| 概念 | 退潮原因 | 留下的教训 |
|---|---|---|
| AutoGPT 式全自主 | 无约束的自主会跑偏、烧 token、陷循环 | 自主性需要结构承接 |
| AutoGen 框架 | 2026 年进入维护模式 | 生态会死，抽象会过时 |
| 纯提示词工程 | 边际收益被上下文工程与结构化输出取代 | 修辞学让位于信息架构 |
三、四个典型概念的曲线位置
同一个生命周期模型，用来看清某个概念现在处在哪一段。
| 阶段 | 判断信号 | 该做什么 |
|---|---|---|
| 提出 | 只有提出方在讲，没有第三方实现 | 观望，读懂原理即可 |
| 传播 | 教程多于实现，演示多于生产 | 做个小实验，别投入产线 |
| 标准化 | 多家独立实现且能互换 | 投入的最佳窗口 |
| 商品化 | 云厂商内置、API 直接提供 | 直接用，不必自研 |
| 沉淀或淘汰 | 无人再提它的名字，但它的能力还在 | 沉淀的当常识；淘汰的记住教训 |
套进去看：
- Function Calling：已走完整个曲线，现在是"沉淀"——没人再把它当卖点，因为它是基础设施
- MCP：2026 年处在"标准化 → 商品化"之间，是投入的最佳窗口
- Agent Skills：处在"标准化"初期，规范有了，生态还在长
- AutoGPT 式自主：已淘汰，但它的教训被沉淀进了后面所有产品
四、什么样的概念会成为标准
回头数一遍，四年里真正成为标准的只有五个左右。它们有三个共同点。
判据一：解决了 N×M 问题
MCP 之所以活下来，不是因为设计最优雅，而是因为它把"N 个模型 × M 个工具"的对接，变成了"N + M"。Function Calling 同理：它让模型与工具之间有了统一语言。
反过来，各种 Agent 框架之所以没有成为标准，是因为它们各自解决了某个具体的编排问题，没有消除一个乘法。
判据二：有明确的失败信号可以被验证
Evals 能成为共识，不是因为它时髦，而是因为它对应的问题（"改完之后到底变好没有"）有一个可判定的答案。
一个概念如果能让人一眼看出"我是否做错了"，它就有机会扩散；如果只能靠专家判断，它就很难走出圈子。
判据三：降低了新进入者的成本
Skills 的扩散靠的是这一点：一个新人不需要读完全部文档，只要装一个 Skill，就能获得某类任务的做法。
一个概念如果让老手更爽但让新手更难，它通常传不开。
三个"看起来该成标准但没成"的反例
- 多智能体：不解决 N×M，失败信号也不清晰（你很难说清"多 Agent 的哪一步错了"）
- Vibe Coding：传播极广，但它是一个态度而非机制，无法被实现
- 端到端自主：失败信号太清晰了（直接跑飞），于是它被清晰的失败否证了
五、当前最佳实践速查
| 你现在要做的 | 该用什么 | 不该用什么 | 关键判据 |
|---|---|---|---|
| 让模型操作外部系统 | MCP + Function Calling | 自写私有协议 | 有现成 Server 吗？有就别自建 |
| 教 Agent 一套流程 | Agent Skills | 超长系统提示词 | 这套流程会被复用三次以上吗？ |
| 判断改完后有没有变好 | Evals（pass^k 门禁） | 直觉 + demo 抽查 | 用户只跑一次，所以按 pass^k 算 |
| 处理开放任务 | 带规划或反思的循环 | 端到端自主 Agent | 失败能否被中断？能才放自主 |
| 提升长任务表现 | 上下文压缩 + 状态外置 | 换更大窗口的模型 | 删掉一段上下文后质量会降吗？ |
| 多 Agent 协作 | 先证明单 Agent 不够 | 默认拆多个 Agent | 三条判据同时满足才算够 |
| 控制成本 | 模型分级 + 工具结果裁剪 | 只盯单价 | 算的是每决策成本还是单次调用？ |
| 上线前最后一道 | 权限最小化 + 人工确认 | 靠提示词约束行为 | 它被授权做什么，而非被要求做什么 |
六、三条结论
第一，标准是被采纳出来的，不是被设计出来的
MCP 的设计在 2024 年并不比同期其他协议更先进，但它被采纳了，因为提出方把它做成了开放标准，并且自己先用。
这条规律对所有想押注新概念的人有用：看谁在用，比看谁在说更重要。
第二，每一轮热潮都会留下一样东西
2023 年的 AutoGPT 退潮了，留下了"自主需要结构"；2024 年的 Computer Use 还不稳，留下了"像素也是接口"；2025 年的 Vibe Coding 被批评，留下了"AI 写代码需要人守天花板"。
不要因为一个概念被证伪就否定它，先找它留下了什么。
第三，年表的价值不在过去，在斜率
知道某个概念处在生命周期哪一段，就能推算它还有多久到商品化。这个推算能力比记住日期有用——因为日期会忘，斜率不会。
附：几个被核实过的关键日期
写这类年表最容易出错的是日期。以下是我逐条核对过的：
| 事件 | 日期 | 备注 |
|---|---|---|
| Function Calling | 2023-06 | 工具调用从提示词约束变成结构化 API |
| Computer Use | 2024-10-22 | 观察换成像素、动作换成键鼠 |
| MCP 发布 | 2024-11-25 | 比 Claude Code 早三个月 |
| o1 预览 | 2024-09-12 | 开启 test-time compute 路线 |
| o1 正式版 | 2024-12-05 | 推理模型商业化 |
| Claude 3.7 Sonnet + Claude Code | 2025-02-24 | 同日发布，编码 Agent 成为品类 |
| GPT-5 | 2025-08-07 | 思考内置 |
| AgentKit | 2025-10-06 | OpenAI DevDay 发布 |
| Agent Skills | 2025-10-16 | 三个月后成为开放标准 |
| Skills 开放标准 | 2025-12-18 | agentskills.io |
| MCP 生产化版本 | 2026-07-28 | 无状态化、确定性工具顺序 |
一点说明
这份报告以英文世界的发布节奏为主线。中国市场的产品（Coze、Qoder、WorkBuddy、心响等）在这张表里出现得少——不是因为它们不重要，而是因为它们大多是对上述概念的本地化实现，尚未产生独立的新概念。
这个判断可能会被后来的事实推翻。如果被推翻了，那正是这份报告值得更新的理由。