如果说上一阶段大模型公司比拼的是“模型能力”，那么近日的竞争焦点正在转向“让模型干活的基础设施”。随着Agent概念升温，中国AI公司的战场从聊天产品延伸到开发平台、工具协议与运行时环境——谁能把Agent做得更稳、更便宜、更容易接入，谁就更可能留住开发者和企业客户。
最先被感知的变化是“工具调用”的标准化。过去模型调用外部API往往靠提示词硬凑，参数格式不稳定、失败率高。近期多家厂商强化了函数调用（Function Calling）的结构化能力，并给出更严格的schema约束，让模型输出可直接被程序解析。智谱在其GLM系列中持续完善工具调用与智能体编排能力，推出面向开发者的智能体平台，支持定义工具、配置流程、接入知识库，并可对执行链路做追踪。这种“平台化”思路，实质是把Agent从demo变成可运维的产品。
百度则依托文心大模型与千帆平台，强调企业级Agent的搭建与托管。其思路是把数据接入、检索增强、工具编排、权限管理打包成一套流程，企业无需从零搭建推理与调度系统。对传统行业客户而言，Agent能否接入既有ERP、CRM、工单系统，往往比模型跑分更实际。近期不少厂商都在强调“低代码编排”，本质是降低业务人员参与门槛。
阿里通义侧则更强调生态内工具链的整合。依托电商、地图、办公、支付等场景，Agent可在体系内调用相对稳定的服务接口，减少外部依赖。对开发者来说，这意味着更少的对接成本和更高的任务成功率；对平台而言，则形成“模型—工具—场景”的闭环，增强粘性。与此同时，Kimi等以长上下文见长的产品，把“自主检索+信息整合”作为Agent的重点方向，主打研究、分析和报告生成类任务，避开与生活服务类Agent的正面消耗。
值得关注的是，Agent基础设施的竞争正从“能不能调”转向“调得稳不稳”。多步任务的成功率是乘法关系，任何一步失败都会导致整体崩溃。因此近期平台普遍在补三类能力：一是执行过程可观测，开发者能看到每一步的输入输出、耗时与错误；二是失败重试与降级策略，例如工具超时后自动切换备用接口；三是安全护栏，在涉及支付、删除、发送等高风险动作前强制人工确认。这些看似“不性感”的工程能力，恰恰决定Agent能否规模化落地。
成本同样是绕不开的问题。Agent一次任务可能触发多轮模型调用和多次工具请求，token消耗远高于单轮问答。近期部分厂商开始提供缓存、路由与小模型分流策略——简单步骤交给轻量模型，复杂规划交给大模型，以压低整体成本。对B端客户而言，单任务成本能否算得过账，直接决定项目是否上线。
此外，Agent的“记忆”与“权限”也成为平台能力的一部分。企业希望Agent记住历史任务偏好，但又必须控制数据边界；希望它能访问内部系统，又不能越权操作。近期一些平台开始提供细粒度权限配置与审计日志，把Agent纳入企业IT治理体系。这意味着Agent不再只是AI团队的玩具，而要走入运维、合规与安全部门的视野。
总体来看，中国AI公司在Agent方向的布局已从“单点功能”走向“基础设施”。模型能力仍是底座，但工具生态、编排平台、可观测性与安全治理正在成为新的护城河。接下来一段时间，行业很可能出现两类分化：一类是深耕垂直场景、以任务成功率取胜的行业Agent；另一类是做通用平台、以开发者规模取胜的基础设施玩家。谁能把“能干活的AI”做成“可依赖的系统”，谁就能在这一轮竞赛中占得先机。
标签：Agent,智能体平台,智谱,百度,工具调用