Agent更大规模商用落地的开启，AI从“行业认知培养”走向 “生产力引擎”。 AI智能体具备感知环境、做出决策和采取行动的能力。 中国下游产业对Agent已有较充分认知，但仍需“深度投入”。
MCP： AI与外部工具的标准化连接协议
MCP是由Anthropic开源的协议，以标准化接口连接AI模型与外部工具。MCP是一种重要的协议，它通过提供标准化接口，解 决了AI模型与外部工具连接的问题，加速AI Agent落地。与传统的“函数调用”方式相比，MCP提供了一个通用标准，类似 于USB-C接口，让各种设备都能通过同一接口连接，这使得AI应用能够轻松切换不同的模型，同时让模型轻松对接各种数据 源和工具，其核心价值在于提供标准化接口，使AI开发者能更轻松地将AI模型与外部资源和工具连接起来，从而构建更强大、 更实用的AI应用。
国内头部互联网厂商对MCP广泛接受。国内百度、阿里、腾讯、 字节跳动等大厂的纷纷宣布支持MCP协议。MCP已有较广泛的行业 覆盖。
A2A：打破信息孤岛，让Agent真正协作
A2A与MCP愿景相同，为Agent提供标准化机制，解决Agent间协作问题。Google的A2A被定位为一个新型的、开放的互操作性 协议，使得不同来源、不同框架所构建的AI Agent都能够安全地进行通信、交换信息并协调行动。A2A协议基于能力发现、 任务管理、协作和用户体验协商等关键原则运作，并建立在成熟的HTTP和JSON标准之上，以确保兼容性和安全性。A2A 更试 图解决“Agent 如何与 Agent 协作”这个更宏大、更复杂的问题。
MCP与A2A：着眼行业标准话语权，生态打造为核心
MCP与A2A是Agent落地重要里程碑，产业已经由模型的竞争 更多演进至生态的竞争。MCP解决“Agent 如何使用工具”， A2A 则试图解决“Agent 如何与 Agent 协作”。A2A参与者 不像MCP可能把数据的权利都要提供出来，而是以完整Agent 的形式参与一个更大的市场。 OpenAI及国内科技巨头参与A2A会更加谨慎，每家科技巨头厂 商亦希望深度参与制定更直接的可能统一应用生态的标准。
生态成熟度：从“搭建”到“加速”
AI Agent生态 “协议破壁”与“效能刚需”共振，完成从“零散工具拼图”到“协同网络引擎”的跃迁。埃森哲携手 Google Cloud推进A2A协议落地，以标准化通信打破跨部门Agent协作壁垒，标志企业级应用从“单点工具”向“协同网络” 升级；Google Trends数据显示，2024年7月——2025年7月，中国大陆、新加坡、以色列等区域搜索热度呈趋势性攀升，且 与协议发布、标杆案例落地强关联，折射市场从“技术好奇”到“效率突破”的预期迭代。
场景适配：从“典型”到“复杂”
AI Agent从“会说话”向“能干活”转变，提升结果可控性为重点。众多Agent平台已引入由Plan agent和Action agent两 部分构成的双Agent策略，引入全新的联网引擎检索插件并加入长期记忆组件。Agent在B端落地的关键在于显著提升其任务 执行结果的可控性、可靠性与可预期性，需要构建规划推理、精准工具调用、状态监控、结果验证及纠错等系统性能力。
模型适配：从“支持”到“协同”
AI应用公司和模型厂商协同发展。应用侧，智能体商业闭环打通，交互迎来大变革；开发侧，外部平台工具化，打造Agent 工厂。
市场规模：测算与增长预期
激活企业私域数据价值，Agent发展有基础、有空间。市场规模看，预计从2023年（35亿美金）开始高速增长，2033年市场 规模有望突破1400亿美金。通过以往信息化建设，企业“信息孤岛”问题得到明显改善，结构化优质数据为Agent落地提供 充分支撑。
中国数据量增长速度超过全球，AI Agent前景广阔。2022年中国数据规模达到23.9ZB，占比23.2%。2027年中国数据量规模 可达到76.6ZB，占比26.9%，2023-2027年中国数据规模CAGR为26%，增长速度超过全球。政府、媒体、专业服务、零售、医 疗、金融等领域的结构化数据资源不断积累，为AI Agent发展提供充分支持。
中国AI Agent以B端应用为主，C端增长空间大。AI Agent B端应用占比大。2023年B端AI Agent市场规模为550亿元，占比 99.3%；C端AI Agent市场规模为4亿元，占比0.72%。预计2027年B端AI Agent市场规模为8390亿元，占比98.5%；C端AI Agent市场规模为130.35亿元，占比1.53%。2023-2028年我国C端AI Agent市场规模年复合增长率预计超100%。
核心参与者：AI Agent参与者广泛，生态、场景、模型能力为三大核心
AI Agent产业构成分为平台框架层和垂直应用层。 AI Agent产业参与者广泛，包括原生AIGC创业型、互联网大厂/产业互联 网巨头型、企服软件/SaaS服务商型、RPA型、低代码/无代码型、3C硬件型。
通用AI Agent流量分析
通用Agent访问量于MCP&A2A协议推出后持续走高。OpenAI与Gemini流量持续走高，仍保持上升趋势,特别是Google Gemini 访问量出现明显增长。从关注度看，海外AI厂商关注度始终处于高位，商业化需求的扩张符合人们的关注与预期。初创类 通用AI Agent公司Manus及genspark的访问量在3月后保持稳定，反映出一定的用户留存及粘性。Flowith及lovart ai作为 新兴或原本流量较小的应用，在6月有明显流量增长，预测主要由于接入Agent生态，外部调用增长。
垂类AI Agent应用流量分析
垂类AI应用流量基本呈现稳定上涨趋势，youware等新Agent产品仍有充分发展空间。垂直Agent领域看重数据、客户、场景， 少有绝对头部，新进入者仍有充分空间。
AI chatbots热度持续居高
海外OpenAI及Gemini占据绝对头部。国内对话类agent应用，Deepseek及豆包占据较大份额。
Bing领跑海外企业知识管理&检索类AI访问量。Bing自5月依以来，流量呈明显增长趋势，显示出头部效应，brave、opera和 perplexity ai访问量稳定。行业、企业知识库可接入此类AI,AI Agent于此类场景落地难度适中，但基于高热度，有加速落 地希望。
秘塔AI作为国内较早主打AI搜索的应用，通过迭代，仍保持较好的用户粘性。夸克凭借阿里云及通义千问大模型，访问量呈 持续增长态势。
国内图像生成AI应用访问量稳定，即梦国际化领先。
编程AI中，Github访问量相较其他编程AI应用明显领先。
头部教育辅助类AI访问量近期走低，多邻国流量稳定。由于北半球学校暑期，教育类AI需求周期性下降，多邻国由于设计幽 默风趣、结合打卡功能，维持稳定的用户粘性且国际化程度高。
客服/导购智能体应用主要由电商平台，或传统SaaS企业开发。由于客户基础及平台优势，且容错率相对较高，客服/导购类 AI Agent落地速度更快。
医疗AI Agent落地难度与场景属性强关联。Viz.ai因为专注医疗影像等标准化场景，近期增长明显；PathAi主做病理分析， AI应用场景相对复杂；Insitro专注药物研发，通常需要多学科长周期验证，AI主要为研究辅助功能，访问量稳定。
从落地难易程度出发，结合技术成熟度、数据可得性、市场接受度和ROI明确性，AI Agent应用场景的落地排序：企业流程/ 办公自动化Agent、客服/导购Agent、教育辅助Agent、行业知识库Agent、医疗诊断Agent、多Agent协作。
Agent资源消耗：计划和执行过程更加复杂，token消耗陡增且可控性降低
Agent大幅提升基础模型调用量，token消耗倍数增长。Agent的计划、记忆、调用外部系统、执行输出，每个步骤都需要大 模型支持，从而消耗token。如果在输出前添加自我纠错的过程，token消耗会成倍增加。 Agent对token消耗的预测和监控更加复杂。Agent的token消耗是一个高度动态、递归叠加、依赖外部状态的过程。每个环节 的消耗量都受具体任务、工具状态、执行路径（成功/失败/重试）、外部环境（API响应速度、数据库内容）等影响。 Agent大规模落地推广离不开强大计算基础设施的支撑，推理算力需求指数增长。
（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）
