AgentInfra图谱：哪些组件值得为Agent重做一遍？

文章来源：08ai导航网发布时间：2025-08-08 11:01:56

2025 年以来，Agent 开发量和使用量都有明显提高。Agent 的爆发带来了 Agent Infra 需求的爆发。在过去 1-2 年，Agent 开发大多依赖开发者手动使用传统 Infra 搭建，开发工程量大、流程复杂，但随着越来越多 Agent-native Infra 涌现，Agent 开发的难度和周期都在缩小，开发的范式正在重构和收敛。

我们之前已经研究了 Browserbase、E2B 等公司，本文是我们对于 Agent Infra 领域图景更全面的 Mapping。我们划分出了 Environment、Context、Tools、Agent Security 这四大赛道，逐步分析每个环节的价值和值得关注的初创公司：

• Environment 的作用是给 Agent 执行任务提供容器，是一个 Agent-native computer；

• Context 层是在 Agent 工作中赋予记忆 Memory 和领域知识的重要中间层；

• Tools 由于 MCP 协议的统一而百花齐放，同时目前 Tools 的核心用户还是开发者，普通用户的使用门槛太高；

• Agent Security 是在 Agent 产品范式固定之后会涌现的大机会，需要同时确保避免 Agent 受攻击和发起攻击。

目前 Agent Infra 是模型公司、云厂商、初创公司都在积极拓展的领域，我们认为创业公司的机会在于：1）在已有 Infra 中寻找真正 Agent-native 的需求，使 Agent 开发者开发出效果更好的产品，比如 Browserbase 对传统 headless browser 做了这样的迭代；2）抓住 Agent 开发中的新痛点，例如 MCP 领域现在缺乏一个好的 marketplace 和 selector，帮助 Agent 去选择对的工具。

RAG: 为 Agent 提供具体的 Context

RAG（Retrieval-Augmented Generation），即检索增强生成，这是一种结合了信息检索与生成式 AI 的技术架构，广泛用于提升 LLM 在问答、文档摘要等任务中的准确性与时效性。如今 Agentic RAG 系统能够持续分析 Context 和用户意图，自主从多种来源（包括实时数据流和外部 API）检索并整合相关信息，使得 Agent 可以更好完成任务。

RAG 的提出时间较早，目前基本已成为一种共识性的技术，并在各类应用场景广泛使用，相关的头部创业公司也发展得较成熟，比如专注企业内部数据 RAG 搜索的 Glean 已经获得了包括 Reddit、Duolingo、Bookings 在内的一众企业的认可，最新估值已接近 70 亿美元。

注：