國盛證券：MCP與A2A助力 AI Agent進入互聯時代

智通財經APP獲悉，國盛證券發表研報稱，市場認爲，由於訓練數據有限，預訓練Scaling Law已撞牆，算力需求承壓。該行認爲，Agent將爲推理算力打開天花板。各機構正積極研發Agent，競爭格局未穩;Agent算力需求與簡單的文字回覆不可同日而語。建議關注：算力芯片廠商、底層協議研發廠商、算力雲服務廠商及大模型廠商。

國盛證券主要觀點如下：

什麼是Agent?

近來，微軟上線Github MCP服務器、谷歌發佈A2A智能體間通信協議、支付寶上線MCP服務器等Agent領域相關話題，受到市場廣泛關注。Agent並無統一定義，前OpenAI研究員Lilian Weng的較受認可，她提出“規劃”“記憶”和“工具使用”是Agent的重要組件。

Agent發展現狀：當前僅少數獨立收費，滲透率較低，但空間較大

作爲Chat的進化版本，當前大部分Agent只是被納入大模型的收費服務內容，僅Manus與Devin等少數獨立收費。Deep Research、Manus類具備自主規劃任務能力的Agent使用限制較多，真正能體驗到的戶或許並不多，距離“爆款”應用還有較大提升空間。但隨着大模型推理能力提升，Agent成爲應用創新的寵兒。

Agent大規模應用在即，諸多有利條件在手

1)模型訓練端上下文窗口增長迅猛、強化學習深入應用，推理模型日趨成熟;2)生態：MCP和A2A等協議發展迅猛，Agent調用工具越發方便。2024年11月，Anthropic發佈並開源MCP協議，旨在標準化外部數據與工具如何爲模型提供上下文。

MCP協議讓Agent與“外部數據和工具”“一鍵互聯”，A2A讓Agent互聯

儘管A2A協議的目標爲Agent之間通信，而MCP爲Agent與外部工具和數據，但在“工具也可能被封裝爲Agent”的複雜局勢下，兩者功能或有重疊，但這種競爭有助於降低大模型調用外部工具與通信成本。

Agent發展展望1：端到端、不需要人類事先撰寫工作流

當前，該行看到的相當大一部分“智能體”基於Coze、Dify等平臺開發，需要人類事先撰寫工作流，是較初級的Agent，更像是提示詞工程的疊加，而更高級的Agent是“端到端”的，它意味着“對Agent輸入任務，Agent自動完成人類所需的任務結果”。L3/L4/L5等此類高級Agent更符合人類需求。

Agent發展展望2：助力機器人與自動駕駛

當把Agent的定義套用在具身智能，會發現被大模型支配的機器人和車輛，也是Agent。尤其是前者，當前機器人發展的瓶頸並不在於“如何做出物理動作”的“小腦”，而在於思考“做出何種物理動作”的“大腦”，而這正落入Agent射程。

Agent發展展望3：藉助DID等技術，實現Agent之間互聯與AI原生網絡

未來，或許所有的Agent相互之間應該都能夠通信、可以自組織、自協商，構建比現有互聯網更低成本、更高效率的協作網絡，中國開發者社區也在構建ANP等協議，旨在成爲Agent互聯網時代的 HTTP協議。而關於Agent之間的身份認證，可以藉助DID等技術。