编译 | Tina VS Code、Cursor 打得火热，JetBrains 扛不住了？ 本周，JetBrains 宣布停止开发 Fleet 这款 IDE。该产品自 2021 年推出以来一直停留在公开预览 阶段，从未真正"转正"。接下来，公司将把更多精力投入到一款面向智能体（agentic）开发的全 新开发环境 Air 上。 JetBrains 旗下有一整套 IDE 产品线，但大多都基于同一个 IntelliJ 核心平台，该平台运行在 JVM（Java 虚拟机）之上。旗舰产品 IntelliJ IDEA 最早发布于 2001 年，至今已经快 25 年。几 年前，JetBrains 觉得有必要重新做一款从零设计的新产品：更轻量、更适合协作，对远程项目 也要做到一流支持。与此同时，微软的 Visual Studio Code（VS Code）正是凭借这些特性迅速 崛起，给 JetBrains 带来了不小压力。 当时 JetBrains 的规划是：一方面继续演进基于 IntelliJ 的传统 IDE，另一方面推出一款全新架构 的 Fleet。官方在首发博文中强调，Fleet 是"从零起步打造的新架构和新界面"。 ...

在人工智能技术深度渗透各行业的2025年，AI大模型应用开发正经历从"单一问答"到"自主任务执行"的范式跃迁。以MCP（Model Context Protocol）协议为 核心的智能体开发模式，凭借其标准化工具调用能力与跨生态兼容性，成为企业级AI应用落地的关键基础设施。本文将从技术原理、生态构建、实战案例 三个维度，解析这一新范式的核心价值与实践路径。 一、MCP协议：AI工具调用的"万能插座" MCP协议由Anthropic于2024年11月推出，旨在解决AI模型与外部工具交互时的碎片化问题。其核心设计理念类似于USB-C接口——通过统一标准，让AI模 型能够像人类一样调用数据库、API、文件系统等外部资源。例如，某金融智能体可通过MCP协议直接连接Wind行情接口，实时获取股票价格数据；医疗智 能体则能调用医学知识图谱，生成符合诊疗规范的建议。 技术架构上，MCP采用客户端-服务器模式： 随着MCP协议的普及，AI智能体正从专业领域走向大众市场。2025年，低代码开发平台（如活字格）已集成MCP工具市场，开发者可通过拖拽方式快速构 建智能体应用。例如，某教育机构开发的"智能作业批改助手"，教师上传学生 ...

腾讯云智能体战略与产品架构 - 公司致力于以场景为核心推动智能体应用落地普及 [1] - 公司构建分层解耦的产品技术和服务架构 顶层为覆盖金融、教育、传媒等领域的智能体应用生态 中间层为提供一站式工具集的智能体开发平台（ADP） 底层为高性能模型与算力基础设施并兼顾安全与权限 [1] ADP平台核心升级 - 增强型RAG检索能力支持主流数据库接入 工作流与Agent引擎提供更完整的协同配置方式以处理复杂任务 [2] - 平台完善从设置、调试、评测、发布到运营的应用全生命周期能力 [2] - 插件广场支持140余种插件 沉淀70余个应用模板与90余个提示词模板以降低企业落地门槛 [2] 行业应用落地进展 - 智能体方案在企业知识问答、客服、专家知识助手等场景完成从0到1的打磨并在多行业复制 [2] - 在媒体领域通过多模态大模型、语音识别及RAG技术实现对视频内容的理解、摘录与检索 提升生产与治理效率 [2] - ADP在省级媒体机构中的覆盖率超过50% [1][2] 生态建设与市场拓展 - 公司推动优图Agent、GraphRAG、YouTu-Embedding以及ADP-Chat-Client等开源工具的开源 [3] - 推出系统化ADP课程传递平台能力与最佳实践 [3] - ADP平台已正式在腾讯云国际站发布 并设有独立产品落地网站（adp.tencentcloud.com）以拓展全球市场 [3]

Agentic AI核心概念与方法论 - Agentic AI通过多步骤任务分解、反思、执行与优化的循环工作流显著超越传统端到端Agent的性能表现[5][6][74] - 核心理念是让大语言模型以多步推理与分阶段执行的方式工作而非一次性生成结果这与人类解决复杂问题的方式高度契合[9][14] - 通过系统化的工作流设计甚至可以让GPT-3.5在编程任务中轻松超越GPT-4的性能表现[3][75] Agentic工作流四大核心设计模式 - **反思模式**：让大模型检视自身输出并思考改进可通过双模型协作、量化评分机制或引入外部反馈（如参考答案）来提升输出质量[18][21][24][27] - **工具调用模式**：由大语言模型自主决定调用外部功能（如网页搜索、编写代码）传统方式依赖开发者手动实现而MCP等统一协议将其标准化极大提升效率[28][29][38][43] - **规划模式**：使大模型能根据不同请求灵活调整工具序列执行顺序通过将步骤转化为JSON或代码形式实现任务离散化从而优化性能与资源使用[45][46][47] - **多智能体协作模式**：构建多个具备不同专长的智能体通过结构化分工协作（类似企业组织架构）提升复杂任务的处理效率与质量并可实现智能体间的嵌套调用[51][52] Agentic系统构建与优化流程 - 构建流程遵循"采样-评估-改进"的闭环迭代：先搭建工作流收集输出然后进行端到端或组件级评估定位错误最后针对性优化参数、工具或提示词[55][58][59] - 错误分析是关键通过追踪中间执行轨迹定位薄弱环节（如工具调用或识别模块问题）组件级评估能更快速精准地指导系统改进[61][63][64][67] - 模型选择与优化需多尝试不同模型参考他人提示词设计并将模型置于工作流中观察各步骤表现以持续提升系统可靠性[68][69][70] Agentic AI的行业意义与发展前景 - Agentic被定义为描述系统自主性程度的形容词而非二元分类这为开发者提供了更连续、准确的能力评估框架[72] - 与传统端到端Agent相比Agentic AI通过组件拆分和逐步优化使每个环节可迭代改进为开发者提供了可落地的系统优化路径而非仅依赖模型自身能力提升[76][77][78] - 除成熟代码Agent外基于步骤的Agentic AI在复杂多步骤工作流领域仍有广阔发展空间为行业探索更智能、可控的AI系统提供方法论支持[79][80]

公司动态 - 蚂蚁百宝箱智能体开发平台于2025年外滩大会发布新产品Tbox超级智能体 [1] - Tbox采用动态编排引擎技术 可根据任务复杂度实时调整智能体数量与协作路径 [1] - 该技术较传统串行流程具有更高灵活性 [1] 技术突破 - 动态编排引擎实现智能体数量的实时动态调整 [1] - 系统能够根据任务复杂度自动优化协作路径 [1] - 新技术架构显著提升智能体协作效率 [1]

战略合作 - 公司与上海商汤智能科技有限公司及杭州曦望芯科智能科技有限公司签署战略合作协议书[1] - 合作方向包括AI算力合作、工业制造与决策AI垂直模型的开发和应用以及相关智能体开发和推广[1] - 协议于9月4日晚间通过公司公告正式披露[1]

文章核心观点 - 智能体开发在中国呈现草根化、低门槛特征 非专业开发者通过低代码平台涌入市场 但商业变现难度显著高于海外 国内开发者依靠平台生态、垂直场景和小微企业定制需求寻找生存空间 [1][4][6][8][12][18] 国内外开发者对比 - 海外开发者以技术极客为主 依靠通用工具订阅费实现高收益 存在"一人开发800个智能体"的创业神话 [3] - 中国开发者群体涵盖9岁小学生至51岁退休教师 38%为非专业背景 依靠低代码平台拖拽操作降低技术门槛 [4][5][6] 商业变现差异 - 海外智能体订阅模式成熟 东南亚地区出现短平快式商业套路 [8] - 国内标杆案例收入有限：情感咨询智能体月收入约3000元 10万+粉丝律师智能体最高成交金额仅数万元 30%智能体开始盈利但多数处于免费或低收费状态 [8][25] - 付费环境差异：C端用户付费意愿低 B端大订单被模厂和ISV服务商垄断 中小企业预算有限 [9][11] 开发者生存模式 - 抱大腿型：依托腾讯元器接入微信支付生态 支持发放优惠券提升消费黏性 蚂蚁百宝箱Tbox调用支付宝接口 字节Coze整合抖音/微信/飞书插件 [12][14][15] - 垂类场景型：聚焦母婴内容工具、社区店铺客服等细分需求 百度文心平台提供上百模板 京东言犀专注电商场景模板 [17] - 定制开发型：服务中小微企业视觉识别、私域客服等需求 BetterYeah AI展示一分钟创建数字员工智能体 支持对接CRM/ERP系统 [18][19] 平台生态建设方向 - 降低技术门槛：文心平台通过可视化工作流实现零代码开发 覆盖退休教师、学生等非专业人群 [24] - 商业分成机制：百度文心和字节Coze建立流量分成体系 助力开发者变现 [25] - 多技术整合：需集成计算硬件、芯片、IoT、传感器等非AI能力 减少开发者适配复杂度 [27] 行业意义 - 草根开发者与低代码平台共同推动中国AI产业化落地 为中小微企业提供低成本解决方案 形成区别于硅谷的接地气发展路径 [21][27]