支付MCP协议竞争 - 腾讯元器近期接入微信支付MCP，支持开发者在智能体上增加下单、赞赏、查询订单等功能[1] - 支付宝早于微信3个月联合魔搭社区推出"支付MCP Server"[1] - MCP协议已成为AI领域构建Agent的必备设施，使大模型能在统一标准下调用外部工具[2][3] - 支付MCP协议的推出凸显国内支付双雄对AI支付入口的新一轮抢夺[4] Agent行业发展趋势 - 2025年被行业视为Agent元年，DeepSeek R1等推理模型的开源加速这一趋势[5] - AI行业正从"预训练"转向"推理"新范式，目标是使模型在特定复杂任务上表现出色[5] - 近期更新的模型如MiniMax M1、Kimi K2、Qwen3-Coder都强调构建Agent能力的优势[6] - 99%的AI创业项目可能在一两年内被淘汰，最终留下底层基础设施公司或垂直应用产品[8][9] 支付MCP的技术价值 - MCP协议出现前，开发者需繁琐调用API并自行编写代码实现Agent支付功能[10][11] - 支付MCP协议简化开发流程，用自然语言替代人工写代码[12][13] - 典型案例包括"诗人智能体"，用户付款后即可获得生成诗词[13] 平台生态战略布局 - 支付宝2023年9月启动智能体生态共建计划，推出"百宝箱"开发平台[15] - 腾讯更看好微信生态中智能体的差异化，利用社交、内容和服务体系优势[15] - 科技大厂希望通过吸引智能体开发者来强化自身生态[16] - Agent爆发将带来应用生态重塑和新支付入口争夺机会[17] 支付市场竞争现状 - 2020-2024年中国网络支付用户从8.54亿增至10.29亿，占网民比例从86.4%升至92.8%[19] - 微信和支付宝月活分别达10亿和9亿，用户增长接近天花板[19] - 支付宝2023年7月推出"碰一下"简化支付流程，2024年4月宣布加码百亿资源[20] - 微信2023年9月重启刷掌支付推广，进入部分便利店[21] 历史竞争格局 - 2014年底微信通过红包奇袭支付宝，2016年微信支付线下份额超越支付宝[23] - 2018年后双方围绕扫码支付和刷脸支付持续竞争[24] Agent商业化挑战 - Agent产品普遍入不敷出，商业化闭环路径仍是行业难题[7] - 需要解决用户获取和留存两大根本问题[7] - 当前Agent交易案例多为单点定制项目，缺乏通用性和泛化性[27] - Agent需解决跨App交互问题，可能触动传统应用的既有商业模式[27]

MCP协议安全漏洞 - MCP协议存在重大漏洞，攻击者可利用LLM的指令/数据混淆漏洞直接访问数据库 [1] - 当用户提供的"数据"被伪装成指令时，模型可能将其作为真实指令执行，导致未经授权的操作如数据泄露 [2] - MCP协议已成为智能体领域行业标准，广泛连接大语言模型与工具服务，但处理网页/邮件/文档时易受恶意指令攻击 [3] 攻击演示系统架构 - 研究基于Supabase搭建多租户客服SaaS系统，包含数据库/身份认证/文件存储功能 [5] - 系统启用标准行级安全(RLS)机制且无额外策略，攻击利用默认配置中的service_role/默认模型/RLS等要素 [6] - 权限边界显示：支持代理仅能读写support_*表，开发者通过service_role拥有全表SQL权限，IDE助手通过MCP执行任意查询 [8] 数据泄露攻击流程 - 攻击者提交伪装成友好提问的技术支持请求，内含发送给Cursor代理的明确指令 [9] - 恶意消息通过工单系统存入客户消息表，未被过滤或阻断 [10] - 开发人员使用Cursor查看未处理工单时，代理自动执行SQL查询并读取嵌入指令 [12][13] - 攻击流程包括：加载数据库架构→列出工单→筛选未解决工单→获取消息，最终以service_role权限绕过RLS执行敏感查询 [14][15] 攻击结果与权限问题 - 查询结果将integration_tokens表内容插入工单对话，攻击者刷新页面即可获取机密信息 [17][18][19] - 整个过程权限合规，根源在于数据库权限过高(service_role)与对用户内容的盲目信任 [21] 安全防护措施 - 启用只读模式可防止恶意提示词执行insert/update/delete操作 [22] - 添加提示注入过滤器作为第一道防线，通过外部模块拦截高风险输入 [23]

谷歌云捐赠A2A协议 - 谷歌云将A2A协议捐赠给Linux基金会 包含智能体交互协议、SDK和开发者工具的开源礼包 [1] - 捐赠决策被解读为对Anthropic MCP协议和OpenAI函数的战略应对 同时反映行业对共建智能体经济底层规则的共识 [1] - 部分观点认为A2A协议起步较晚 正在追赶已经成熟的MCP协议 [2][3] MCP协议技术解析 - MCP协议解决AI模型安全高效调用现实世界工具和服务的基础问题 不同于A2A侧重智能体间通信 [4] - 开发MCP Server最关键环节在于工具描述 需详细说明功能、参数及输入输出内容 [6][7] - 现有API系统改造和从零开发是两种典型实施路径 前者关注协议转换 后者需构建完整业务逻辑 [7][8] - 接入客户现有技术体系时应尽量减少干预内部治理生态 重点优化对外接口的工具描述 [9] 模型兼容性与优化 - 国内外大模型存在兼容性问题 中文描述适合国内模型 英文描述更适合国外模型 [10] - 通过多轮测试优化工具描述清晰度 是提升模型调用准确性的关键手段 [11][12] - API设计应遵循正交原则 功能独立且高内聚 描述需明确使用场景和预期输出 [12] 协议性能与安全 - Streamable HTTP协议支持有状态通信、服务端主动通知和流式输出 优化金融等高实时性场景 [15] - 敏感数据应避免通过MCP提供 非敏感数据授权可使用OAuth 2.0等现有验证机制 [28] - 行业需要建立安全标准应对MCP服务潜在的黑盒风险 确保生态健康发展 [43] MCP与A2A对比 - MCP解决工具层面问题 A2A构建Agent间通信和协作的生态层 [32] - MCP类似专用工具 A2A提供通用协议使不同框架的Agent能够相互发现和协作 [33] - 腾讯计划在产品研发流程中接入A2A协议 实现多Agent协作 [34][35] 未来发展趋势 - 预计80%核心软件将推出自有MCP 形成多样化工具端口 [40] - 多Agent架构将向主从模式发展 人类角色需明确界定和验证关键节点 [41] - MCP协议完善将加速企业SaaS能力释放 安全可信问题成为发展重点 [42]

智能体发展现状 - 2025年被称为"智能体元年" 标志着AI从对话生成跃迁到自动执行阶段 智能体成为下一代人机交互范式和商业化锚点 [1] - 国产手机厂商华为 荣耀 OPPO vivo 小米 三星在2024年下半年推出AI手机 智能体可跨App完成订票 点餐等复杂任务 [3] - 行业普遍共识认为智能体可控性和可信度是关键指标 安全合规问题是重要考量因素 [2] 技术实现路径 - 手机智能体采用两种技术路线：基于API接口的"意图框架"和依赖系统级权限的"视觉路线" [4] - 视觉路线通过无障碍服务实现"读屏+模拟操作" 但存在权限滥用风险 多家厂商智能体结束任务后仍保持权限开启 [5] - 微软Copilot的"Recall"功能因安全漏洞被英国监管机构调查 显示PC端同样存在隐私风险 [5] 安全风险分类 - 风险分为内在安全（核心组件漏洞）和外在安全（外部交互风险） 大模型作为"大脑"其漏洞在动态环境中会被放大 [2] - 70%受访者担忧AI幻觉和错误决策 医疗领域3%误诊率在千万用户中可导致数十万例误诊 [2] - 加拿大航空AI客服错误决策导致法律纠纷 成为企业承担AI责任的标志性案例 [3] 行业合规进展 - 2025年3-6月密集出台多项规则：《智能体任务执行安全要求》《移动互联网服务可访问性安全要求》等 强调用户授权和最小必要原则 [5][6] - 中国信通院联合七大厂商发布生态倡议 重点推进智能体与三方应用的接口打通工作 [5] - 广东省标准严格禁止通过无障碍权限操作第三方App 要求API接口协作和"双重授权"机制 [6] 提示词注入攻击 - 攻击分为直接提示词注入（诱导输出敏感内容）和间接提示词注入（通过外部数据隐藏指令） 在OWASP十大风险中排名第一 [7][8] - MCP协议成为间接注入主要入口 瑞士公司测试显示可通过恶意MCP劫持WhatsApp聊天记录 [9] - 腾讯发现Fetch服务是最大攻击入口 智能体读取恶意网页内容后可能被劫持 [10] MCP协议生态 - 魔搭开源社区有4052款MCP服务 开发者工具占比1196款 独立导航网站mcp.so收录超15000款服务 [11] - 阿里云百炼实施功能合理性 稳定性等审核 而Dify等平台审核较宽松 仅依赖用户协议约束 [11] - OpenAI Google 阿里 腾讯加入MCP生态 推动智能体互联互通 但缺乏统一安全认证标准 [11][12] 多智能体协作 - 行业正在推进ASL（Agent Security Link）技术 为智能体互连提供权限 数据等安全保障 [14] - IIFAA联盟成立工作组 致力于制定跨智能体交互安全规范 目前该领域安全机制仍属空白 [14] - 互联网大厂产品已开始强调多智能体协作机制 预示个人拥有多个智能体的趋势 [13]

报告行业投资评级 - 看好 [5] 报告的核心观点 - AI Agent是AI发展第三阶段，2025年将成AI应用分水岭，截至2024年底渗透率达43% [1][16][17] - MCP协议重构AI Agent新范式，将成AI领域核心基础设施，预计MCP协议+Agentic - based决策路径成主流 [2][33] - 科技巨头积极布局AI Agent产品，产业从技术竞争转向生态价值重构，且发展呈现结构性分化，资本市场更偏好通用型AI Agent [3][36][38] - 建议关注商业平台BIP用友网络、办公金山办公、AIGC科大讯飞和万兴科技 [3][46] 根据相关目录分别进行总结 一、MCP协议重构AI Agent新范式 1. AI Agent是AI发展的第三阶段 - AI水平分五大等级，当前正从推理者转向智能体，智能体产品加速推进 [10] - 智能体核心架构为“核心决策中枢+核心认知架构+工具使用” [11] - 2025年AI将从单纯问答和内容生成升级为“执行者”，企业级和消费级领域AI工具开始接管完整工作流程 [16] - 截至2024年底，AI Agent渗透率达43%，超30%的AI应用支持AI调用外部工具 [17] 2. MCP协议定义工具接口标准 - AI Agent发展围绕数据交互和决策执行两条路径，数据交互有MCP协议等，决策模式分化为Workflow - based和Agentic - based [19][21] - MCP协议实现跨平台互通，将“工具调用”与“上下文感知”统一，提升AI模型与外部服务兼容性 [22] - 2025年Google发布A2A协议，与MCP可互相调用，A2A是MCP补充 [30] - 全球科技巨头形成协同生态，支持MCP协议，预计MCP协议+Agentic - based决策路径成主流 [33] 二、AI Agent相关应用加速落地 1. 科技巨头积极布局AI Agent产品 - AI Agent成科技公司布局AI重要主线，产业从技术竞争转向生态价值重构 [36] - AI Agent领域发展呈现结构性分化，资本市场更偏好通用型AI Agent，通用型融资规模和交易活跃度更高，商业更成熟 [38][39] 2. Manus、Operator、Coze等产品布局侧重各不同 - Manus是全球首款通用Agent，推动国产化通用智能体突破，将与阿里通义千问合作并计划开源部分模型 [42][44] - Operator是OpenAI推出的AI浏览器智能体，结合GPT - 4o多模态能力和强化学习技术 [44] - Coze是字节跳动旗下AI Agent开发平台，简单易用，“扣子空间”开启内测，集成超60款MCP扩展插件 [45] 三、投资建议 1. 建议关注 - MCP协议标志AI发展迈向标准化时代，科技厂商布局AI Agent，建议关注用友网络、金山办公、科大讯飞、万兴科技 [46] 2. 行业重点公司一致盈利预测 - 给出用友网络、金山办公、科大讯飞、万兴科技2025E - 2027E归母净利润、PE和总市值预测 [47]

报告行业投资评级 - 看好 [5] 报告的核心观点 - AI Agent是AI发展的第三阶段，2025年将成为AI应用分水岭，截至2024年底其渗透率达43% [1] - MCP协议重构AI Agent新范式，将成AI领域核心基础设施，未来MCP协议+Agentic - based决策路径或成主流 [2][31] - 科技巨头积极布局AI Agent产品，产业从技术竞争转向生态价值重构，且发展呈现结构性分化，资本市场更偏好通用型AI Agent [2] - 建议关注商业平台BIP的用友网络、办公领域的金山办公、AIGC领域的科大讯飞和万兴科技 [3] 根据相关目录分别进行总结 一、MCP协议重构AI Agent新范式 1. AI Agent是AI发展的第三阶段 - OpenAI将AI发展分为五个等级，当前AI正从推理者转向智能体，智能体产品加速推进 [8] - 智能体核心架构为“核心决策中枢+核心认知架构+工具使用”，核心决策中枢由语言模型组成，核心认知架构编排层有ReAct、思维链、思维树三种模式，工具使用分扩展程序、函数、数据存储三类 [9][10] - 2025年AI将从单纯问答和内容生成升级为“执行者”，截至2024年底AI Agent渗透率达43%，超30%的AI应用支持AI调用外部工具 [14][15] 2. MCP协议定义工具接口标准 - AI Agent发展围绕数据交互和决策执行两条路径，数据交互有MCP协议和视觉操作方案，决策模式分化为Workflow - based和Agentic - based两大流派 [17][19] - 2024年11月Anthropic发布MCP协议，其将“工具调用”与“上下文感知”统一，使模型与外部交互更自然精准且跨平台共用 [20] - MCP采用客户端 - 服务器架构，与传统API结构框架有显著差异，MCP提升了AI模型与外部服务兼容性 [25] - 2025年4月Google发布A2A协议，A2A与MCP可互相调用，A2A是MCP的补充，全球科技巨头已形成支持MCP的协同生态 [28][31] 二、AI Agent相关应用加速落地 1. 科技巨头积极布局AI Agent产品 - 科技公司将AI Agent作为布局AI的重要主线，2024年第四季度至2025年初产业快速迭代，从技术竞争转向生态价值重构 [2][34] - AI Agent领域发展呈现结构性分化，资本市场更偏好通用型AI Agent，通用型AI Agent融资规模和交易活跃度远超垂直行业型，且商业上更成熟 [36][37] 2. Manus、Operator、Coze等产品布局侧重各不同 - Manus是全球首款通用Agent，在GAIA基准测试表现优异，与阿里通义千问合作，有望推动AI应用落地 [40][42] - Operator是OpenAI推出的AI浏览器智能体，结合GPT - 4o视觉能力和强化学习，能识别网页并交互，有推理和自我纠正能力 [42] - Coze是字节跳动的AI Agent开发平台，简单易用，“扣子空间”开启内测，采用自研豆包大模型并集成超60款MCP扩展插件 [43] 三、投资建议 1. 建议关注 - MCP协议使AI发展迈向标准化时代，科技厂商布局AI Agent有望引入生态伙伴，建议关注用友网络、金山办公、科大讯飞、万兴科技 [3][44] 2. 行业重点公司一致盈利预测 | 公司 | 代码 | 归母净利润（亿元） | | | PE | | | 总市值（亿元） | | --- | --- | --- | --- | --- | --- | --- | --- | --- | | | | 2025E | 2026E | 2027E | 2025E | 2026E | 2027E | | | 用友网络 | 600588.SH | -2.1 | 3.0 | 7.4 | -217.0 | 150.1 | 60.6 | 451.0 | | 金山办公 | 688111.SH | 19.2 | 23.4 | 28.4 | 69.0 | 56.8 | 46.8 | 1,328.5 | | 科大讯飞 | 002230.SZ | 9.5 | 13.6 | 18.6 | 116.7 | 81.4 | 59.8 | 1,109.4 | | 万兴科技 | 300624.SZ | 49.3 | 66.8 | 98.3 | 2.3 | 1.7 | 1.2 | 114.1 | [45]

AI生成内容的未来 - AI生成内容的核心问题不是真假之辨，而是内容的可信度与能否引发共鸣 [3] - 长期来看，大多数内容将由AI生成，"是否AI生成"的问题将变得无意义 [3][7] - 未来重点将是内容的来源、溯源和引用问题，AI反而可能更有助于解决这些问题 [3][7] - AI只是讲故事者工具箱中的一个工具，关键在于能否讲出吸引人的故事 [3] AI产品开发方法论 - 优秀AI产品的标准始终是能否解决真实问题 [4] - 最好的AI产品往往不是计划出来的，而是从底层自发长出来的 [5][7] - 产品开发路径应从"自上而下"转为"自下而上" [5][7] - Artifacts最初是一个研究原型，后来才进入产品化阶段 [5] - MCP协议起源于两个工程师的"小火花"，后来发展为行业标准 [6] MCP协议的发展 - MCP最初设计目标是引入上下文，现已能集成GitHub、触发Zapier等操作 [8] - 下一阶段目标是让模型不仅能"理解"还要能"行动"，自动执行工作流 [8] - 未来将探索AI Agent之间的协作，可能形成新的AI经济系统 [8] - 公司内部已开始讨论"Agent雇佣其他Agent"的场景 [8] AI在编程领域的应用 - 公司内部超过70%的Pull Request由Claude代码生成 [10] - 模型生成的代码是否用户喜欢用比Benchmark分数更重要 [10] - 正在探索生成式AI在整个开发流程中的定位 [10] - 面临代码审查、技术架构可控性等新问题 [10] AI对组织效率的影响 - AI让工程效率提升后，组织中的"非工程环节"低效变得更加明显 [11] - 以前一个对齐会议耽误一个工程师一小时，现在等于耽误8小时的AI产出 [11] - 模型可以总结会议、提出建议，但还无法帮助做出组织层面的决策 [11] AI在组织中的应用 - 非技术团队如销售团队开始主动使用模型 [12] - 公司内部文化发生变化，从犹豫使用AI到鼓励使用AI [13] - 内部工具帮助打破"AI使用羞耻感"，推动AI融入日常工作 [13] - 模型被用作"思维合伙人"，用于战略文档、绩效评语等 [12] AI Agent发展方向 - 目标是让AI Agent成为下一代"数字员工" [14] - 需要配套系统：记忆能力、高级工具调用、自动适应组织结构、可验证性 [14] - 模型不仅要更强大，还需要一整套配套系统支持 [14] - 不打算做生态里的每一个环节，但希望成为构建的基石 [14] AI产品面临的挑战 - AI产品对新手来说仍然太难用 [16] - 使用路径稍微偏离主线，效果就会大打折扣 [16] - 模型能力很强，但实际能用好的用户太少，潜力远未释放 [16] - 与当前偏重"工作场景"而非"日常娱乐"有关 [16] 研究与应用平衡 - 产品团队需要思考如何充分利用研究成果 [18] - 理想AI产品团队应包括产品经理、工程师、Applied AI人员、微调团队成员 [18] - 目前只有约10%的研究人员参与到产品中 [18] - 基础性研究如让模型更好执行指令仍在投入 [18] AI Agent交互协议 - 关键问题是Agent要不要透露信息、透露多少 [19] - 模型本能想"讨好"用户，容易透露太多或过度保守 [19] - 另一个挑战是如何在大规模部署时进行可审计 [19] - 这些问题既是产品设计问题，也是研究课题 [19] AI应用层产品常见问题 - 很多AI产品从"轻量AI"开始，逐步变"重AI"，但结构拖后腿 [20] - 应用没有暴露足够多的"操作原语"给模型使用 [20] - 应该先考虑AI怎么用产品，让AI成为产品的"主要使用者" [20]

AI协议发展背景 - 基础模型训练呈现寡头化趋势，仅头部大厂和少数创业公司有能力及意愿投入研发 [1] - AI领域共识为应用层机会大于研发层，MCP和A2A协议的火热反映基础设施建设的时代需求 [1] 协议生态架构 - AI应用生态围绕三大角色构建：用户、Agent和外部世界 [2] - MCP协议规范Agent与外部世界的互联互通（如工具调用参数标准化），A2A协议解决Agent间协作标准（如跨部门流程自动化） [3][9][10] - AG-UI协议填补用户与Agent交互标准空白，形成完整生态闭环 [3][11] Agent核心功能 - Agent本质是任务代理，具备自主执行分析、信息获取、工具调用等能力（如设计Agent Lovart可全流程生成广告片） [8] - 专业Agent效率显著优于通用模型（如海报设计场景提示词优化效率提升数十倍） [9] AG-UI协议技术实现 - 采用事件驱动模式，定义五类事件：生命周期、文本消息、工具调用、状态管理、特殊事件 [13][17][20][22] - 状态管理通过增量更新（STATE_DELTA）与快照（STATE_SNAPSHOT）结合，兼顾效率与完整性 [17] - 文本响应分阶段事件（START/CONTENT/END）实现流式传输，优化前端用户体验 [22] 行业影响 - 三大协议构成AI应用基础设施，MCP/A2A已引发行业兴奋，AG-UI补齐最后拼图将加速生态繁荣 [24] - 协议标准化降低开发门槛（如AG-UI类比"砖厂"提供现成解决方案），推动应用层创新 [13]

公司动态 - Manus宣布开放注册 所有用户无需等待名单 每天可免费执行一项任务（300积分） 一次性获得1000积分奖励 同时推出付费订阅服务 分为每月19美元 39美元和199美元三个档次 [1] - Manus定位为通用型AI助手 不仅能提供想法 还能将想法付诸实践 产品一度被誉为"继DeepSeek之后 AI领域又一国产突破" 邀请码曾被炒至上万元 [1] - 字节跳动推出AI应用开发平台"扣子" 基于火山引擎和豆包大模型 用户可快速搭建智能客服 智能助手等应用 [3] 行业趋势 - 各大巨头纷纷入局Agent赛道 MCP协议等衔接工具大面积应用 使行业门槛快速下降 [2] - MCP协议（模型上下文协议）由Anthropic开发 微软 谷歌 字节 腾讯 阿里 百度等巨头宣布支持 被形容为"在不同模型之间架起桥梁" [2] - 行业从工程问题转向产品问题 比拼产品力 这被认为是中国互联网人的强项 [2] - 随着MCP协议成熟 大模型调用更灵活 属于普罗大众创造Agent的时代可能不远 [3] 技术发展 - Manus基于开源模型打造 让更多人看到AI大模型创业可能 被比喻为"人人都能去开网店" [2] - MCP协议被阿里云称为"加速AI应用爆发的'最后一公里'的连接" 使不同大模型间的组装有了通用标准 [2]

大模型产品迭代策略 - 公司发布小而专、聚焦实用的大模型产品，强调"实用至上"和"小步快跑"的迭代思路 [1] - 相比追求"一鸣惊人"的大招，公司更注重多线程并进和可靠的商业场景落地 [1] - 新发布的豆包视频生成模型Seedance 1.0 lite参数规模小但实现影视级质量，支持文生视频、图生视频，生成时长5s/10s，分辨率480P/720P [1] 视频生成模型优化 - 通过优化语义理解能力提升指令遵循精度，增强对人物表情、衣着服装的精确控制 [2] - 模型针对电商广告、娱乐特效、影视创作等场景优化，帮助客户降低制作成本与周期 [2] - 视频生成速度大幅提升，兼顾效果、速度与性价比 [1] 视觉深度思考模型 - 豆包1.5·视觉深度思考模型激活参数仅20B，在60个公开评测基准中38个取得业内最佳表现 [3] - 模型具备强大多模态理解和推理能力，在视频理解、视觉推理、GUI Agent能力等方面处于第一梯队 [3] - 新增GUI Agent能力，可跨PC端/手机端完成复杂交互任务，如自动化检测App功能 [3] AI生态布局 - 公司AI生态已覆盖汽车、智能终端、互联网、金融等行业，服务4亿终端设备、80%主流车企、70%系统重要性银行 [4] - 推出Data Agent智能体，具备主动思考和分析能力，覆盖数据分析、智能营销等企业数据应用场景 [4] - 国内首款AI原生IDE产品Trae升级，支持通过MCP协议让AI主动调用外部工具 [4][6] 技术协议战略 - 公司积极布局MCP协议（模型上下文协议），称其为AI领域的"万能插座"，可降低开发成本 [5][6] - 专注于企业端垂类智能体开发，同时为开发者提供便利工具，推动行业标准化 [6] - 通过技术和资源复用实现内外服务统一，提升性价比 [4][6]