阿里云推出 Agent Studio，企业级 Agent 平台大战升温

阿里云近日正式上线 Agent Studio，将原本分散在百炼中的 Agent 相关能力整合为一套企业级全栈服务平台。从 AWS、Google Cloud 到 Microsoft Foundry，过去一年主流云厂商几乎都在做类似的事：把 Agent 的运行、工具接入、记忆、可观测性等通用能力打包成平台层服务。Anthropic 在今年 4 月也曾复盘过一次 Agent 基础设施的「返工」，把 Session、Agent Harness 与 Sandbox 重新拆分。这些动作背后是同一个判断——Agent 变多、链路变长之后，传统云服务的组织方式已经不够用。

Agent 落地的真正成本

当企业从零散 AI 用例走向规模部署，整体 AI 支出接近增长到原来的四倍。麦肯锡今年 7 月的 Enterprise AI FinOps 调研显示，93% 的受访组织表示 AI 支出已经超出预算。波士顿咨询 6 月的报告则把 Agentic AI 的成本拆成一次性建设成本与持续运行成本两类，后者除了模型调用，还会受编排方式、工具调用频率、监控强度和系统集成方式影响。换句话说，Agent 用得越深，账单越难简单用「调用了多少 Token」来解释。

企业搭 Agent 的三条路径

目前业内围绕「企业需要自己造多少东西」这个问题，大致出现了三种路径：

• 完全自建：DoorDash 把 Memory、模型访问、Tracing 等通用能力抽象为共享基础设施，并搭建 Agent Gateway 统一管理身份、权限、凭证、限流和审计。Reservations Agent 复用 Restaurant 与 Grocery 的生产链路，一周成功上线，速度提升 10 倍。
• 使用开发框架：LangChain、LangGraph、AutoGen、CrewAI 等框架降低了搭 Agent 的门槛。Lyft 用 LangGraph 把客服 Agent 的开发周期从半年压缩到几周。
• 采用企业级 Agent 平台：Salesforce 推出 Agentforce 360，AWS、Google、Microsoft 也在各自平台中强化相关能力。阿里云此次发布的 Agent Studio 属于这一条路线。

Agent Studio 接管了哪些「脏活」

Agent Studio 把企业需要在每个项目中重复做的工程工作收敛为平台层服务，主要包含五块能力：

• Managed Agent：托管式 Agent Runtime，开发者只需定义 Agent 做什么，运行、隔离、状态与凭据由平台负责。以保单条款审查为例，原本需要核保人员花三四个小时完成的工作，被压缩到约 15 分钟，单份成本约 0.12 元。
• One Key Service：用统一 API Key 接入多家 MCP 服务商。首批接入了 14 家云市场合作伙伴，覆盖电商、地理信息、金融、法律、产业研究和物流等领域，后续计划扩展至接近 50 家。
• Skill 体系：分为广场严选、服务商直供和用户自定义三层，企业可将自有工具、数据和流程沉淀为私有 Skill。
• Agentic Search：让 Agent 像专家一样持续搜索、交叉验证信息，动态调整检索方向，背后支持章节浏览、章节精读、页面浏览等多种方式。
• Memory Studio：把记忆拆成观察记忆、用户记忆和技能记忆，回答「发生过什么」「你是谁」「过去是怎么做的」三类问题。

Agent 正在成为云服务的新入口

Agent Studio Playground 把 Flow Agent、Managed Agent、RAG、Memory、MCP 与 Skill 放入统一体验中心，并预置场景模板。开发者可以直接跑现成场景，也可以通过 Vibe Builder 用自然语言生成工作流。这看似只是体验层升级，内里却是云服务组织方式的变化：能力开始围绕具体任务被提前组合，变成 Agent 可以直接调用的服务。当越来越多的服务以这种方式被 Agent 消费，Agent 与云之间的关系也会随之改写。