Cohere 发布 Agentic Task Ecosystem：69 万工具仅 2.6% 能独立完成任务
Cohere Labs 发布覆盖 69 万余个 AI 智能体工具的数据集，测试显示仅 2.6% 能独立完成职业任务。
AI 智能体（agent）能否真正「干活」，一直是行业关注的核心问题。日前，Cohere Labs 正式发布 Agentic Task Ecosystem——一个面向 AI 智能体工具生态的大型数据集，收录了超过 69 万个为智能体设计的工具。测试结果显示，在「能否独立完成一项职业任务」的严苛标准下，仅有约 2.6% 的工具通过评估，这一比例远低于外界对智能体落地能力的普遍预期。
数据集概况
Agentic Task Ecosystem 由 Cohere Labs 构建，旨在系统化刻画当前 AI 智能体可调用的工具生态全貌：
- 规模：收录超过 69 万个工具条目，覆盖多种类型与行业场景。
- 定位：以「职业任务完成度」为评估锚点，而非简单的工具描述或 API 列举。
- 用途：既可作为研究社区衡量智能体能力的基准，也可供开发者评估自身工具集成的真实可用性。
与传统的工具列表或 API 目录不同，该数据集将每个工具与具体的「职业任务」挂钩，试图回答「这个工具到底能不能替人把活干完」这一问题。
测试结果：仅 2.6% 通过
在评估方法上，研究团队对每个工具进行独立测试：判断其是否能在不借助额外人工干预的前提下，自主完成某项对应的职业任务。结果并不乐观：
- 通过率：约 2.6% 的工具能独立完成任务。
- 含义：绝大多数被归类为「可被 AI 智能体调用」的工具，距离真正替代人类执行任务仍有显著距离。
- 启示：工具的「存在」与「可用」之间存在巨大鸿沟，工具覆盖度不等于任务完成度。
这一结果与近期业界对「agentic AI 是否已具备生产力」的讨论形成呼应：工具生态看似丰富，但在端到端任务执行层面，多数工具仍存在能力缺口。
对智能体行业的参考价值
Agentic Task Ecosystem 的发布，为行业提供了一个可量化的参考基准：
- 对企业：在部署 AI 智能体替代或辅助岗位任务前，可借助该数据集识别哪些场景真正具备可行性，避免高估自动化潜力。
- 对开发者：明确哪些类型的工具更容易通过测试，从而在工具设计、接口规范和错误处理上做针对性优化。
- 对研究社区：为后续智能体能力评估、工具调用规划（tool-use planning）研究提供了大规模实证数据。
Cohere Labs 将数据集开放给社区使用，未来若公布完整论文与详细方法论，有望进一步推动智能体评估标准的统一。
结语
69 万工具、2.6% 通过率——这两个数字之间的落差，正是当前 AI 智能体从「能调用」走向「能干活」必须跨越的现实差距。Agentic Task Ecosystem 的价值不在于唱衰智能体，而在于用数据让行业回归理性：真正的自动化，仍需更扎实的工具能力与更严谨的评估体系来支撑。