大多数人以为 AI Agent 是一个工具,但它正在变成一个市场

Anthropic 昨天悄悄上线了一件很值得关注的事。

他们搭了一个测试市场，让 AI Agent 之间互相「雇佣」，一个 Agent 完成任务的过程中，可以付钱给另一个 Agent，买它的专项能力。

这听起来像科幻小说的情节，但逻辑一点都不复杂，而且对你用 AI 工具的方式，有直接影响。

先搞清楚：Agent-on-Agent 是什么

传统 AI 工作流的结构：

你 → 触发 AI Agent → Agent 执行任务 → 返回结果

Anthropic 在测试的新结构：

你 → 触发主 Agent
      ├─→ 主 Agent 分配子任务 → 调用 Agent A（付费）
      ├─→                    → 调用 Agent B（付费）
      └─→                    → 调用 Agent C（付费）
          → 汇总结果 → 返回给你

核心变化在这里： Agent 开始有了「经济行为」。

它可以在执行任务的过程中，自主决定「我需要一个更擅长数据分析的 Agent 来处理这部分」，然后去市场上「购买」这个能力——不需要你手动配置整个 pipeline，不需要你预先知道要调用什么。

这不是让 AI 变聪明了，而是让 AI 能够动态组织分工。

这对你现在的工作流意味着什么

说三个今天就能想象的场景变化：

场景一：复杂研究任务

现在的做法：你手动把任务拆分成「搜索 → 整理 → 分析 → 出报告」，分别丢给不同工具或提示词。

Agent 市场的做法：你告诉主 Agent「帮我整理过去一年某赛道的竞争格局报告」，它自己决定需要哪些子 Agent——搜索 Agent、数据清洗 Agent、图表生成 Agent——按需调用，最后汇总给你。

你的工作从「拆解 + 调度」变成「定义需求 + 验收结果」。

场景二：专业能力按需采购

现在如果你需要处理法律合同、财务分析或特定行业知识，通常要额外订阅一个专业工具，或者切换到专门的 AI 产品。

Agent 市场模式下：主 Agent 在需要的时候，从市场上临时调用一个「法律合规分析」专业 Agent，用完即走，不需要维护另一套订阅关系。

类比：从「雇全职员工」变成「按任务外包给专家」。对长尾需求，成本可能显著更低。

场景三：内容生产工作流的自我进化

极客工作流里最典型的多平台内容分发架构，现在的样子大概是：

触发层（日历/需求）
    ↓
主协调 Agent（Claude / GPT）
    ↓
├─ 选题 Agent（RSS 抓取 + 过滤打分）
├─ 写作 Agent（按平台调性生成草稿）
├─ 图片生成 Agent（封面 Prompt → DALL-E / Midjourney）
└─ 发布 Agent（定时推送各平台）

这套架构今天用 Python + API 搭完全可以实现，但每个 Agent 都要你手动配置、手动维护、手动更新。

引入 Agent 市场之后：主 Agent 可以自主发现并调用市场上更好的专用 Agent——比如某个专门做科技内容封面优化的图片 Agent，或者针对特定平台调性训练的写作 Agent。工作流开始有「自我优化」的属性，你只需要管结果。

极客角度：这套经济机制怎么运作

从 Anthropic 公布的测试信息看，几个技术细节值得关注：

计费粒度： 以能力/任务为单位计费，不是按时间。Agent A 调用 Agent B 的「代码审查能力」，按调用次数或结果计费。

结算层： 目前测试阶段是 Anthropic 账户内部结算，开发者把能力发布成「Agent 服务」，调用方按次付费，平台抽成——逻辑参考 App Store。

发现机制： 主 Agent 通过标准化协议（目前 Anthropic 在推的是 MCP）发现和调用其他 Agent。接口标准化是这个市场能运作的前提。

早期开发者机会： 如果这个市场真的起量，今天把某个高质量专用 Agent 发布进去——比如「Python 代码审查专项 Agent」「多语言内容格式化 Agent」——可能有一定先发优势。

目前的不确定性（不要太乐观）

这还是测试阶段，有几个关键问题没有答案：

质量控制没有答案。 Agent 市场里的「卖家」如何约束？调用方怎么知道调用的 Agent 输出质量可靠？现在是空白。

成本可预测性是个风险。 主 Agent 自主采购能力，但预算谁来控制？很容易出现费用爆炸——你以为跑了一个任务，结果主 Agent 调了二十个子 Agent，账单远超预期。

生态密度是鸡蛋问题。 市场需要足够多的专用 Agent 才能让「按需调用」有意义，但 Agent 开发者需要有足够的用户才愿意发布。现在还是鸡生蛋的阶段。

Anthropic 这次是测试市场，不是正式发布。这个范式能走多远，要等半年后再看。

今天能做的事，就这三件

1. 关注 MCP 协议的动态。 这是 Agent 互相发现和调用的底层接口，今天就可以读文档、理解设计——不需要等市场成熟。

2. 梳理你现有工作流里有没有「可以模块化」的环节。 某个你反复用到的 Prompt 或处理逻辑，如果质量高、可复用，未来可能是发布成 Agent 服务的候选。

3. 暂时不用急着迁移现有工作流。 从测试市场到成熟生态至少需要 1–2 年，现在的最优动作是理解范式、观察标准怎么形成，等底层协议稳定再行动。

一句话： AI Agent 正在从「你调用的工具」变成「可以互相雇佣的经济体」。

这个转变比任何一次模型能力升级的影响都大——也比任何一次升级都更需要时间才能真正落地。