夜雨聆风小李早上刷GitHub Trending，人都傻了——一个上午冒出来4个重磅开源项目，全都盯上了AI Agent基础设施这块肥肉。
要知道，就在两周前，大家还在讨论"单个Agent怎么用"。结果一到6月18日，风向全变了——现在的命题是"怎么管一群Agent"。
一天4个项目，全是Agent赛道
先说Vercel放出的Eve。这是个智能体框架，Apache 2.0许可，设计思路很野——每个Agent就是一个文件目录。目录里丢一个model.md、一个instructions.md、一个tools.md，这个Agent就能跑。不需要写注册代码，不需要配什么yaml。张工试了一下，从零到跑通只用了3分钟。
然后是Databricks的Omnigent。这东西更狠——一个实时会话里可以同时跑Claude Code、Codex、Cursor、Pi等好几种Agent。创始人Matei Zaharia带着整个Databricks AI团队搞的内部工具，直接开源了。说白了就是"让最合适的Agent干最合适的活"。
Matt Pocock也来凑热闹，开源了skills v1。他的切入点很刁钻——把Agent技能描述的Token成本砍掉63%。别小看这63%，一个中等规模的项目，每天光技能描述就要烧掉几万Token，砍掉一半相当于省了几杯奶茶钱。
Google也没闲着。ARD开放规范正式发布，让任何组织都能在自己的域名下发布、发现和验证AI工具和技能。相当于给Agent世界建了一套"黄页系统"。
除了这4个，还有MolmoMotion开源了3D运动预测模型和116万视频数据集，SGLang-JAX把MoE推理延迟砍掉53%。6月18日这一天，GitHub上AI项目的star数在疯涨。
为什么集中在Agent基础设施
老王做了5年开发者工具，他说这事其实不奇怪。
"单个AI模型的能力已经差不多了，现在瓶颈在'怎么把这些模型组织起来干活'。"他掰着手指算了一下——过去半年，企业里从"用一个AI工具"到"用一群AI工具"的比例，从12%跳到了47%。
数据摆在那：GitHub上AI相关仓库已经突破430万个，年增长率178%。但真正能解决"多Agent协作"问题的项目，一只手数得过来。
Vercel的Eve解决的是"创建Agent的门槛"问题。以前搭一个Agent，光配置文件和胶水代码就要写半天。Eve直接把Agent映射成文件目录，开发者的心智负担降了一大截。
Databricks的Omnigent解决的是"Agent之间怎么配合"的问题。不同的Agent擅长不同的事——有的擅长写代码，有的擅长读文档，有的擅长跑测试。以前要分别调用，现在一个会话全搞定。
Matt Pocock的skills v1就更务实了——就是省钱。把技能描述从"机器人说明书"精简成"便签条"，Token哗哗往下掉。
对普通开发者意味着什么
小刘是个全栈开发，他说这波开源最大的变化是"Agent开发从精英运动变成了平民运动"。
"以前搞Agent，你得懂prompt engineering、得配RAG、得调tool calling。现在Eve一个目录搞定，门槛直接降到'会写markdown就能玩'。"
但也有人泼冷水。做AI安全的陈工说："Agent越多，安全面越大。一个Agent出问题，可能连带一串。Google的ARD规范就是在解决'怎么验证一个Agent可信'的问题，但这个问题远没到头。"
还有一个现实问题——这些项目都还很新。Eve的GitHub仓库才建了不到一周，Omnigent的文档还只有英文版。想在生产环境用，得等等。
接下来值得盯什么
有几个方向可以关注：
Eve和Omnigent能不能活下来。开源项目第一天热闹、第三十天冷清的例子太多了。 Google ARD规范会不会成为事实标准。如果主流Agent平台都接入ARD，那Agent之间的互操作就真的有谱了。 国内谁会跟进。阿里云的HappyOyster今天也发布了，但定位偏娱乐。国内在Agent基础设施开源这块，目前还是空白。
小李说他打算周末把Eve跑起来，先搭个"代码审查Agent + 文档生成Agent"的组合试试。用他的话说："趁现在大家都在观望，先动手的吃肉。"
#AI Agent #开源 #GitHub Trending #VercelEve #Omnigent #Agent协作 #开发者工具 #AI基础设施
