从Manus爆火，看超级智能体的发展

为什么说今年是Agent的一年

最近一段时间，很多人都再讨论Agent这个话题。最主要的原因在于，前段时间号称全球首个通用Agent：Manus迅速走红

Manus在自媒体上迅速爆火起来，很多人都觉得超级智能体Agent终于要诞生了，这就像“iphone时刻”、“GPT时刻”一样。

但是Manus在走红的同时，又被突然打脸说是媒体炒作。大部分人都觉得是自媒体在过度炒作Manus。

与此同时，openai也自己发布了agent api，让人人都能够自己构建一个属于自己的Agent

那么，什么是Agent？

Agent字面意义：直译的意思，其实就是代理

这个词本身确实会让人产生误解，更准确的翻译其实是“智能体”

我们常用的LLM大模型的回复，日常只能够闲聊和问答一些问题。

如果设定一些比较复杂的任务，跟外界有交互的任务的时候，那么LLM其实是没有办法给你执行的。比如

因此，Agent的真正核心概念：能够让AI真正的脱离人类的指导，能够真正实现自主完成任务。

要构成一个超级Agent，需要有三大能力：

• 感知能力：感知外界的输入

1）文本感知：单纯的文本大语言模型靠的是文本感知。训练的时候靠得就是海量的文本数据，依赖于人工输入文本然后回答。

2）多模态能力感知：GPT-4o的出现，使得这类大模型能够拥有视觉感知、语音感知等

• 规划能力：规划任务，拆解任务

一开始，研究人员发现，大模型很多时候张口就来，很多的题目都存在幻觉。

比如最著名的那道数学题目：

例如GPT-3.5，他就认为9.11大：

拿Gemini来问问，好家伙，不假思索的直接认为9.11大

‌

‌

再看看Claude 3.5 Sonnet，给出了自己的推理，但是一看答案又开始犯困了，直接认为9.11更大。

于是就有了让大模型思考，再回答的逻辑。让模型再回答之前，先主动拆解一下问题，一步一步进行回答。这时候需要引入一个思维链COT，来让模型深度思考问题，再给出正常的答案。这个过程其实就是类似于人类的思考过程。

而这就有了o1推理大模型的出现。这类模型的推理能力使得数学任务、代码任务的完成效果直线提升。

• 行动能力：大模型需要调用工具执行某些操作，来获取信息和输出特定的格式

基础调用方式：本质上各种各样的集成好的API

更标准的方式——MCP协议（模型上下文协议）：anthropic在去年11月发布了mcp协议。主要目的

原本大模型在调用API的时候，类似于需要一个工具配一把钥匙和锁。

MCP则要求所有人都按照某个规格来做接口。大家只需要依赖于这个标准，就能做出统一的接口。不需要没把锁配一把要钥匙

构建自己的智能体OpenManus进行写作

Manus爆火之后，MetaGPT团队3小时就复刻了Manus，开源了OpenManus项目

这个项目人人都能够使用，而且能够使用相应的Agent实现一些简单的任务。比如我这里实现一个写作任务：

又或者让它实现一个”马斯克吐槽论坛“：

写在最后

Agent的发展正在迅速演进，从基础的LLM聊天问答，到具备感知、规划、行动能力的智能体，甚至是能够自主执行复杂任务的超级智能体。虽然Manus的爆红带来了一定的炒作成分，但它确实让更多人关注到Agent的潜力，也推动了Agent技术的加速发展。

2025年被称为Agent元年，标志着智能体技术迈入新的阶段。从Manus的爆红到OpenAI的Agent API发布，再到开源社区的快速复刻与创新，Agent正在成为AI发展的新趋势。未来，Agent不仅会在写作、编程、自动化任务等领域发挥作用，还可能彻底改变我们的工作方式，甚至成为我们生活的一部分。Agent时代才刚刚开始，谁能率先掌握这项技术，谁就能在AI变革中占据先机。