Agent：OpenAI的下一步

近日，Transformers Agents发布重磅更新，一个完全的多模态AI Agent！

Transformers是由HuggingFace发布的人工智能Python库，也是AI预训练领域最常使用的编程框架之一。Transformers提供了高级API，用于使用预训练的transformer模型进行各种自然语言处理任务。

Transformers Agents，这是继AutoGPT开创性发布之后，AI Agent被业界接受的另一个重要的里程碑。

简单来说，AI Agent就是一个代理人，它可以代替我们和ChatGPT之类的大语言模型（LLM）进行交互。

尽管当前的大模型可以帮助我们解决许多问题，但是对于复杂的任务来说，通常需要我们不断和LLM进行交互，不断地给LLM发送指令才能最终完成我们的目标。

AI Agent技术目标就是帮助我们降低这部分繁琐的工作。例如，如果我们想要知道今天推特上最火的AI相关的讨论是什么？

通常，这需要好几个步骤：理解问题，登陆推特网站，寻找今天与AI相关的推文，理解这些推文讨论的内容，按照讨论的数量找到最火的推文，最后对这些推文进行总结。只有经过这些反复的交互，我们才有可能完成我们的目的。

可以说，AI Agent技术的火爆主要因为AutoGPT的流行。它最早由开发者Significant Gravitas在3月份开源，仅仅一个月之后，它在GitHub上获得的star数量就达到7.4万，超过了PyTorch（6.5万）。而今天，发布时间不到2个月，AutoGPT在GitHub上获得的star数量已经达到13万！堪称史上star数量增长最快的开源项目！

现在，Agent第二轮爆发正在酝酿中，标志就是新一轮应用与场景结合更紧密了。不出意外，先行动起来的又是编程开发行业。最近的热门开源项目Sweep，直接与GitHub的Issue和Pull Request场景整合，自动“清扫”bug报告和功能请求，直接完成对应代码。创业公司中，也有OpenAI支持的Cursor代码编辑器，把生成代码抬到了一句话生成整个项目框架的高度。

除创业先锋之外，连AI基础设施的巨头也已经开始在Agent上发力。

比如亚马逊云科技纽约峰会上宣布的Amazon Bedrock Agents新功能，便是这种趋势最有代表性的体现。

Amazon Bedrock Agents在全托管基础模型服务的基础上，又把开发、部署和管理多个Agent的能力打包集成在一起。

如果按照前面的五层基石理论，这类服务相当于直接从第五层开始，大大降低开发门槛。正如亚马逊云科技在发布会上所形容：只用几次点击，搞定能执行任务的生成式AI应用。

可以预见的是，降低了门槛的Agent应用也将在各行各业全面爆发。

OpenAI华人科学家翁丽莲给出直观的“配方”：Agent = 大模型+记忆+主动规划+工具使用

以亚马逊云科技平台为例，开发Agent应用首先要根据具体任务场景给Agent选择合适的基础模型。

Amazon Bedrock上除了自家的Amazon Titan大模型，还集结了擅长安全可控的Anthropic、擅长检索汇总信息的Cohere、以及专攻文生图的stability.ai等各家模型。