创新的路径选择

GitHub仓库的首页上，公告仍然挂在那里。标题只有两个词：“进入维护模式。”正文第一段写道：“我们不是在和代码搏斗，我们是在和API定价策略与集成文档的变化速度搏斗。”

维护者署名是卞承志，一位来自新加坡的独立开发者。他在AgentBridge上投入了两年零八个月。项目试图维护一个跨模型、跨协议的通用编排层——让任何智能体框架都能调用任何工具，无论底层是OpenAI的函数调用、Anthropic的MCP，还是Google的扩展协议。

2024年春天，AgentBridge一度在GitHub上积累了超过一万两千颗星标。它的文档被翻译成七种语言，社区贡献者来自十九个国家。

两年后，仓库的“最后更新于”日期定格在2025年11月17日。讨论区里，最后一个问题是三天前发布的，无人回复。

提问者名叫“rahul_dev”，他问有没有人成功地在两个主流商业模型之间用Bridge做过工具迁移，自己卡在认证层两天了。没有人回答他。

在同一个月的另一块屏幕上，伦敦金融城的一家对冲基金公司完成了内部智能体平台的季度验收。

该公司首席技术官在验收报告中记录了一组数字：基于MCP生态，六周内完成了十二个专用智能体的部署，覆盖交易合规、风险报告和客户尽职调查。去年同期，完成同等规模的集成需要四个月和一支八人团队。这份报告被摘录进Anthropic官方博客的一篇客户案例中，发表于2025年12月3日。

两份文本，两个世界，同一个月。当缰绳层在2026年成为公认的基础设施层，一个问题随之而来：这种基础设施化是加速了还是限制了智能体领域的创新？这个问题不能简单地用“快”或“慢”来回答。它需要更精确的解剖——需要看数据，看论文，看那些在繁荣的表象之下被筛选掉的路径。

产业界的数字是压倒性的。根据MCP官方生态页面在2025年第三季度至2026年第二季度间的统计，注册MCP服务器的数量从约四千三百个增长到超过两万八千个。

这些服务器覆盖的领域从最初的代码执行和文档检索，扩展到金融交易接口、医疗合规引擎、工业物联网设备管理、法律文书自动化、供应链优化——几乎每一个存在明确API的行业都出现了MCP集成方案。2026年3月，一家大型科技公司举办了智能体创新大赛，面向全球开发者征集基于MCP的专用智能体方案。比赛收到来自六十七个国家的超过三千四百份提交。获奖项目包括：一个用于制药合规审核的智能体，能在四十分钟内完成原本需要三名合规官工作一周的文档交叉比对；一个用于海运集装箱调度的智能体，将新加坡港某一类货物的平均等待时间缩短了百分之十七；一个用于公立学校预算分配的智能体，在三个学区的试点中将拨款误差率从百分之八降至百分之一点二。

这些数字是真实的。它们不是融资新闻中的虚数，而是部署在生产环境中的、有可验证指标的案例。协议标准化降低了集成成本——这是最直接的解释。

当一个开发者不再需要为每个模型、每个工具单独编写适配器，开发时间坍缩，试错成本下降，生态繁荣随之而来。但这个解释缺少一个维度：它没有说明，这些繁荣是在什么条件下发生的，以及这些条件排除了哪些可能的创新路径。

2026年6月，一组来自三位独立研究者的论文出现在arXiv上。论文标题是《智能体架构研究的模型依赖性：对NeurIPS与ICLR 2025-2026接受论文的分析》。作者对顶级AI会议在智能体相关领域的四百一十七篇论文进行了系统性分类。分类标准只有一条：论文的实验设置是否与特定模型API强相关。结果显示，在2025年的接受论文中，约有百分之五十八的智能体论文的实验设置与特定模型API强相关——即，如果更换底层模型，论文的核心方法需要重新实现或重新调参。到2026年，这一比例上升至百分之七十四。

增长最快的子类别是使用模型原生工具调用API的智能体架构——在这些论文中，工具调用的实现方式直接依赖于特定模型的函数调用格式，而非通过中间抽象层。那些研究通用架构——跨模型、跨协议的编排层、工具调用抽象、与模型无关的规划算法——的论文占比，从2024年的百分之三十一下降到2025年的百分之十九，再降到2026年的百分之十一。这条曲线不是缓慢下滑，而是陡降。

论文作者之一在2026年7月接受技术媒体采访时说了一段话，这段话后来被反复引用。她指出，通用架构的问题并没有被解决，问题还在那里。但当实验的基线由大公司设定，当评审要求与最先进模型对比，研究者就不得不使用那些模型的API。而一旦用了，实验就不再是通用的了——它成了一个特定生态的产物。

这段话揭示了筛选机制的核心：不是有人禁止通用架构研究，而是做通用架构研究变得越来越不具备可操作性。因为实验本身需要基线，而基线由拥有最强大模型的公司设定。

一个研究者如果试图设计一个跨模型的编排协议，必须证明它在多个模型上的表现——但每个模型的API格式、定价策略、文档更新频率都不同。维护实验环境的成本，从研究开始的第一天就压在了研究者身上。

2025年底，一篇提交至ICLR 2026的论文经历了这种压力的完整演绎。论文标题是《面向多模型环境的工具调用抽象层：一个协议无关的框架》。作者来自一所欧洲大学的研究组，他们设计了一个中间层，可以在多个商业模型和开源模型的工具调用格式之间进行自动转换。论文在初审阶段收到了三条评审意见。其中两条是正面的，称赞了问题的定义和工程实现。第三条评审意见则提出了一个尖锐的问题：实验仅在两款开源模型和两款商业模型的旧版本上进行了验证，作者是否在当前的商业模型API——如Claude 4的函数调用、GPT-5的并行工具调用——上测试过？如果没有，这个框架的实用性存疑。

作者在rebuttal中回应：由于商业模型API的更新频率和定价策略，他们无法在论文提交周期内完成对最新版本的全面测试。他们选择在稳定版本上进行实验，以保持结果的可复现性。此外，部分商业模型的最新API限制了对中间层的调用方式，这使得框架在这些模型上的部署面临额外的工程挑战。论文最终被拒。拒绝理由并未直接引用那条评审意见，但程序委员会的综合评语中有一句话：“在当前的竞争格局下，与最新模型API的兼容性是评估工具调用框架的关键指标。”

这个案例不是孤例。它代表了一种结构性的筛选：当商业模型的API以周为单位更新，学术界的研究周期以年为单位轮转，通用抽象的研究在时间维度上就已经处于劣势。不是研究质量下降，而是研究条件被改变了。

一位在2025年从学术界转投工业界的AI研究员在个人博客中写道，她在实验室的最后一年有三分之一的时间花在更新API集成上。代码库有四个月无法复现论文结果，因为一个模型提供商的定价策略变了，导致实验预算超支。她的导师说，这不是研究，这是运维。

回到产业界。2025年秋天，一家大型云服务商发布了内部智能体平台的白皮书。白皮书中有一段关于创新速度的量化分析：该平台上的应用开发者从提出需求到部署智能体的平均周期，在2024年第一季度是四十七天，在2025年第三季度是十一天。白皮书将这一改进归因于协议标准化与预集成工具链。

同一份白皮书的另一部分，则提供了一个不易察觉的对照数据：该平台上的智能体应用，在2024年有约百分之三十二使用了非平台原生工具——即通过自定义适配器接入的第三方工具。到2025年第三季度，这一比例降至百分之九。白皮书对此的解释是生态成熟——随着平台原生工具覆盖更多场景，开发者不再需要外部集成。

但一位使用该平台的独立开发者给出了不同的解读。他在社交平台上写道，不是不需要，是不方便。平台预集成的工具开箱即用，自定义适配器要自己维护。当老板问为什么这个功能用了两周还没上线，你不能说因为自己在写一个更优雅的抽象层。你只能说因为平台不支持这个工具。然后老板会说那就用平台支持的。这就是创新被筛选的方式——不是被禁止，是被便利性击败。

便利性击败了中立性。深度集成击败了通用抽象。这不是一个封闭吞噬开放的简单叙事。MCP本身是开放的——它的协议规范公开，任何人可以实现兼容的服务器。但开放不等于中立。

当协议由一家模型提供商主导，其功能优先级、更新节奏和治理结构，必然倾向于该提供商的模型能力路线图。

2026年1月，一个开源社区试图推动MCP的治理改革。提案要求将协议的规范制定权从Anthropic移交给一个独立的标准组织。提案获得了来自超过四十个项目的联署支持。Anthropic在两周后作出回应：同意建立一个社区咨询委员会，但保留了协议核心规范的最终决定权。公司在一篇博文中写道，作为MCP的主要实现者和最大的生态贡献者，我们相信，在协议的快速演进阶段，保持技术决策的统一性符合生态的整体利益。

这篇博文没有引发大规模抗议。大多数生态参与者选择了接受。原因很简单：MCP仍然在工作，生态仍然在增长，集成成本仍然在下降。对于一家正在构建金融合规智能体的创业公司来说，与协议治理相比，他们更关心下个季度的客户交付。协议政治——谁定义接口，谁拥有生态——对于链条末端的人来说，是一个过于奢侈的关切。直到它不再是。

2025年秋天，一个名为“开放编排”的项目在GitHub上启动。项目的目标是维护一个与MCP兼容但完全独立于任何模型提供商的编排层。发起者是一群来自欧洲和南美的开源开发者，其中多人曾参与过早期的LangChain和AutoGPT社区。“开放编排”在最初三个月获得了约三千颗星标。它的文档强调了一个核心理念：不绑定任何模型，只绑定开发者的意图。项目设计了一个中间层，可以在MCP与其他协议之间进行转换，同时支持开源模型和商业模型。

2025年12月，项目遇到了第一个重大障碍。一个主要的商业模型提供商更新了其API定价策略，改变了工具调用的计费方式。新的计费方式使得通过中间层调用的成本比直接调用高出约百分之十五——因为中间层的每一次协议转换都需要额外的API往返，而这些往返现在被计入了新的计费类别。“开放编排”的维护者发布了一篇技术分析，证明了这百分之十五的成本差异可以通过优化转换逻辑来消除。他们提交了补丁，等待社区审核。

但在补丁合并之前，项目的讨论区出现了分歧。一部分用户认为，应该加快与特定商业模型的直接集成，放弃“协议无关”的纯粹性，以换取性能优势。另一部分用户坚持，如果放弃协议无关，项目就失去了存在的意义。争论持续了六周。2026年2月，“开放编排”的核心维护者之一，一位巴西开发者，在讨论区写道：“我理解性能的关切。但如果我们只是一层薄薄的包装，包装在另一家公司的API上，我们不是在做基础设施。我们是在做代理。而代理这门生意，在平台和模型厂的挤压下，已经证明了不可持续。”

“代理”这个词，在这里承载了特定的重量。它指向了那些中间层幸存者的命运——被收购、关闭、或者缩回到单客户深度集成的安全区。那些在平台与模型厂之间找到缝隙的人，最终发现缝隙无法扩张。而“开放编排”试图做的，是比缝隙更大——一座桥，连接所有生态。但桥的桩基，仍然需要打在别人的土地上。

2026年3月，一个更直接的信号出现了。一家大型科技公司在一场开发者大会上宣布，将在其云平台上推出“智能体运行时”——一项完全托管的智能体部署服务，内置了MCP兼容层、权限管理、监控和计费。演示中，一位开发者用了不到五分钟，就将一个基于开源模型的智能体部署到了生产环境，并接入了六个MCP工具。台下掌声雷动。

但在掌声的间隙，一位坐在后排的开发者对邻座说，他们现在帮开发者做了所有事情。但如果想换一个模型，或者想用一个不在MCP里的工具，就得重写整个栈。这句话没有被记录在任何官方报道中。它只是一个个体在历史现场的瞬间反应。

但它捕捉到了一个正在发生的结构性变化：当基础设施足够强大，它在降低应用层创新门槛的同时，也收窄了基础设施层本身的创新治理权。这个判断需要证据支撑。

证据来自2026年春天的一项行业调查。一家独立研究机构对全球两千三百名智能体开发者进行了问卷。问卷中有一个问题：在过去六个月中，你是否曾因底层协议或平台的限制，而放弃或修改了一个原本可行的技术方案？百分之四十一的受访者回答了“是”。在回答“是”的群体中，最常见的放弃原因不是技术不可行，而是与现有生态不兼容、维护成本过高——占百分之六十二。

同一项调查的另一个问题：如果你可以改变智能体基础设施的一件事，你会改变什么？排名第一的回答是跨协议的互操作性——百分之三十八。排名第二的是模型API的稳定性——百分之二十七。这两个数字放在一起，揭示了基础设施化的悖论：标准化降低了成本，但标准化也锁定了路径。当路径被锁定，偏离路径的创新就变得昂贵——昂贵到大多数人选择放弃。

2026年4月，NeurIPS 2026的论文提交截止日期前一周，一位在美国中西部大学任教的助理教授在社交媒体上写道，她刚刚建议自己的一个博士生放弃关于通用智能体规划算法的论文方向。不是因为那个方向没有价值，而是因为很难在现行评审标准下获得接受。博士生需要与最新商业模型API对比，而他的实验设计是基于开源模型的。她告诉他，要么改方向，要么做好投两轮的心理准备。

这条帖子引发了超过两百条评论。评论区的分歧反映了整个领域的张力。

有人说，这就是学术界的可悲之处——总是在追逐工业界设定的基线，而不是定义自己的问题。也有人说，如果算法不能在最好的模型上工作，那它确实没有实用价值。这不是评审的问题，是现实的问题。

争论没有答案。但争论本身就是一个症状：当“最好的模型”由少数几家公司定义，“实用价值”的标准也随之集中在这些公司的技术栈上。

创新不是被压制了，而是被定向了——朝着与商业模型API兼容的方向，朝着封闭生态的内部深度，而不是朝着基础设施层的中立性和多样化。

2026年5月，卞承志在GitHub上发布了一篇新的文章。这不是公告，而是一篇个人反思，标题是《两年后，我学到了什么》。文章的第一段写道，他学到的最重要的事是，在基础设施层做通用抽象，不是技术问题，是政治经济学问题。代码可以完美地桥接任何模型、任何协议、任何工具。但当需要维护这些桥接时，就需要跟上每一家模型提供商的API变化、定价调整和文档更新。这需要资源。而资源，只会流向那些已经拥有生态的人。

文章的后半部分详细列出了AgentBridge在过去两年中遇到的具体困难：一个模型提供商的认证机制变更导致适配器失效，修复耗时三周；另一个模型提供商引入了新的工具调用限制，使得桥接的性能下降百分之四十；一个开源模型社区的API文档滞后了三个月，导致社区贡献者提交的补丁包含错误。

卞承志写道，每一次单独的困难都是可解决的。但合在一起，它们构成了一个不对称的战争：一边是一个人加一台笔记本电脑，另一边是整个公司的工程团队和产品路线图。这不是战斗，这是消耗。

文章的最后一段，他提到了那个仍未关闭的GitHub Issue——“考虑过，但也需要吃饭。”他写道，这个Issue标题是他见过的最诚实的Issue标题。它不是在说技术问题。它是在说，当你的选择是做一件技术上正确但经济上不可持续的事，你还是得吃饭。

这篇文章在一天之内被转发了超过三千次。有人在评论区留言，说读完后关掉了自己的开源项目，打开了招聘网站。这是一个玩笑，但玩笑背后是真实的压力。

在卞承志发布文章的同一个月，另一场对话在另一个空间里进行。地点是硅谷一家风险投资机构的办公室。一位合伙人正在审查一份关于智能体基础设施的投资备忘录。备忘录中有一段分析：通用编排层的市场窗口正在关闭。不是因为没有需求，而是因为满足需求的方式正在从独立产品变成平台内置功能。

就像浏览器最终内置了曾经需要插件才能实现的功能，智能体平台也正在内置编排能力。

对于独立编排层公司来说，出路只有两条：被收购，或者转向垂直场景的深度集成。但垂直场景的深度集成，天然地限制了规模。这位合伙人在备忘录的页边写了一个批注：同意。建议关注垂直场景中那些有数据护城河的公司，而不是通用编排层。

同一份备忘录，同样的判断，在投资界和开源社区同时出现。这不是巧合。这是系统逻辑在不同领域的同时显现。

2026年夏天，学术界的统计数据出现了一个新的变化。在2026年6月至8月间提交至arXiv的智能体相关论文中，出现了一个新的关键词：“模型内化”。这个词指的是将原本由外部缰绳层实现的功能——工具调用、规划、纠错——直接嵌入模型本身的过程。论文的数量不多，但增长曲线陡峭：从2025年下半年的三篇，到2026年上半年的十二篇，再到2026年七八月的九篇。“模型内化”论文的作者，大多来自大型科技公司的研究部门。

这些论文研究的是，如何通过强化学习训练，让模型直接学会调用工具、制定计划、从错误中恢复——而不需要外部框架的介入。这是“脚手架悖论”的最新一轮：缰绳层验证过的能力，正在被吸收进模型本身。

但对于那些在2025年将公司赌在智能体框架上的创业者来说，这个消息带着寒意。如果工具调用最终被模型内化，那么建立在工具调用之上的编排层，其价值将面临根本性的重新评估。

一位智能体框架公司的创始人在2026年8月的一次闭门技术会议上说，他们总是在跑。跑赢了一个版本的模型，然后下一个版本的模型就把他们跑过的路变成了自己的内置功能。这不是竞争，这是被吞噬。会议记录没有公开，但这句话被一位与会者记了下来，写在个人笔记中，后来在一次采访中被转述。

它成为“脚手架悖论”最简洁的人类表达：不是模型打败了框架，而是模型吃掉了框架的工作成果，然后框架必须向上爬，爬到下一层，直到有一天，没有下一层了。

当时间推进到2026年秋天，产业界和学术界的两条曲线——一条上升，一条下降——构成了一幅完整的图景。产业界的创新在爆发：更多的智能体，更多的场景，更多的部署。学术界的创新在被筛选：更多的模型依赖性，更少的通用架构，更少的跨协议研究。

这不是简单的谁赢谁输。繁荣是真实的，筛选也是真实的。它们同时发生，互为因果。协议标准化带来了繁荣，但标准化由谁定义、为谁优化，决定了哪些创新路径被照明，哪些被留在阴影里。

协议政治的终结并不意味着创新自由。它只是为下一轮创新设定了必须接受的前提条件。USB-C统一了接口，但USB-C的规范由USB-IF决定，而USB-IF的投票权掌握在最大的硬件厂商手中。MCP统一了工具调用协议，但MCP的演进方向由一家公司设定，而这家公司的优先事项与整个生态的优先事项，有时重合，有时不重合。当不重合时，那些偏离主干道的创新，就只能自己承担路径成本。

这种筛选并非AI领域独有。2025年11月，马来西亚砂拉越总理在立法议会宣布古晋城市交通系统（KUTS）的蓝线与红线已进入全面施工阶段，并公布了优化方案——红线部分路段将从地面设计升级为全高架结构。这一决策发生在项目原定进度滞后、面临复杂地下管线迁移挑战的背景下。一个大型公共基础设施项目，在推进过程中不断调整技术方案以适应现实约束，其路径选择同样受到资源、政治与既有技术栈的深刻塑造。缰绳层的创新路径选择，在这个意义上，与任何试图在复杂系统中开辟新路的努力同构：它总是在可行性、成本与既有权力结构的夹缝中展开。

而对于大多数个体开发者、小型团队和学术实验室来说，这笔成本正在变得不可承受。

2026年9月，AgentBridge的GitHub仓库仍然展示着“最后更新于2025年11月”的日期。仓库的讨论区里，那个提问者的消息仍然无人回复。但仓库的星标数量还在缓慢增长——从一万两千颗涨到了一万三千两百颗。人们在star一个已经死亡的项目，像是在说：我看到了，我记得，我也许需要这个，但我没有时间维护它。

卞承志在2026年秋天找到了新工作，在一家金融科技公司做智能体集成。他在LinkedIn上的个人简介中，仍然写着“AgentBridge的创建者”。但简介的最后一句话是：目前专注于金融合规领域的深度集成。深度集成，不是通用抽象。垂直场景，不是跨协议桥接。这是同一个人在两年前会拒绝的职业路径。但现在，他说，至少在这个领域，他知道自己的客户是谁，协议不会每两周变一次，工作成果不会在一个季度后被一个模型更新吞掉。这不是失败。这是适应。

但适应本身，就是一种筛选的结果。2026年10月，一份关于智能体基础设施的行业报告发布。报告的作者在结尾写了一段话，这段话后来被多次引用：缰绳层已经完成了它的第一阶段使命——它证明了智能体可以工作，可以规模化，可以产生经济价值。但缰绳层的第二阶段——关于谁控制它、谁能在上面创新、创新的多样性如何维持——才刚刚开始。而第二阶段的答案，不会由技术决定。它会由经济、政治和治理结构决定。

这段话没有给出答案。它只是标出了问题的位置。在报告发布的同一周，AgentBridge的GitHub仓库首页，那个“进入维护模式”的公告下方，出现了一条新的评论。评论者就是那个十个月前提问卡在认证层的人。他写道，他终于搞定了。没有用Bridge。直接写了原生集成。花了十个月，但搞定了。

这条评论发布于2026年10月14日。没有点赞，没有回复。这是AgentBridge仓库上的最后一条活动记录。

在世界的另一侧，新加坡金融区的办公室里，卞承志正在为一家对冲基金调优合规智能体的工具调用链。他使用MCP，使用最新的商业模型，使用公司内部的专用工具集。代码运行流畅，集成时间从四个月缩短到两周，他得到了雇主的好评。

他没有再打开AgentBridge的仓库。但他也没有删除它。仓库仍然在那里，一万三千两百颗星标，一个未回复的问题，一个写着“考虑过，但也需要吃饭”的Issue，和维护者最后留下的那句话：我们不是在和代码搏斗，而是在和API定价策略与集成文档的变化速度搏斗。

这句话，连同仓库首页的那个日期，构成了2025-2026年缰绳层创新路径选择的一个静场。在这个静场里，繁荣与筛选并存，便利与锁定同在，加速与收窄同时发生。当基础设施足够强大，应用层的创新如野草般疯长，基础设施层本身的创新，却沿着一条逐渐收窄的通道，走向了少数几家平台的方向。这不是结局。这是下一轮循环的开始。