有数十亿美元的市场等待被抢占——如果你能学会像AI代理一样思考。

上个月，我构建了一个AI代理并让它自由运行，看它是否能成功为我集成一个工具。我已经对它进行了开发和广泛测试，所以对预期结果有一定了解。但是，看着它自己阅读新工具的文档，然后利用所学知识部署实际可用的代码——全部自主完成——仍然是一个令人兴奋的时刻。我想：*我们必须开始设计一切时都考虑到代理。*因为除了数百万人类用户，你的客户很快将是数十亿以完全不同方式看待世界的AI。

自主代理已经在执行一系列业务关键角色。它们提供客户支持，选择供应商，并进行谈判。在Base，我领导一个为开发者构建工具的团队，我亲眼目睹了这一点。我们为人类构建开发者工具，但发现编码代理越来越多地解析我们的文档——自己编写代码来帮助工具集成。很快，代理独立工作将变得普遍，就像我构建的那个一样。这要求我们重新考虑如何构建、分发产品并与用户（无论是人类还是AI）互动。

我们需要关注三个关键维度，我将在下面详细介绍每一个：

设计代理可解释性
优化我称之为"代理注意力"的因素
创建人类-代理协作模型

风险和机遇都是巨大的：如果不从代理的角度考虑你的产品，你的公司可能对这些新决策者变得不可见。但若做得好，你将为你的产品创造全新的、潜在价值数十亿美元的市场。

超越用户体验——进入代理体验

首先是开发者工具。当为人类开发者设计工具时，你必须考虑可用性、清晰度和可靠性。你必须提供人们能轻松阅读和理解的文档、一致的API和支持性社区，帮助人们快速采用和集成你的工具。

但当我们知道大多数用户将是LLM时，情况就不同了。

这种转变随着模型上下文协议（MCP）服务器的兴起而加速。MCP让基于LLM的代理能够超越其通常的知识范围，使用特殊工具和来自其他来源的新数据。例如，ChatGPT通常无法看到实时新闻、天气或你的日历。但通过MCP，它可以通过天气服务检查今天的天气，或使用来自金融平台的最新金融数据。

MCP通过定义模型与外部工具通信以及将其响应整合回对话的明确规则来实现这一点。这种标准化对代理生态系统至关重要，为AI与服务通信创建了共同语言。

与开发者和用户体验并列，出现了一个称为代理体验（AX）的新学科。Netlify首席执行官Mathias Biilmann将其定义为"AI代理作为产品或平台用户所拥有的整体体验"。优秀的AX是当代理完全按照你希望的方式执行任务，并且在第一次被要求时就能执行所有需要的操作。这个过程还必须具有成本效益，不需要人类干预。

实现这一目标需要仔细考虑几个不同的标准：

**入职流程：**代理入职涉及验证权限、提供安全访问令牌和提供AI可以解释的结构化文档。
**开发工具包：**当为人类构建软件开发工具包（SDK）时，你专注于直观的API、详细的错误消息和反映真实用例的全面示例。然而，代理需要标准化的、机器可读的产品描述、明确的指令流程和健壮的元数据，以便他们能够理解并利用你的工具功能。
**交互和权限：**你需要确保当代理连接到你的系统时，它能证明自己是善意的行为者，并且它的任何行为都可以在出现问题时进行审计。

随着AI成为与人类并列的主要用户，能够完善人机两种体验的开发者工具将会脱颖而出。

代理注意力经济

虽然互联网传统上专注于通过搜索排名、点击量和参与时间等指标来捕捉人类注意力，但谷歌DeepMind最近的研究表明，推荐系统可能会转向研究人员称之为"生成式检索"的方向。在这种新范式中，AI代理不再仅仅基于过去的用户交互（例如某人的购买历史）检索项目，而是学习在更深层次上理解内容，为用户生成重要内容的预测。这种方法允许AI基于其固有含义识别和推荐相关项目，即使是新的或不常见的项目。

假设你正在搜索徒步靴。由于直接的标题和吸引人的图像，人类用户可能会被标题为"十大徒步靴"的博客文章所吸引。

AI代理不会关注这些。相反，它通过寻找"机器可读结构"来分析其基础数据，例如特定产品名称如"Brand X Trailblazer Boot"；关键特性，如"防水"和"踝部支撑"；以及分类如"徒步"、"户外装备"和"鞋类"。

因此，主要为人类吸引力设计的内容——具有引人注目的标题和吸引人的视觉效果，但缺乏明确可识别的产品信息、特性和类别——可能对AI评估者实际上是不可见的。

另一方面，具有明确类别（"本体"）和标准化描述（"模式"）的精心组织的信息对AI变得高度可见。想象一个徒步靴的产品数据库，每个条目包括有关品牌、型号、材料和预期用途的结构化详细信息。这对人类来说可能看起来是一个简单的列表，但以AI可以轻松理解并利用来生成推荐的方式组织。

我在Base亲身经历了这一点。我们最初的文档对人类来说看起来完美，但AI助手难以区分我们不同的产品线，因此它们经常无法完成任务。在重新构建文档以提高AI可见性后，我们看到成功率显著提高。这反映了更广泛的趋势——LLM正迅速成为网站引荐流量的来源，一些数据表明它们的输出结果比传统搜索引擎的流量带来更好的参与度。

这就是我所称的"代理注意力"的本质：由于AI代理不像人类那样浏览，不会浏览标题或停留在华丽的视觉效果上，决定内容在AI推荐中脱颖而出的因素将与我们在传统网络上习惯的有显著不同。即使是久经考验的SEO策略也将随着今天的网络爬虫逐渐被优先考虑机器可理解的组织和语义清晰度的代理所取代而减弱其重要性。

这创造了开放且令人兴奋的设计问题：我们如何创造既满足人类情感需求又满足AI结构要求的体验？我们如何在优化机器可解释性的同时保持美感和意义？

互动的新方式

代理注意力的重要性增加将从根本上改变用户互动——事实上，它已经在发生：例如，Rep AI的购物助手不仅仅浏览商店——它帮助访客像人类店员一样导航商店，然后完成交易。但它只在提供结构化数据的企业中有效运作。

因此，传统的参与漏斗不再适用。代理不会像人类那样对巧妙的动画或情感故事产生反应。在同时为两种受众设计时，我们必须记住这一点：人类最终用户和AI中介。

同样，代理注意力正在以几年前看起来怪异的方式重塑广告。

传统广告旨在吸引人类心理。在一个充满代理的世界中，你的产品需要定位为AI理解。这不再仅仅是关于品牌意识或情感吸引力——而是确保你的数字产品以使AI系统有信心推荐它的方式构建。

对这种方法的早期实验已经产生了有启发性的见解。我模拟了各种组织文档的方式如何影响代理理解和推荐信心。初步数据表明，微小的、刻意的调整——包括为AI添加明确的文档以阅读，如LLMs.txt——可以不成比例地影响代理引用或推荐产品的倾向，而与其内在质量无关。

随着代理中介变得更加普遍，优势将属于那些能够逆向工程推荐算法并相应地构建其产品的人。胜出者不会是那些拥有最大广告预算的人——甚至不一定是拥有最好产品的人！——而是那些最了解如何构建其产品以符合AI系统评估和推荐方式的人。

初创公司的四大机会

对于雄心勃勃的创始人来说，这个新兴生态系统中的空白代表着等待被抢占的价值数十亿美元的机会。特别是四个领域适合创业征服：

AI优化内容系统：市场迫切需要从头开始构建的内容管理系统——类似于销售人员使用的客户关系管理软件——专为人机双重消费而设计。这样的平台应该能够自动生成语义元数据。与可能只用基本标签标记内容的传统元数据不同，语义元数据捕获数据元素之间更深层次的关系和上下文，使AI能够更准确地解析含义。（想想它就像教AI诸如"月销售额"或"总用户数"等概念，而不是让它学习复杂的数据库细节。）它还需要优化嵌入结构（内容以数字方式表示，以便AI可以处理它的方式）并与代理生态系统无缝接口。有效执行这一点可以重新定义组织之间的通信方式。
可组合工具市场：随着MCP的兴起，代理现在比以往更容易与工具集成。然而，在代理如何筛选现有工具并选择最佳工具使用方面仍存在差距。构建代理可发现API的权威市场的企业家不仅会获取价值；他们将为代理创建一个应用商店。像Smithery和Composio这样的公司已经在这个方向上迈出了一些早期步骤，但这仍然是一个广阔的空间。成功实现无摩擦代理采用的第一批平台将定义这个新兴经济。
代理分析平台：在如何测量代理交互方面存在巨大盲点，为专注于"AI遥测"的初创公司创造了完美的机会。构建复杂工具来跟踪代理行为、嵌入性能和推荐信心的产品将提供以前不透明过程的前所未有的可见性。早期参与者有机会建立整个行业衡量成功的黄金基准。
AI对AI谈判协议：也许最有趣的机会在于促进代理对代理的交易。随着自主系统越来越多地相互谈判，它们需要标准化的互动方式。像Stripe和Coinbase这样的公司已经发布了像AgentKit和Agents SDK这样的工具来解决这一需求，但还有更多工作要做。

虽然在这个领域构建需要应对新的道德和操作考虑——如潜在的"提示操纵"策略和依赖风险（代理依赖可能意外中断、更改或停止的第三方组件，破坏整个工作流程）——这些挑战只会放大首先解决它们的创始人的优势。

为AI优先的未来做准备

除了这些创业机会外，这种范式转变要求各种规模的组织进行战略准备。有远见的领导者应优先考虑这些关键领域：

更好的人机团队合作：设计让人和AI互补而非竞争的工作流程。实施明确的交接、可理解的界面和定义明确的角色。目标很简单：让每一方做它最擅长的事情。
为伦理和法律工作做准备：AI推荐的法规尚未出现，但它们最终会到来。现在就在你的产品中构建透明度、可解释性和公平性。等待规则强制执行的公司将落后。
新技能和角色：你需要同时了解你的领域和AI工作原理的人。"代理设计师"等新角色即将出现。你可能需要培训现有员工或雇用连接这些世界的专家。不要期望传统的团队结构能够不变地运作。Christina Cacioppo，Vanta的CEO，正在招聘一个角色，利用AI工具自动化并改进从潜在客户生成到创建销售材料的所有营销过程方面。

"代理作为用户和客户"不是遥远的可能性——它正在发生。每周，越来越多的开发者使用AI来查找、评估和实施API。越来越多的消费者使用AI助手做出购买决策。越来越多的企业部署代理来处理采购和运营。

问题不是AI代理是否会成为你的用户——它们已经是了，用算法目光默默评估你的界面，解析你的文档，判断你的产品。如果过去几十年的互联网是关于捕捉人类注意力，那么下一个十年将是关于赢得代理的信任。

A2A协议：代理注意力经济的加速器

随着Agent-to-Agent（A2A）协议的出现，代理注意力的重要性更加凸显。这种基于JSON-RPC的通信标准为代理之间的直接交互创造了一个结构化框架，使AI代理不仅能与人类互动，还能彼此自主通信和协作。

A2A协议的标准化意味着，现在代理可以在没有人类中介的情况下进行复杂交易、协商和信息交换。想象一个场景：你的购物代理可能会与航空公司的机票代理协商价格，而后者又会与酒店预订代理协调日期，全部在几秒钟内完成——而所有这些系统都使用同一种机器可理解的语言。

这种代理对代理通信的标准化创造了一个全新的交互层，其中可发现性不再仅取决于人类用户界面的质量，而是取决于你的系统对其他AI代理有多"可理解"。在这种环境中，结构化数据、清晰定义的API和机器可读文档变得更加重要。

那些在A2A生态系统中表现最佳的产品将具有明确的任务状态（如"submitted"、"working"、"completed"）、结构化的错误处理和标准化的推送通知——所有这些都是为了确保其他代理可以无缝理解和利用它们的功能。

这不仅仅是技术变革；这是商业模式的根本转变。在一个代理越来越多地做出决策的世界里，服务和产品必须同时被人类和AI"看见"才能生存。那些专注于优化A2A交互的公司将获得显著优势，能够利用这个新兴生态系统获取收入。

当代理不仅浏览和推荐，而且自主协商和执行交易时，获取代理注意力的竞争将变得更加激烈。A2A协议不仅是技术规范；它是代理注意力经济的加速器，为那些能够有效利用它的企业打开了数十亿美元的新市场。

AI代理重新设计一切的竞赛已经开始