蚂蚁开源Avernet：让AI Agent自己组队干活，这次不是概念

7月底，蚂蚁集团正式开源了一个叫Avernet的项目。说实话，看到这个名字的时候我没太在意——又一个多智能体框架嘛。但仔细看完技术文档和内部落地数据之后，我觉得这东西值得认真聊聊。

Avernet的定位不是让单个Agent变得更聪明，而是解决一个更底层的问题：当你有十几个、几十个Agent的时候，怎么让它们找到彼此、对齐信息、协同完成任务？

四个字的痛点

蚂蚁内部总结的四个痛点，翻译成大白话就是：找不到、对不齐、跑不快、留不住。

找不到：隔壁组半年前做了个能干这活的Agent，你不知道，又自己造了一个。三个月后公司里有四个功能完全重合的Agent。

对不齐：A的Agent产出的格式，B的Agent读不了，中间必须有人手动转一道。

跑不快：任务在流程中间需要人工转交，一个环节等审批等两小时，整条链路的延迟全花在等人上。

留不住：这次踩的坑、调好的提示词、验证过的流程，全在某个人的聊天记录里，人一走全没了。

把这四个词前面的"智能体"去掉，你会发现，这就是任何一家超过50人的公司都存在的组织协同问题。能力找不到、接口对不齐、流程等审批、经验留不下。Avernet做的事情，本质上就是给这些问题写了一套代码解法。

架构设计

Avernet采用分层解耦的设计。底层是异构Agent接入层，中间是标准化的协作层，上层是业务应用层。三层完全解耦，互不侵入。

协作层作为独立中间件运行，不修改任何Agent的原有代码，只通过标准化API完成对接。这意味着你可以把自研的Agent、第三方Bot、开源引擎全部接入同一个协作网络，不需要推倒重来。

内置两种协作模式：自由对话模式，所有Agent平等交互，适合开放式任务；主从调度模式，指定一个Leader Agent统筹任务拆解和结果汇总，适合标准化流水线。两种模式可以在运行中动态切换。

技术栈方面，兼容HTTP、WebSocket、gRPC三种传输协议，支持Python、Java、Go多语言SDK。部署方案有本地单机版和Docker容器集群版两种，个人开发者和企业都能用。

落地数据

这是让我觉得认真聊的原因。Avernet不是demo级别的玩具，它在蚂蚁内部已经跑通了12个核心业务板块，任务完成率稳定超过90%。

12个业务板块是什么概念？金融风控、智能政务、工业调度、企业办公，这些都不是简单的"帮我写段代码"的任务，而是涉及多环节、多角色、多数据源的复杂业务链路。

当然，90%的任务完成率需要打个问号——统计口径是什么？什么算"完成"？是Agent输出了结果就算，还是人工验收通过才算？蚂蚁后续要开放的能力清单里，第一个就是审计追踪和可观测评测，这个排序本身就说明他们清楚目前最缺的是什么。

为什么说这次不是概念

过去两年，多智能体协作的概念被炒得很热，但真正落地的不多。原因很简单：每个团队都有自己的Agent框架，都有自己的通信协议，都不愿意迁移到别人的标准上。

Avernet的选择是MIT开源协议，不绑定特定模型，不做"开源但商用要授权"的限制。对企业用户来说，这个选择友好得多。

更重要的是，蚂蚁自己就是重度用户。不是那种"我们开源了一个框架但内部没人用"的情况，而是12个业务板块真实跑通、90%任务完成率的数据摆在那里。这给了外部开发者一个很重要的信号：这东西在生产环境里验证过了。

Agent协作的下一步

Avernet解决的是基础设施层面的问题。有了标准化的协作层，不同团队的Agent才能真正组成"团队"去干活，而不是各自为战。

但要让这套体系真正运转起来，还需要解决几个问题：Agent的能力评估标准、跨团队的信任机制、任务质量的度量方法。这些不是技术问题，是组织和制度问题。

蚂蚁迈出了第一步，而且是一个比较扎实的第一步。接下来，看社区的响应和更多企业级的落地案例。如果Avernet能成为多智能体协作的"事实标准"，那它的意义可能比一个模型、一个工具大得多。