随着Agents API等基础能力不断成熟，企业没有必要重复建设大量通用Agent能力。更值得长期沉淀的，是统一模型入口、企业知识和业务执行之间的连接。MaxModel、MaxKnow与XunOPC分别对应“AI用什么、AI知道什么、AI怎么做”，最终指向同一个目标：让AI真正进入企业业务。

当Agent“胶水层”越来越薄，企业AI应该把能力建在哪里？

9月10日，OpenAI发布 Agents API。

这次发布把一个趋势摆得更加明确：Agent 正在越来越像一项可以直接调用的基础设施。

官方介绍显示，Agents API 提供 Codex 的托管 Harness，可以处理 Session 编排、上下文压缩、恢复等工作，也支持开发者接入自己的工具和 MCP Server，并在 OpenAI 托管 Sandbox、自有基础设施或合作环境中运行。

相关讨论里，有两个观点尤其值得放在一起看。

一个是：

“那些卡在‘模型之上、垂直业务之下’的胶水层创业者，护城河一夜之间荡然无存。”

另一个是：

“凡是通用共识，迟早都会被基模厂商内化。只有业务知识库才是独一无二的。”

如果把这两句话放到企业 AI 建设里，其实会引出一个更现实的问题：

既然底层能力一直在变，企业到底应该把钱和时间花在哪里？

模型需要用，但没有必要把业务绑死在一个模型上

这两年模型迭代速度已经说明了一件事：

很难提前判断两三年以后企业主要使用哪个模型。

不同模型的优势也不一样。

有的适合代码，有的适合文本处理，有的成本更低，有的更适合本地部署。

所以企业如果把每一个业务应用直接连接到具体模型，短期看很方便，时间长了却容易形成大量重复接入。

模型换一次，业务就跟着改一次。

对企业来说，更合理的方式，是把模型当成一种基础资源统一管理。

上层业务调用的是统一入口。

至于底层最终使用哪个模型，可以按照业务、成本和部署要求调整。

这也是 MaxModel 对应的位置。

它解决的不是“哪个模型永远最好”。

而是：

模型一直在变，企业怎么继续稳定地用。

模型接好了，第二个问题是：它根本不了解你的公司

模型可以回答很多问题。

但把它直接放进一家公司，它首先面对的是信息断层。

它不知道当前有哪些客户。

不知道哪个项目正在延期。

不知道产品最新版本是什么。

不知道内部报价规则。

也不知道哪些信息可以对外发送。

没有这些内容，再强的模型也只能给出一个“外部人的答案”。

所以企业还需要有自己的知识层。

这也是 MaxKnow 对应的位置。

企业过去留下来的产品资料、客户记录、项目经验、制度、会议纪要和专业知识，需要逐渐变成模型可以理解和使用的内容。

这样 AI 才不是每次从零开始。

知道该怎么做，和真的把事情做完，中间还差很远

有了模型，也有了企业知识，问题仍然没有结束。

因为真实工作不是“回答完问题”就结束了。

一个项目可能还需要修改文件。

运行程序。

调用接口。

登录系统。

整理结果。

提交审批。

通知下一位负责人。

这些动作之间还有权限、安全和责任边界。

所以企业 AI 还需要第三层：

执行。

这就是 XunOPC 更核心的位置。

它并不只是让 Agent “会点鼠标”“会跑命令”。

真正有价值的是，在企业允许的边界里，把模型的判断继续变成可执行的业务动作。

重要操作有人确认。

修改内容可以复核。

执行过程可以回看。

出现问题以后知道停在哪里，也能够恢复。

当 AI 开始真正参与工作以后，这些能力会比“能不能调用某个工具”更重要。

企业真正需要自己留下的，是模型、知识和执行之间的连接

从这个角度再看 Agents API，就会发现它对企业其实是一件好事。

底层能力越来越成熟，企业反而没有必要重复建设大量通用基础设施。

企业需要把更多精力放在自己真正拥有的东西上。

模型入口需要统一。

企业知识需要沉淀。

业务执行需要连接。

这样形成的体系有一个好处：

模型换了，企业知识还在。

Agent Harness 升级了，业务流程还在。

工具协议变化了，企业自己的客户、项目和规则也不会消失。

这比押注某一个模型或者某一套 Agent 技术要稳定得多。

为什么说“只有业务知识库才是独一无二的”

这条评论之所以会引起共鸣，是因为它说中了“通用”和“私有”的区别。

通用能力一旦成熟，所有人都能用。

但企业自己的知识不会自动出现在别人的系统里。

不过对于真正要把 AI 用进企业的人来说，还可以再多看一步。

真正独一无二的不只是知识库，而是：

知识、数据、流程、权限和执行环境。

例如，一个客户的历史资料属于知识。

客户现在正在推进哪个项目属于数据。

项目到了这个阶段接下来应该做什么属于流程。

哪些操作必须经过负责人确认属于权限。

最终由哪个系统完成动作属于执行环境。

这些东西连在一起以后，AI 才真正开始理解一家企业是怎么工作的。

MaxModel、MaxKnow和XunOPC，本质上是在回答三个连续的问题

如果把企业 AI 拆得简单一点，其实就是三个问题。

MaxModel：AI用什么。

企业面对不断变化的模型，不需要把业务锁死在单一模型上。

MaxKnow：AI知道什么。

没有企业自己的知识，模型再强也只是一个外部工具。

XunOPC：AI怎么做。

知道答案以后，还需要真正进入文件、终端、工具和工作流程，把任务继续推进下去。

这三件事本来就不是孤立的。

它们最终要解决的是同一个问题：

怎么让AI真正进入企业业务，而不是停留在聊天窗口里。

9月10日 Agents API 的发布，进一步说明了通用 Agent 基础设施会继续成熟。

对于企业来说，这并不值得焦虑。

真正需要想清楚的是：

哪些东西以后可以直接用平台的，哪些东西必须自己留下。

模型和 Agent 技术还会继续变化。

但一家企业自己的客户、知识、流程和经验，不会因为下一次 API 更新就失去价值。

技术可以一直换，企业自己的业务必须沉淀下来。