谷歌入场后，AI智能体最重要的功能已成行业标配

当谷歌上周在其I/O大会上宣布将Antigravity重新定位为一个用于开发和管理自主AI智能体团队的平台时，这一发布迅速呈现出一种熟悉的节奏。

对于过去两个月持续关注这一领域的人来说，以下内容读来颇有似曾相识之感：对Antigravity智能体发起一次API调用，便可启动一个远程Linux沙箱，智能体在其中进行推理、调用工具、运行代码并浏览网页。开发者只需编写一个AGENTS.md文件和一个SKILL.md文件，将其注册为命名智能体，无需编写任何编排代码即可完成扩展。

过去两个月里，笔者已经从另外两家厂商处见过同样的产品落地方式。这一趋势说明了托管智能体运行时的重要性——它已经变得如此重要，以至于开始变得"不重要"，因为越来越多的实验室都在陆续提供这项服务。

Anthropic于4月8日将Claude托管智能体推送至公测阶段。其核心主张是：阻碍生产级智能体落地的瓶颈已从智能本身转变为基础设施，因此Anthropic将接管智能体循环、沙箱、状态管理以及凭证范围控制。

AWS随后于4月22日在Bedrock AgentCore中预览了一套托管运行框架。该运行时本身早于此次发布，已于2025年上线，但4月的更新补齐了关键一环——一个以配置为核心的运行框架，通过声明模型、工具和指令来驱动执行循环，无需定制化的编排代码。

此后，谷歌在I/O大会上，通过Gemini API中的托管智能体功能，再度重演了同样的故事。

三家厂商在短短六周内相继推出了形态几乎一致的运行时。每篇发布文章讲述的都是同一个故事：构建一个生产级智能体，过去意味着要将模型API、沙箱、编排层和托管服务拼接在一起，而托管版本将这一切压缩成了配置文件和寥寥几个API调用。

当三家公司在六周内独立收敛至同一产品形态时，这套运行时便已成为行业基础门槛，而非选择某一平台的理由。

谷歌的托管智能体由AGENTS.md和SKILL.md两个文件定义。Anthropic去年已将智能体技能以Markdown目录的形式发布，SKILL.md如今在Claude Code和托管智能体中均承担核心职能。AGENTS.md是一种开放格式，源于OpenAI Codex、Cursor、Amp、Jules和Factory等项目的协作成果，目前已被超过六万个开源仓库采用，并由Linux基金会负责维护。AWS同样顺应这一趋势，在其运行框架中为Claude Code、Codex、Cursor和Claude提供了预构建技能。

因此，智能体的定义存储在一个开发者可以阅读、对比差异并提交至Git的纯文本文件中，没有专有领域特定语言，也没有可视化构建器对定义进行绑定。同一个文件只需少量修改，便可描述一个Claude智能体、一个Gemini智能体或一个AgentCore智能体。模型在基准测试上的表现仍将持续你追我赶，但这套Markdown配置正在悄然成为其下方可移植的通用层——正如Dockerfile在被普遍认可之前，早已成为容器的基本单元。

对于当下正在选择智能体平台的开发者而言，某家实验室是否提供托管智能体运行时已不再是决定性因素，因为谷歌、Anthropic和AWS都已具备这项能力。决策重心转向了一些更为务实的问题：数据存放在哪里、每个会话小时的费用是多少、底层运行的是哪个模型，以及当更好的模型在别处出现时，迁移的难度有多大。

当然，也存在一个值得正视的反驳观点：Markdown的可移植性目前仍较为浅层。为Gemini编写的AGENTS.md文件仍然基于Gemini的工具语义，迁移至Claude并非毫无门槛。如果各家实验室刻意分叉这一格式以增加迁移难度，这套标准便会在尚未成型之前就走向分裂。但激励机制实际上指向相反的方向——让智能体最易于定义的厂商，同样也让智能体最易于迁移，而眼下，每一家厂商都更渴望赢得开发者，而非追求锁定效应。

配置文件，正是下一场标准之争的决胜之地，这才是真正值得持续关注的焦点。

Q&A

Q1：谷歌、Anthropic和AWS的托管智能体运行时有什么区别？

A：三家厂商在六周内推出了形态几乎一致的托管智能体运行时，核心功能高度趋同——均通过配置文件声明模型、工具和指令，自动驱动智能体执行循环，无需定制编排代码。当前差异主要体现在数据存储位置、会话费用、底层模型选择以及迁移便利性等维度，智能体运行时本身已不再是平台选择的关键区分因素。

Q2：AGENTS.md文件是什么？为什么它变得这么重要？

A：AGENTS.md是一种开放的纯文本格式文件，用于定义AI智能体的行为、工具和指令。它起源于OpenAI Codex、Cursor、Amp等多个项目的协作，目前已被超过六万个开源仓库采用，并由Linux基金会维护。其重要性在于，它正在成为跨平台的通用智能体描述层，开发者只需少量修改，同一文件便可用于描述Claude、Gemini或AgentCore智能体，类似于Dockerfile之于容器的地位。

Q3：开发者在选择AI智能体平台时应该重点考虑哪些因素？

A：由于谷歌、Anthropic和AWS均已提供托管智能体运行时，是否具备该能力已不再是选择平台的核心依据。开发者当前更应关注以下几点：数据存放位置是否符合合规要求、会话计费方式与成本结构、底层模型的能力与适配性，以及未来切换至其他平台时的迁移难度。