Computer-Use Agents and the Future of the Agentic Internet
三句話摘要
Agent 時代的實用轉折:從個人自動化到企業級 agent-to-agent 交互的未來重構 Agent 技術正從個人助理躍進到企業協作和未來商業模式的重構,但 harness 與模型的融合、企業級安全管控和 agent-to-agent 商業標準三大挑戰仍待突破。 MCP 的中立治理加速生態成熟:MCP 從 Anthropic 專有技術變成 Linux Foundation 中立項目後,企業參與度爆增。Demetrius 指出,儘管業界仍在等待所有組織部署 MCP 伺服器,但 Computer Use 提供了更實用的替代方案——直接通過 UI 交互,不必依賴上游 API 標準化。
重點整理
MCP 的中立治理加速生態成熟:MCP 從 Anthropic 專有技術變成 Linux Foundation 中立項目後,企業參與度爆增。Demetrius 指出,儘管業界仍在等待所有組織部署 MCP 伺服器,但 Computer Use 提供了更實用的替代方案——直接通過 UI 交互,不必依賴上游 API 標準化。
Computer Use 重塑日常工作流:OpenAI 最新版本將自動化能力提升到日常可用階段。從自動填表(省去查護照號碼的反覆操作)、機票預訂及自動檢查登機,到爬取 LinkedIn 數據並生成個性化推廣信息——這些任務曾需要多步手動操作或程式撰寫,現在一句話即可完成。
Harness 內化引發體驗反差:模型訓練時的系統提示逐漸融入模型參數,導致新版本出現"janky"行為。Claude Code 因過度優化單一工具框架而變得冗長、時序混亂,反而讓用戶轉向更輕量的替代品。這提醒我們:模型能力與用戶體驗非線性相關。
電商的 Agent-to-Agent 未來:當購物完全由 agent 自動完成時,傳統人類導向的設計(推薦系統、促銷彈窗、追加銷售)失效。未來商家需要建立 agent 接口,與購買 agent 進行多輪協商,兼顧消費者偏好與商家利益。支付方式、平台角色(Shopify vs. 直連 vs. 中介方)也將面臨重構。
實用技巧與重點
- Agentec AI Foundation 成長數據
- 企業成員:250+ | 大使申請:1000+ | 本地分會:80 座城市
- 會議日程
- MCP Dev Summit:日本,2026 年 9 月下週
- Agent Con Amsterdam:2026 年 9 月 17 日,36 小時直播
- Agent Con North America:San Jose,2026 年 10 月 22 日
- Computer Use 實戰案例
- 自動填表(無需 API)
- 機票預訂、自動選座、自動檢查登機
- 政府線上服務(德國駕照轉換預約)
- 監控多個郵箱和 Slack 工作區
- LinkedIn 資料爬取與分析(繞過 API 限制)
- 生成個性化媒體套件和促銷信息
- 推薦工具
- /bro skill:簡化冗長解釋
- /show me skill:視覺化呈現內容
- 相關模型與工具
- OpenAI 5.6:Computer Use 表現最佳
- Claude Code:用戶反饋體驗下降
- Hermes、Pi:替代方案逐漸流行
結論
Agent 技術正從個人助理躍進到企業協作和未來商業模式的重構,但 harness 與模型的融合、企業級安全管控和 agent-to-agent 商業標準三大挑戰仍待突破。
完整解析
Demetrius 最近加入 Agentec AI Foundation,擔任開發體驗負責人。這個基金會是在 MCP(Model Context Protocol)從 Anthropic 的專有技術捐獻給 Linux Foundation 後成立的。這一動作釋放了明確信號:Agent 生態步入中立治理時代。隨之而來的是業界的爆發性響應——250 多家企業立即申請成為成員,1000 多位申請者想成為大使,全球 80 座城市已建立本地社群。Demetrius 計畫在阿姆斯特丹舉辦 Agent Con,進行 36 小時不間斷直播。這種設計既照顧現場參與者,也不忽視線上觀眾,採用了 ESPN 風格的即時評論和現場採訪模式,同時錄製所有分會場內容,以及贊助商提供的素材,最大化虛實融合的體驗。
在個人應用層面,Computer Use 能力的突破最引人矚目。OpenAI 最新版本中,Computer Use 已能處理多數日常任務。Demetrius 分享了他的工作流:自動填表(無須每次查護照號碼),自動預訂機票並設定提醒自動檢查登機。他甚至設計了一個複雜的 LinkedIn 自動化——利用 Computer Use 爬取全部 DM 資料(LinkedIn API 限制嚴格,無法直接存取),分析互動歷史找出 500 位高價值聯絡人,再為每人生成個性化的媒體工具包。這類曾需要工程師撰寫程式或費時手動操作的任務,現在一句自然語言指令即可完成。
然而,在企業應用中,Computer Use 帶來的安全風險令人擔憂。若員工的 agent 有權訪問多個郵箱和企業 ERP 系統,雖然效率爆表,卻打開了難以管控的權限洞口。同時,Claude Code 的用戶體驗卻在下滑——這反映了一個微妙的技術問題。模型的"harness"(系統提示、工具定義等框架層)正在與模型本身融合。Anthropic 透過強化學習將上一代模型的長系統提示融入新模型,理論上應該加強能力,但實際導致副作用——新版本變得冗長、輸出時序混亂,激怒了用戶。有趣的是,Hermes 和 Pi 這樣的開源模型反而因設計更輕量而獲得歡迎。這提醒我們,模型能力與使用者滿意度之間並非簡單的正相關。
在更宏大的視角上,兩位討論了 agent 時代對電商的根本重構。目前通過 Computer Use,agent 已能自動在網上購物,但這絕非終局。真正的願景是 agent-to-agent 交互——購買方的 agent 與商家的 agent 進行多輪談判,既交換商品資訊,也可能討價還價。這要求商家的思維從"如何吸引人類消費者的眼球"轉變為"如何與採購 agent 協商",包括如何設計推薦、捆綁銷售、限時優惠等誘因。同時,支付層也會改變——是通過 OpenAI 這樣的平台方中介,還是點對點直連,還是第三方支付?這個轉變也威脅到 Shopify 這類平台的角色——當商家可以直接向採購 agent 暴露 agent 接口時,Shopify 可能變得多餘。Demetrius 坦言,這不會一夜發生,但實驗已在進行,結果可能比預期更快到來。


