你让几个 AI 一起完成一项工作，麻烦往往不在于它们不会做，而在于谁先接活、谁能看数据、结果交给谁，以及出了错找谁。企业也不能把全部数据和权限交给一个“超级智能体”。Avernet 想补的正是这一层：它不是再造一个更聪明的 AI，而是给一群 AI 搭组织架构。
蚂蚁集团近日开源了多智能体协作基础设施 Avernet，首个社区版本已经上线，采用 Apache 2.0 许可证。多智能体系统，是让多个各有所长的 AI agent 分工、传递结果，共同完成复杂任务。Avernet 则负责让这些 agent 找到彼此、商定结果，并在权限边界内跨团队协作。
需要先说明的是，目前公开材料实质上都来自蚂蚁集团：InfoQ 的相关报道与官方稿高度一致，量子位也注明内容由蚂蚁提供。因此，下文涉及内部覆盖范围和任务完成率的数据，均应视为官方披露，而非第三方测评。
先解决“公司里到底有谁”
Avernet 把多智能体协作的问题概括为四类：找不到、对不齐、跑不快、留不住。
“找不到”最好理解。一个团队可能有写代码的 agent，另一个团队有查资料或处理业务流程的 agent，但系统不知道它们在哪里、擅长什么、怎样调用。Avernet 首个版本重点开放“智能体协作网络”：不同类型的 agent 可以主动加入，也可以从已有平台接入，在统一环境中被发现、被邀请、参与任务并返回结果。
这里的“智能体发现”，可以理解为企业内部的通讯录加能力目录。它记录的不只是“谁在”，还要让系统知道“谁会做什么”。Avernet 不绑定单一模型或智能体引擎，因此不同来源的 agent 可以按业务需要组合，而不必全部迁移到同一套技术体系。
光能找到，还不够
多个 agent 接上以后，新的问题是“对不齐”。它们可能给出不同答案，也可能在没有权限的情况下读取或执行不该碰的内容。
Avernet 因此加入共识与治理能力。所谓“共识”，是让多个参与者对关键输出进行确认；“治理”则是给协作规定身份、权限和责任边界，避免整个过程变成无法追责的黑箱。社区版本已经部分开放身份认证、访问授权、权限控制、生命周期管理和部分安全防护能力。说白了，它先回答三个基础问题：它是谁、它能看什么、它能做什么。
材料还称，平台能够对协作过程进行观测和记录，让经验沉淀下来。这里需要区分当前能力与路线图：更完整的审计追踪、可观测与评测、记忆与持续优化，以及服务化和容器集群管理，仍计划在后续版本开放，不能算作现有社区版已经具备的完整功能。
为什么这件事值得看？
过去讨论 agent，注意力常放在单个模型是否更聪明。Avernet 展示的是另一种工程思路：当 AI 开始进入真实组织，瓶颈会从“会不会做”转向“怎样协作”。企业的数据、权限和任务天然分散，多智能体基础设施因此更像一套面向 AI 劳动力的协作与治理层。
据蚂蚁集团披露，截至 2026 年 7 月 31 日，Avernet 相关能力已经覆盖其内部 12 个核心业务板块，智能体任务完成率稳定超过 90%。这至少说明它并非只停留在概念阶段，也解释了为什么这次开源值得关注：外部开发者获得了一个来自企业内部实践的工程样本，可以观察多种 agent 如何发现彼此、建立权限关系并跨系统协作。
不过，“像一个组织一样运转”目前仍是长期目标。Avernet 这次开放的重点，是协作网络和一部分基础治理能力，还不是一套已经补齐所有生产环节的完整系统。
局限与未知
- “覆盖 12 个核心业务板块”和“任务完成率超过 90%”都来自蚂蚁单方披露，材料没有给出任务定义、样本量、统计周期、失败标准或对照基线，无法据此判断不同场景下的实际效果。
- 当前社区版本只部分开放治理和安全能力；完整审计、评测、记忆优化、服务化及容器集群管理仍在后续计划中。
- 现有材料没有披露外部团队的独立部署结果，也没有说明不同模型和既有 agent 平台接入时的具体成本。