AI智能体开始替企业干活，Uber悄悄把几千个API变成了豆子

要说这周AI圈最不"性感"、但可能最有用的新闻，得数Uber开源的那套MCP网关方案。没有跑分，没有炫技demo，但懂行的人一眼就能看出分量——它把公司内部几千个存量API，自动变成了AI智能体能直接调用的工具。

具体是这么回事。Uber搞了一套控制平面加数据平面的网关，把散落在各处的老接口统一收编，已经托管了800多个MCP服务器、5000多个工具。关键在于"零改动"这三个字：底下的API该怎么跑还怎么跑，AI智能体却能在上面自由调用。这事之所以重要，是因为企业搞AI落地，卡点往往不在模型聪不聪明，而在数据和服务怎么被安全地接进来。Uber这套方案等于是给出了一条可复制的路径。

顺着这根线看，今年智能体这件事确实在从"演示"往"基建"走。以前聊AI Agent，大家比的是谁家demo更惊艳，现在比的是谁能真的把活儿干完、干稳、干便宜。英伟达这周拉了一百多家公司（包括Anthropic、Intel、Arm）搞了个开放代理安全平台，核心组件OpenShell是个开源沙箱，专门用来隔离自主智能体的运行环境。翻译一下就是：大家开始认真对待"让AI自己动手会不会出事"这个问题了。

应用的落点也在变具体。Meta面向小企业推出了Muse AI代理，一口气接了Shopify、Stripe、QuickBooks、Notion、Slack、Zoom、Canva等15款第三方工具，还给免费的额度档位。这个思路很清楚——与其等小老板们自己研究怎么调API，不如把常用工具全塞进一个代理里，让人用自然语言指挥。另一边，Hugging Face干了件更"技术宅"的事：把Claude Code、Codex等10个真实编程工具直接改造成强化学习训练环境，一行代码没动。结果是经训练的小模型在OpenCode评测里从34%冲到58%，而且全套方案开源可复现。

把这几条新闻摞在一起，能看出一条挺清晰的脉络：智能体的竞争，正在从"模型能力"转向"接入能力"和"安全能力"。谁能让AI更顺畅地连上企业的老系统，谁能把自主运行的风险圈住，谁就更容易拿下订单。Uber的方案之所以被反复引用，就是因为它是少数把"存量系统怎么被智能体盘活"讲明白的实战案例。

当然，这事也没那么快。企业级落地最怕的还是责任边界——智能体自己调API做了笔错账、发了封错邮件，到底算谁的？这也是为什么安全沙箱、审计、权限这些"不上台面"的基础设施，突然成了各大厂这周争着发布的东西。热闹在应用层，胜负其实在底层。接下来一段时间，值得盯的不是谁又出了个新Agent，而是谁的Agent敢在真实业务里，不看着也能跑起来。