开启 AI 自主进化时代，普林斯顿Alita颠覆传统通用智能体，GAIA榜单引来终章

机器之心 · 公众号 · AI · 2025-06-04 17:22

正文

请到「今天看啥」查看全文

创造力与灵活性受限 ：任务的难度可能超出了预定义工具或工作流的能力范围。复杂任务通常需要智能体创新性地使用新工具，或以新的方式组合和利用现有工具，而预定义的工具库和工作流会制约这种创造性和灵活性。

适配失配 ：不同工具的接口或环境未必与智能体兼容。例如，许多有用的工具并非用 Python 编写，这使得它们难以（尽管并非不可能）提前预接到主要以 Python 编写的主流智能体框架中。

这些挑战共同限制了现有通用智能体的创造力、可扩展性和泛化能力。

与当前日益复杂的趋势相反，Alita 团队认为对于通用智能体而言，「simplicity is the ultimate sophistication」。遵循这一原则，Alita 实现了可扩展的动态能力、增强的创造力与灵活性，以及跨生态系统的兼容性。Alita 团队由此提出了两大设计范式：

最小化预定义：仅为智能体配备最核心的基础能力，避免为特定任务或模态设计人工预定义的组件。

最大化自进化：赋予智能体按需自主创建、优化和复用 MCP 工具的能力，实现自我进化。

具体而言，Alita 仅内置了管理智能体（Manager Agent）和网页智能体（Web Agent）作为其核心内部组件，以及少量支持自主能力扩展的通用模块，而不依赖繁杂的预定义工具库和固定工作流程。Alita 利用了 Model Context Protocols（MCP）这一开放协议，使智能体系统能根据任务需求动态生成、修改和复用 MCP 工具。相较于一般的工具创建，MCP 创建还具有更好的可复用性与更简易的环境管理等优势。这种从人工设计工具和工作流到即时构建 MCP 工具的转变，为构建简约而通用的智能体开辟了新路径。