巨头专家聊Agent与Coze

1、Coze业务布局 核心方向：Coze今年重点推进Coze生态、MCPserver构建及通用型agent产品发展，核心布局在低代码开发平台、企业级协同、国际化产品三个方向。低代码开发平台提供一站式Al智能体开发平台，支持30秒无代码生成chatbot，集成近500款插件等；Coze空间是四月推出的基于AI协同办公产品，主打工作流自动化、任务拆解等功能。 MCP协议进展：MCP协议已与很多头部厂商及垂直领域专家级模型API集成，完成三方搜索引擎、地图、金融领域等API集成。MCPserver覆盖5万家全行业能力，40%自身孵化，60%由开发者提交并审核后共享，共享方式有商业付费和免费两种。 国际化布局：国际化重点覆盖欧美市场，底层大模型可能使用GPT或Claude等，会与TikTok领域联动。技术布局包括多模态融合、工作流引擎、MCP协议集成、开发者生态四个方面。2、技术发展 多模态融合：五月份会发布豆包业务的完全体多模态模型，目前5%流量灰度测试，中旬可能50%—80%流量接入。以支持文本、图像和语音交互为前提，突出图片理解、视觉理解、声纹视频理解及语音合成、情感分析等能力。 工作流引擎：传统Coze已具备可视化拖拽节点、复杂逻辑编排、支持判断循环并行执行等能力，节点内置字节120种预定义相关节点，可满足C端近十万并发调用及B端算力支撑，火山为B端提供范式化服务。 MCP技术突破：MCP协议落地前，曾推出RPA加Alengine产品，但因未解决大模型action能力问题搁置。随着MCP协议范式及标准协议落地，相关能力迁移到Coze，可覆盖文件系统、桌面应用程序、浏览器访问等，还能录制还原用户操作轨迹，突破沙箱控制命令调用。开发者生态：应用商店提供近800款AI应用，鼓励开发者创作，对插件进行利益分成（7：3分配，开发者七成）。目前已构建全面的开发者应用生态，覆盖工具、娱乐、咨询等领域，有几万个应用插件，国内接入近15万家开发者，企业可平台订阅。 3、商业化途径 开发者分成：开发者应用商店按30%抽成比例，通过广告、线上投流等帮开发者宣传插件，评分高的优先推广。 企业订阅：根据企业使用Coze的基础版或企业版，按月、季度或年收费。 私有化定制：为大型国企、央企及不具备A能力的互联网公司提供私有化定制服务，费用看项目满意度定制。 广告变现与云服务增值：广告变现为常见方式；云服务增值靠火山引擎提供算力租赁、购买算力一体机及云服务授权使用等付费服务。 4、MCP对Agent的作用及挑战 MCP对Agent的帮助：MCP协议能打通涉及多公司API能力，将复杂任务转化为可执行子任务，调度APP或浏览器获取数据，提高工作效率。虽各厂商都在做MCP，但存在生态壁垒，比拼背后资源及MCPserver插件丰富度。 当前面临的障碍：目前MCP处于半自动化状态，主要障碍包括模型理解能力不足，复杂任务拆解后子任务可能指代不明，浪费算力和数据存储；存在不确定性错误，如浏览器调用出现验证码、桌面应用程序不可用等情况难以解决；工具不健全，开发者插件垂直，缺乏泛化能力，难以做到通用。 5、多模态对AI的帮助 医疗行业应用：在医疗行业可分析医学影像CT，准确播报并给出诊断建议等。 AIGC与数字人领域应用：能对语音进行多种声音合成，在视频片段中替换语音包，应用于AIGC及数字人领域。 视频深度分析：可对视频进行深度分析，如通过实时观测教学视频，分析学生知识点掌握情 况及老师教学方式是否需要改进。 与Coze结合：多模态能力内测中，模型底层架构完善，语料训练成熟，发布时将与MCPserver部分能力结合，在Coze任务编排上实现多元素节点融合。 6、Coze空间竞争优势 内部整合优势：能深度整合自身产品能力，如抖音、TikTok、飞书、头条等内部数据互联互通，在内容生产和AI应用生态有天然C端流量入口优势 插件资源优势：插件资源质量和数量有优势，与竞品以第三方插件为主不同，有团队孵化插件，官方自身作为用户，努力使插件覆盖各行各业且深度更高。 算力优势：字节在算力上储备充足，火山引擎和火山方舟提供支持，拥有近33万张算力，数量超过百度、阿里、腾讯总和。 企业级服务优势：2023年3月起转向落地应用生态构建，汇聚大量B端核心用户，推广Coze时绑定飞书、豆包等提供一条龙服务，培养用户习惯。 全球化布局优势：海外IDC节点遍布全球，在东南亚、欧美建立大量算力中心和分布式数据中心，CC团队今年海外计划增加200—300人。 7、Coze及相关产品数据与发展预测 Coze数据：月活超700万，海外超250万，位列全球A1开发平台top5；注册开发者超15万家，企业开发者占比超40%，国内A1开发平台排名top2；日处理任务超1.5亿次，峰值并发每秒10万次。 发展预测：预计2025年底Coze团队突破800人，市场占有率提升，与B端企业深度绑定。按月增长30%预测，未来DAU可能突破200—300万，MAU突破1300—1500万，留存率可能逐步提高。 猫箱数据：截止2025年3月底，日活87万左右，高峰期92万，MAU在688—750万之间。2月后因受DeepSeek冲击，投流和产品迭代放缓，DAU有下滑趋势，主要用户为18—35岁女性，提供情绪价值和社交互动 豆包爱学数据：截止3月底，DAU175万，MAU720万左右，依赖豆包主APP流量导入及第三方能力集成，用户增长缓慢上升，家长端用户占比70%，核心功能为作业辅导等。 新汇集数据：团队从去年150人缩编到110人，C端用户增长遇瓶颈，产品发展路线迷茫。DAU不到70万，顶峰曾达95万，MAU在300万以内，产品定位尴尬，长时间未版本迭代。集梦数据：截止3月底，DAU突破190万，MAU高峰达900万，二月份因发布情感大模型等抢一波流量。预计四月份MAU突破千万，用户粘性每月增长25%—30%，付费用户超25万，转化率超20%，月均GMV约2000万。 8、硬件产品规划 玩具与手办：去年推出显眼包1.0毛绒玩具，今年Q3将量产包2.0及二次元动漫游戏IP加持的3D全息投影手办。毛绒玩具由润星科技孵化，手办由字节主导，与乐华、阅文、润星科技合作。 Al眼镜：今年春季原动力大会（预计延迟，原5月15号）官宣AI眼镜，为割版POC产品，重点为6—7月OlaFriend2.0耳机造势，可与耳机互联互通，集成同声传译、自动导航等多种A能力，与电商、大文娱等领域打通 耳机：6—7月发布OlaFriend2.0耳机，弥补1.0不足，提升降噪、音乐品质，丰富A应用和内容生态，与汽水音乐结合，打造一体化生态环境。字节可能涉足手表领域，但未立项。9、Tu产品情况 产品定位与功能：Tui是全方位coding平台，非单纯IDE或插件，可协管流程、进行代码开发各环节操作，实现一站式开发到上线流程。 与用户情况：核心团队40多人，产品不够成熟，浏览器集成和终端适配较差，发版频繁（每 周一小版，两周一大版）。七成内部用户，三成外部用户，覆盖各。Q&A Q：国内大厂推出的MCP对实际的Agent使用有什么样的帮助？ A：目前语言模型只有生成式能力，没有action能力，大模型自身做不到action能力，但可通过变相方式调用相应的engine或framework执行。简单任务可借助Al深度检索拿外网数据或直接调API，复杂任务如规划行程，涉及多家公司能力，目前大模型只能思考应经过的环节，无法保证每个环节的执行。若定义好MCP协议并贯穿涉及公司相关API能力打通，虽部分公司可能不愿共享内部API，但可通过外部合作方式集成，如通过computervision或OCR方式操作桌面应用端。大模型将规划步骤转化为可执行子任务后，能调度APP或浏览器获取数据等，大大提高用户工作效率。用户自行操作应用程序需耗费大量时间，有了MCP的server及协议范式集成， 可缩减工作时间，让执行步骤更丝滑，达成预期目标。MCP是一种范式，按约定配置输入、输出等参数，就能按约定执行并获取预期数据。目前阿里、百度，腾讯等大厂都在做，不存在技术壁垒，存在生态壁垒，比拼的是背后资源和MCPserver相关插件的丰富度。现在MCP使用基本是半自动的，模型思考有缺陷，考虑不到未知错误，后续发展趋势好的话，应能全部由A自动完成思考过程，出现问题有解决方案并弥补错误以达成正确目标。 Q：目前处于半自动化状态的主要障碍是什么，是MCP的prompt描述不够清晰，还是模型本身深入理解能力不足？ A：目前处于半自动化状态主要有三方面问题。一是模型理解方面，对于复杂任务，大模型能理解并遵循简单子任务指令，但遇到指代不明的任务，如未指明比价的电商平台，会触发打开所有相关电商网站，浪费算力和数据存储，且分析过程复杂，需要简化步骤和进行反复交互。二是存在不确定性，浏览调用浏览器相关能力有未知性错误，如频繁登录退出网站后被检测为机器人弹出验证码，或桌面应用程序文件夹被删除导致无法打开等情况，模型难以解决。三是工具不健全，开发者开发插件时只针对熟悉领域，缺乏泛化能力，适用人群少、通用性差，若要做到通用则需大量逻辑判断和定制开发，导致Agent不够智能和成熟。 多模态对A的实际帮助有哪些，目前与AI的结合情况及后续潜在途径如何？ A：多模态主要以文本、图像和语音交互为主。在医疗行业，可用于分析医学影像CT，准确播报并给出处理和诊断建议；在语音合成方面，可对视频片段中多种角色的语音进行原数据提取和替换，应用于AIGC和数字人领域；在视频理解上，虽现有多模态模型能分析视频内容，但缺乏深层次分析，如通过实时视频流分析老师授课和学生掌握知识点情况等。目前多模态能力正在内测，模型底层架构已较完善，图片、语音、视频语料训练基本成熟。后续发布时会结合MCPserver部分能力，在Coze任务编排上可直接拖入图片、视频、声纹等元素，还能实现多节点融合。 Q：与其他平台（如Minlax）相比，Coze空间的差异和优势主要体现在哪些方面？未来产品能力迭代的重要升级方向是什么？ A：与竞品的差异和优势主要体现在四大方面。一是插件生态，Coze能够深度整合自身产品能力，如抖音、TikTok、飞书、头条等内部数据互联互通，作为与微信比肩的庞大C端流量入口，具有天然优势；且有相关团队孵化插件，官方自身作为MCP用户，努力让插件覆盖各行各业且深度更高。二是多模态能力，最终体现为算力优势，字节的火山引擎和火山方舟算力储备充足，拥有近33万张算力卡，数量超过百度、阿里和腾讯的总和。三是企业级服务，从2023年3月开始全面转向落地应用生态构建，重点进行行业内垂直领域大模型的集成定制开发，已汇聚大量tob核心用户，覆盖央企国企、中大型互联网公司和小微企业等，推广Coze或其生态设备时会顺带推广飞书等办公自动化产品并绑定豆包，形成一条龙服务 体系。四是全球化布局，海外的IDC相关节点遍布全球，在东南亚和欧美建立了大量算力中心和分布式数据中心，今年海外CC团队还将增加200—300个新人才以壮大团队。关于未来产品能力迭代的重要升级方向，文本未提及。 Q：目前Coze的DAU以及未来产品成熟度下DAU/MAU可能的情况如何？对Coze用户留存的展望怎样？ A：目前Coze在整个应用生态中的月活数据已超过700万，海外超过250万，位列全球A开发平台top5；注册开发者数量已突破15万家，企业开发者占比超过40%，在国内A1开发平台中占据top2；每天处理任务超过1.5亿次，并发峰值可达每秒10万次调度。随着Coze加大资源投入、资金扶持和研发团队壮大，预计2025年年底团队将突破近800人。按照月增长30%的比例预测，未来整体DAU可能突破200—300万，MAU可能突破1300—1500万。关于留存率问题，由于属于运营团队思考范畴，技术人员很难给出详细概述，但随着Coze用户增长和各方面发展，留存率可能会逐步提高。 Q：字节跳动的