【深度解析】腾讯云Agent产品全景图：五层架构拆解与技术选型参考

黑马14253

2027人浏览 · 2026-03-30 11:24:27

黑马14253 · 2026-03-30 11:24:27 发布

摘要

2026年3月27日，腾讯云在上海城市峰会首次发布Agent产品全景图，构建了从AI Infra智算底座到上层应用的五层全栈架构。本文将逐层拆解这张全景图的技术架构、核心产品与设计理念，帮助开发者和企业理解腾讯在Agent时代的全栈布局。

关键词：腾讯云、Agent、全景图、TokenHub、Agent Runtime、Skills、CodeBuddy、WorkBuddy、混元

在这里插入图片描述

一、背景：从Chatbot到Agent的范式跃迁

3月27号腾讯云上海峰会上，汤道生说了句话挺到位的：

“AI落地不只是一道算法题，更是一道工程题。随着主流大模型能力差距逐步缩小，企业比拼的不再是谁的模型更强，而是谁能通过工程化手段把模型用好。”

这句话基本上概括了当前AI行业的核心矛盾——模型同质化越来越严重，真正拉开差距的是工程化能力。

腾讯云选择的策略是：不在单点上死磕，而是构建全栈体系。从最底层的算力，到模型服务、技能生态、应用产品、安全防护，一张图全摆上了。

这张图叫做——“打造面向Agent时代的全栈AI引擎”。

二、五层架构全景解析

2.1 第一层：AI Infra — 智算底座

最底层，Agent跑起来的物理基础。

组件	功能说明	技术亮点
异构算力	GPU/CPU/TPU多元算力	灵活调度
高性能网络	低延迟通信保障	大模型训练必备
高性能分布式存储	COS Vector向量桶	成本降低90%+
Agent原生容器环境	专为Agent优化	轻量化运行
加速+算力调度	TACO推理加速引擎	推理成本降30%-50%

关键发布：Cube训练平台全面开源

与MiniMax合作的"双引擎"强化学习沙箱值得关注：

传统方案：十几个GPU环境 → 数月训练
Cube方案：双引擎沙箱 → 1个月完成

开源意味着企业可以直接基于Cube进行模型训练和部署，大幅降低门槛。

2.2 第二层：Agent Runtime — 企业级Agent治理底座

这层是整张全景图的关键枢纽。

为什么需要Agent Runtime？

做过Agent开发的同学应该都踩过这些坑：

Agent跑着跑着就"跑偏"了，不知道它干了啥
出了问题没法追溯，日志不全
企业客户担心安全，不敢让Agent操作生产数据
多个Agent之间缺乏协调，各干各的

Agent Runtime就是来解决这些问题的：

模块	功能	解决的痛点
执行引擎	任务调度与执行	Agent执行可控
云沙箱	安全隔离运行环境	防止越权操作
记忆	MetaInsight多模态记忆	Agent"记得住"上下文
网关	统一入口与流量控制	访问可管理
可观测	全链路监控与日志审计	出问题能查

安全治理体系

┌─────────────────────────────────────┐
│     全生命周期安全防护               │
├──────────────┬──────────────────────┤
│  云端安全     │  AI Agent 安全中心   │
│              │  AI Agent 安全网关   │
├──────────────┼──────────────────────┤
│  终端安全     │  腾讯 iOA           │
│              │  腾讯电脑管家        │
├──────────────┼──────────────────────┤
│  代码安全     │  CodeBuddy Security  │
├──────────────┼──────────────────────┤
│  技能安全     │  SkillHub 安全检测   │
├──────────────┼──────────────────────┤
│  原生安全     │  Lighthouse          │
└──────────────┴──────────────────────┘

💡 踩坑经验：很多团队搞Agent开发，安全都是最后才想起来的。腾讯把安全做成贯穿全栈的体系，不是某一层的附加功能，这个设计思路值得借鉴。

2.3 第三层：TokenHub — 大模型服务平台

以前叫MaaS，现在升级为TokenHub。

三大核心能力

能力	说明	支持的模型
全栈模型供给	自研+行业+开源+第三方	混元、DeepSeek、Kimi、MiniMax、GLM等
全生命周期管理	训练→微调→推理→部署	一站式服务
Agent专属优化	场景化模型路由与调度	自动匹配最优模型

模型灵活切换实例

# TokenHub 的模型调度伪代码示例
class TokenHub:
    def route_model(self, task_type, complexity):
        """根据任务类型和复杂度自动路由模型"""
        if task_type == "code_generation":
            if complexity == "high":
                return "hunyuan-code-pro"  # 复杂代码用混元专业版
            else:
                return "deepseek-coder"     # 简单代码用DeepSeek
        elif task_type == "conversation":
            return "kimi-chat"              # 对话用Kimi
        elif task_type == "data_analysis":
            return "glm-4"                  # 数据分析用GLM
        else:
            return "hunyuan-standard"       # 默认用混元标准版

Token Plan统一计费

传统方式：
  混元API → 账号A → 月费用X
  DeepSeek API → 账号B → 月费用Y
  Kimi API → 账号C → 月费用Z
  总费用 = X + Y + Z + 管理成本

TokenHub方式：
  Token Plan → 统一账号 → 按Token消耗计费
  自动路由最优模型，按需计费
  总费用 = 实际Token消耗 × 单价

这个设计思路挺聪明的。不绑死自家模型，而是做"模型的调度员"。在模型越来越同质化的今天，谁能把模型用好比谁的模型强更重要。

2.4 第四层：Skills技能生态 — 自研+开源两条腿

这层是我个人觉得最有看头的。

腾讯自研原生Skills（10+）

Skill名称	应用场景	核心能力
腾讯文档 Skill	文档协作	创建/编辑/查询文档
QQ浏览器 Skill	信息检索	网页搜索/内容提取
腾讯乐享知识库 Skill	知识管理	企业知识检索/问答
腾讯地图 Skill	位置服务	POI查询/路线规划
腾讯云语音 Skill	语音交互	语音识别/合成
腾讯会议 Skill	会议协作	会议纪要/日程管理
CodeBuddy Skill	代码辅助	代码生成/Review
企业微信 Skill	企业通讯	消息/审批/通讯录
ima Skill	智能笔记	笔记管理/知识整理
数据安全 Skill (HaS)	安全管控	数据分类/脱敏

Skill接入示例

腾讯文档Skill已经支持通过MCP标准框架接入：

# 腾讯文档 Skill 配置示例
name: tencent-docs-skill
description: 腾讯文档协作Skill，支持创建/编辑/查询文档
protocol: MCP
endpoints:
  - name: create_document
    description: 创建新文档
    params:
      - title: string
      - content: string
      - folder_id: string (optional)
  - name: search_documents
    description: 搜索文档
    params:
      - query: string
      - limit: integer (default: 10)
  - name: edit_document
    description: 编辑文档内容
    params:
      - doc_id: string
      - content: string
      - position: string (optional)

开源SkillHub生态

开源Skill	功能
GitHub	代码仓库操作
OpenAI Whisper	语音转文字
Skill Vetter	Skill安全评估
Gog	搜索增强
Tavily Web Search	网络搜索
Summarize	文本摘要

重要：SkillHub做了安全审核机制，所有Skills都得过安全检测才能上架。这对企业用户来说太重要了——你不用担心某个第三方Skill偷偷读了你的敏感数据。

2.5 第五层：7大应用 — 全栈应用开箱即用

场景	产品	核心数据/亮点
个人提效	LightClaw / QClaw	零门槛，扫码直连微信，智能匹配模型
办公提效	WorkBuddy	桌面AI工作台，兼容OpenClaw技能
知识提效	乐享 2.0	从问答工具→可执行任务的智能知识库
营销提效	企点营销云	MAGIC Agent 2.0，海外版同步首发
研发提效	CodeBuddy	覆盖腾讯90%+工程师
企业应用	ADP × ClawPro	ADP（智能体工厂）+ ClawPro（应用商店）
数据提效	Data Agent	对话式数据查询，无需写SQL

CodeBuddy实战数据

内部覆盖率：90%+ 工程师
功能范围：代码生成 → 代码审查 → 测试 → 部署
特色能力：
  - 自然语言编程
  - 全流程AI协同
  - Code Security 安全扫描
  - 支持多模型切换（通过TokenHub）

三、超级入口：腾讯的隐藏大杀器

全景图正中央摆着5个超级入口：微信、小程序、企业微信、元宝、QQ

入口	用户规模	Agent场景
微信	12亿+	通过WorkBuddy远程指挥电脑
企业微信	过亿企业用户	企业办公Agent
QQ	数亿年轻用户	个人助手Agent
小程序	海量	轻量化Agent服务
元宝	AI原生用户	深度AI交互

💡 这些超级入口意味着什么？用户不需要下载任何新App，在微信里就能让AI帮你干活。这个优势，别人学不来。OpenAI再牛也得让用户先下一个ChatGPT。

四、设计理念：工程化 > 模型化

这张全景图背后的核心理念只有一个：工程化能力决定AI落地效果。

传统思路	腾讯思路
模型越强越好	模型够用就行，关键是用好
单点突破	全栈覆盖
技术驱动	场景驱动
封闭生态	开源+自研双轮驱动
安全事后补救	安全全程贯穿

四个差异化优势

全栈闭环：唯一从芯片到应用完整链条的云服务商
生态整合：微信/QQ/企微等超级入口的独特优势
安全优先：Agent时代最被低估的竞争力
模型任选：不绑死自家模型，TokenHub统一调度

五、对开发者的启示

5.1 技术选型建议

需求场景	推荐产品	理由
个人AI助手	QClaw / LightClaw	零门槛，免费用
代码开发	CodeBuddy	覆盖全研发流程
办公自动化	WorkBuddy	桌面版，功能全
企业知识管理	乐享 2.0	沉淀组织经验
企业应用开发	ADP × ClawPro	低代码搭建Agent
数据分析	Data Agent	不用写SQL
自定义Agent开发	Agent Runtime + TokenHub + SkillHub	全套基础设施

5.2 快速上手路径

第一步：体验产品
  → 下载QClaw或WorkBuddy，感受Agent能力

第二步：学习Skills
  → 访问 skillhub.tencent.com，了解现有技能生态

第三步：开发自定义Skill
  → 基于SKILL.md标准，封装团队专有知识

第四步：构建企业级Agent
  → 使用Agent Runtime + TokenHub搭建治理体系

六、总结

腾讯云这张Agent产品全景图，标志着其AI战略从"提供单点AI能力"升级为"构建完整的Agent操作系统"。

一句话总结：从芯片到微信，五层架构覆盖Agent全生命周期。不卷模型，卷工程。

核心看点：

层次	核心产品	一句话总结
底座	AI Infra + Cube	算力基础，Cube全面开源
治理	Agent Runtime	Agent的"操作系统"
模型	TokenHub	不绑模型，统一调度
技能	Skills + SkillHub	自研+开源，10+原生技能
应用	7大Agent产品	CodeBuddy覆盖90%工程师
安全	全生命周期防护	贯穿全栈，不是附加品
入口	微信/企微/QQ/元宝	12亿+用户的超级入口