Agents、Data 与 AI 的关系
谁说站在光里的才算英雄?——— 孤勇者
在号称 Agent 元年的今天,不谈 Agents 未免有些 Out 了。最近的 AWS 年度大会 re:Invent 2025 上,其 CTO,著名的大个头荷兰人, Werner Hans Peter Vogels 都宣布这是他最后一次大会演讲,将把机会让给年轻人,并在最后宣布“Werner Out”!Agents 在最近确实很火,也在某些领域获得一些应用。不过,估计要像传统 MIS 应用、Web 应用、移动 App 那么成熟还为时过早。这也给大家做大模型、应用框架、应用工具,甚至数据基础设施的公司和团队带来了新的机会。
无论是从 Google 还是 AWS 发布的 Agents 系列服务来看,围绕 Agents 的核心组件包括:SDK、Framework、Memory、Runtime,当然也少不了 MCP Server、Browser Tool 等。还有一个容易被忽视但极端重要的基础设施,就是 Agent 的全栈监控以及对应的问题诊断分析(Observability)。Agent Ops 背后对应的是可观测数据库及分析系统,现有的可观测性数据系统包括 InfluxDB、Datadog 等,它们也需要为 Agents 改进。从数据系统的角度看,记忆系统(Memory System)显得比较突出和重要,但实际上其背后存放数据的仍然大多是已有的各种数据库系统。如果要更好的服务于 Agent 应用,避免操作一大堆不同的数据库系统,Databricks Neon 等可能是潜在的更好选择。
其实,如果只是做个 Demo 系统,选择的方式可能是哪个容易上手、怎么方便怎么来,别说 Postgres,就算是 SQLite,甚至 DuckDB 都可能够用。当然也有些另类系统,如 Turso,它是用 Rust 写的兼容 SQLite 的小型数据库系统。正经的线上系统还是需要选择成熟的云服务。
此外,MCP 后面可以对接现有的各种数据库系统。所以,从封面或类似的图中看起来,数据库都成了幕后的基础设施。那么,在 Agents 应用时代,数据系统是否也 Out 了呢?如果我们稍为研究一下历史,就会发现以数据库系统为代表的数据系统从来就没有被替代,只不过它们不在聚光灯下而已。
Data and AI
, Agents
]