蚂蚁集团开源 Avernet：12 个业务跑通九成，多智能体协作杀入生产区

2026 年 8 月 7 日，蚂蚁集团以 Apache 2.0 协议正式开源多智能体协作基础设施，社区版 V0.1 同步上线。

截至 2026 年 7 月 31 日，Avernet 已在蚂蚁内部覆盖 12 个核心业务板块，智能体任务完成率稳定超过 90%。

Avernet 不做模型推理，不绑定任何单一引擎。它只解决一件事：让不同来源、不同团队的智能体能够发现彼此、形成共识、协同执行，并且让整个过程可追踪、可复用。这个定位与市面上多数多智能体框架形成了明确分野。

CSDN 称其为"操作系统"，社区更关心另一件事

CSDN 在 8 月 7 日的中将 Avernet 称为多智能体协作的"操作系统"。这个类比指向一个事实：Avernet 不是替某一个行业的智能体干活，而是给所有智能体提供共同的工作底座。

InfoQ 作者凌敏在同日的中则将重点放在 Avernet 破解的四类协作难题上——"找不到、对不齐、跑不快、留不住"。

开发者社区的反应更务实。乌鸦部落上的一条写道："多智能体框架这两年一直是热门话题，但真正在企业级场景里跑出稳定数据的开源项目非常少。"

帖子指出，过去公开的多智能体项目在企业级任务上的完成率一般在 60% 到 70%。Avernet 的 90% 说明他们在上下文丢失、循环调用、权限冲突这几类失败模式上做了针对性优化。

Avernet 托管于蚂蚁集团 AI 开源组织之下。仓库采用 Rust 编写核心调度服务（BCS），TypeScript 构建插件层，并提供一键本机启动脚本。开发者克隆后运行 ./scripts/singlebox.sh --local 即可在本地拉起完整协作网络。

Avernet 之前，蚂蚁在 2024 年 5 月已经开源了面向金融场景的多智能体框架。agentUniverse 解决的是"如何用多个智能体完成一个金融任务"，更偏向应用层。

一年半之后，蚂蚁面对的问题已经变了。InfoQ 报道指出，AI Coding 和智能体技术让单点生成速度大幅提升，但"系统整合与组织协同却严重滞后"。

数据受隐私、合规和业务边界约束，无法全量交给一个"超级智能体"。不同团队的智能体用不同引擎、跑在不同环境里，彼此不知道对方的存在。任务流转依赖人工反复转交，项目经验无法沉淀。

这正是 Avernet 要解决的。它把问题拆成四个字：找不到、对不齐、跑不快、留不住。蚂蚁集团称，这四个词来自内部真实的组织协作需求。

与此同时，多智能体赛道本身也在经历转折。inclusionAI 在今年 6 月发布的中指出，Agent 项目的增长已经从"能不能跑通"升级到"能不能稳定跑"。

报告给出了一组数据：GitHub 上自动化账号从 2017 年的 112 个暴涨至 2026 年的 17,285 个。但这些智能体要进入生产，需要的不是更强的推理，而是身份、权限、审计和回滚。

Avernet 的核心是 BCS（Bot Coordination Service），一个用 Rust 编写的智能体协调服务。它不替 Agent 做推理，那是模型和 Agent 引擎的事。BCS 只负责注册、发现、路由、投递、会话管理和群组协作状态的维护。

架构上，Avernet 提供两条接入路径：Plugin 接入让 Agent 主动连接 Avernet 完成注册和消息收发；Gateway 接入让已有的 Bot 平台被 Avernet 调度，任务完成后回传结果。两条路径覆盖了从单个 Agent 运行时到企业级 Agent 平台的全部场景。

安全治理贯穿设计，而非附加模块。V0.1 已部分开放身份认证、访问授权、细粒度权限控制和智能体生命周期管理，直接回答"它是谁、能看什么、能做什么"三个基础问题。

后续版本规划包括审计追踪、可观测与评测、长期记忆，以及服务化部署和容器集群管理。

在开发者体验上，克隆仓库后 ./scripts/singlebox.sh --local 一条命令就能在本地拉起 5 个测试 Bot 和前端工作台。Bot 之间可以互相发现、被邀请进群组、协作完成任务。不需要配模型 API Key 也能跑通基础流程。

多智能体赛道的牌桌上已经坐了 LangGraph、CrewAI、AutoGen 等一批玩家。它们的共同特点是聚焦 Agent 的推理和编排：如何定义角色、如何设计工作流、如何让多个 Agent 像一个团队一样思考和行动。

Avernet 走了另一条路。它不关心 Agent 怎么"想"，只关心 Agent 怎么"协作"：注册到同一个网络，被发现和邀请，在有权限边界的前提下交换上下文，对关键输出形成共识，把协作过程存下来。

GitHub README 里反复出现一句话："它不替 Agent 做推理。"像在划清界限。

这种定位在蚂蚁内部已经跑出了数据。12 个核心业务板块、90% 以上的任务完成率，在多智能体领域本身就是一道门槛。乌鸦部落的帖子里写了一句判断："公开了 12 个内部业务的实跑案例，等于把信用背书一次性给到位，这比任何白皮书都有说服力。"

但挑战同样明显。开源社区的接受度最终取决于 star 增长、issue 响应速度和外部贡献者规模。当前 V0.1 仍处于早期，审计追踪、记忆与持续优化等核心能力标记为"后续版本开放"，生产就绪度有待社区检验。

蚂蚁集团在开源公告中为 Avernet 设定了长期目标：让人与智能体像一个组织一样运转，有身份、有权限、有分工、有治理。

在 Agent 从聊天框走进真实工作流的 2026 年，这个目标指向一个正在成型的共识：让智能体变聪明不再是唯一的瓶颈。让它能被找到、被信任、被审计、被复用，才是规模化落地的最后一公里。蚂蚁把一个自己踩过坑的方案摆上了开源牌桌。