英国 AI Security Institute 分析 177,000 个 AI Agent 工具的使用情况

近年来，AI 智能体迅速崛起，这类大型语言模型（LLM）能够代表用户执行多步骤操作。这些系统进步飞快，如今已能发送邮件、浏览网页、执行代码并进行金融交易，且往往只需极少的人工监督。 

这些 AI 智能体在现实世界中究竟是如何被使用的？尽管采用率不断上升，但关于智能体在何处、以何种方式部署的公开数据却很少。 为了填补这一空白，我们通过监测公开的 Model Context Protocol（MCP）服务器代码库，分析了 2024 年 11 月至 2026 年 2 月期间发布的 177,436 个 AI 智能体工具。在这篇博文中，我们将概述我们的方法及主要发现。

什么是 MCP 服务器？

MCP 是让 AI 智能体访问外部工具和服务的主流开放标准。它就像一个通用插头：MCP 服务器封装某项特定能力——无论是 Google Calendar、加密货币钱包还是网页浏览器——并将其提供给任何兼容的 AI 智能体使用。由于这些服务器发布在 GitHub 等公开平台上，追踪它们可以让我们了解开发者正在为智能体构建哪些工具，以及这些工具被采用的范围有多广。

主要发现

AI 智能体工具规模正在迅速扩大：在过去一年中，公开发布的 MCP 工具数量从约 5,000 个增至 177,000 个，下载活动也大幅增长（从 80,000 次增至 1,400 万次）。 

智能体正从观察转向行动。在该时期早期，大多数工具支持感知或分析任务，例如读取文件或查询数据源。到 2025 年底，下载模式已转向允许智能体在外部系统中直接采取行动的工具，例如执行代码或使用计算机。如今，支持行动的工具占据了使用量的大多数，尤其是老牌公司发布的工具。

智能体越来越多地在不受约束的环境中运行。在开放网络等不受约束环境中运行的通用工具，其下载量占比从 41% 上升至 50%。关键在于，95% 的通用工具下载涉及行动能力。这意味着，可能产生重大后果的智能体行动正越来越多地发生在管控最弱的环境中——例如智能体浏览网页或控制计算机——而非通过受限、安全的 API 集成进行。

目前大多数 MCP 工具用于软件开发和其他 IT 工具：软件开发和 IT 类工具占所有已发布工具的 67%，占下载量的 90%，这表明大多数智能体被用于加速技术工作流程。 不过，14% 的工具支持金融和业务管理任务，此外还有面向科学研究、医疗健康、教育和法律合规等领域的工具。

‍

大多数行动工具支持中等风险任务，但金融领域是个例外。使用 O*NET 影响评级，我们发现大多数行动工具支持中等风险职业，如计算机系统管理。金融是这一规律的一个例外：包括金融服务代理、会计师和财务经理在内的高风险职业，其行动工具数量超出了整体模式所预测的水平。具备支付执行能力的 MCP 服务器从 2025 年 1 月的 46 个增长到 2026 年 1 月的 1,200 多个，其中显著集中于能够实现直接、可能不可逆交易的加密货币工具。

‍

代理工具的使用集中在某些地区 大约一半的行动工具下载来自美国，其次是西欧（约 20%）和中国（约 5%）。我们注意到，这可能反映了 Python Package Index 以西方为中心的用户群，并可能低估了使用替代分发渠道的地区的活动。

AI 代理正被用于构建自己的工具。我们在 29% 的 MCP 服务器（38% 的工具）中检测到 AI 辅助。检测到 AI 辅助的新建服务器占比从 2025 年 1 月的 6% 上升到 2026 年 1 月的 55%。Claude Code 在 AI 辅助工具创建中占据主导地位，占 AI 共同创作服务器的 66%，其次是 Cursor（10%）和 GitHub Copilot（10%）。这一趋势表明，工具创建不再受人类开发者的瓶颈制约，这意味着未来的进展可能会非常迅速。

总体而言，这些结果表明 AI 代理生态系统正在迅速扩张，并明显从感知和推理工具转向行动赋能能力，尤其是在浏览器和完整计算机控制等不受约束的环境中。

如今大多数代理工具仍专注于软件开发等中等风险工作。但金融和其他高影响力行动工具的快速增长表明，代理正以多快的速度进入更具后果的领域。与此同时，越来越多的工具由 AI 自身构建，这可能会进一步加速这一进程，因为代理会帮助创建它们日后使用的能力。

该项目是 AISI 与英格兰银行合作的一部分。更多详情，请参阅完整论文。

‍