UK AI Security Institute

AI Agent 如何使用？来自 17.7 万 AI Agent 工具的证据

How are AI Agents used? Evidence from 177,000 AI agent tools

二〇二六年五月十四日 · 英文原文

摘要

英国AI安全研究所（AISI）通过监测公开的Model Context Protocol（MCP）服务器仓库，分析了2024年11月至2026年2月间发布的177,436个AI agent工具。研究发现，公开发布的MCP工具从约5,000个增长至177,000个，月度下载量从8万次增至1,400万次。行动类工具（如执行代码、使用计算机）下载占比从24%升至65%，其中95%的通用工具涉及行动能力。软件开发和IT工具占已发布工具的67%和下载量的90%，金融领域高风险职业的行动工具数量超出预期。29%的MCP服务器检测到AI辅助，Claude Code占主导地位（66%）。

AI Agent 是如何被使用的？来自 177,000 个 AI agent 工具的证据 | AISI 工作

请为本网站启用 JavaScript。

AI Agent 是如何被使用的？来自 177,000 个 AI agent 工具的证据

一种监测方法和大规模分析，用以理解 AI agent 当前正在执行的任务。

—

2026 年 3 月 26 日

阅读论文

近年来，AI agent 兴起，它们是大语言模型（LLM），能够代表用户执行多步骤操作。这些系统进步迅速，现在可以发送电子邮件、浏览网页、执行代码以及进行金融交易，通常只需极少的人工监督。

这些 AI agent 在实际世界中究竟是如何被使用的？尽管采用率不断增长，但关于 agent 在何处以及如何被部署的公开数据仍然很少。为了填补这一空白，我们通过监测公开的 Model Context Protocol（MCP）服务器仓库，分析了 2024 年 11 月至 2026 年 2 月期间发布的 177,436 个 AI agent 工具。在这篇博文中，我们概述了我们的方法和主要发现。

我们的 MCP 服务器监测仪表板显示了 2024 年 11 月至 2026 年 2 月期间全球每月的工具安装量。

什么是 MCP 服务器？

MCP 是赋予 AI agent 访问外部工具和服务能力的主流开放标准。它像一个通用插头：一个 MCP 服务器封装了一项特定能力，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 agent。由于这些服务器发布在 GitHub 等公共平台上，追踪它们可以让我们了解开发者正在为 agent 构建哪些工具，以及这些工具的采用程度。

主要发现

AI agent 工具的数量正在快速增长： 在过去一年中，公开发布的 MCP 工具数量从约 5,000 个增长到 177,000 个，同时下载活动也大幅增加（从 80,000 次增长到 1,400 万次）。

Agent 正从观察转向行动。 在早期阶段，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 agent 在外部系统中采取直接行动的工具，例如执行代码或使用计算机。启用行动的工具现在占使用量的大多数，尤其是在成熟公司发布的工具中。

图 1. AI agent 工具在感知、推理和行动方面的使用情况。行动工具（红色）在月度下载量中的占比在 16 个月内从 24% 上升到 65%，这得益于计算机使用和浏览器自动化工具的增长。

Agent 越来越多地在无约束环境中运行。 在开放网络等无约束环境中运行的通用工具，其下载占比从 41% 增长到 50%。关键的是，95% 的通用工具下载涉及行动能力。这意味着，潜在后果重大的 agent 行动正越来越多地发生在控制最薄弱的环境中——例如 agent 浏览网页或控制计算机——而不是通过受限的、安全的 API 集成。

大多数 MCP 工具目前用于软件开发和 IT 工具： 软件开发和 IT 工具占所有已发布工具的 67% 和下载量的 90%，这表明大多数 agent 被用于加速技术工作流程。然而，14% 的工具支持金融和业务管理任务，并且存在用于科学研究、医疗保健、教育和法律合规等领域的工具。

图 2. 累计已发布工具的数量，总体及由 AI 共同创作（左），以及按任务领域划分（右）。

‍

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。金融是这一规则的一个例外：高风险职业，包括金融服务代理、会计师和财务经理，其行动工具数量超过了整体模式所预测的。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，其中加密货币工具尤为集中，这些工具能够实现直接、可能不可逆的交易。

图 3. 按自主性级别划分的已发布 agent 交易工具。

‍

Agent 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，这很可能反映了 Python Package Index 以西方为中心的用户群，可能低估了使用其他分发渠道的地区的活动。

AI agent 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限制，这意味着未来的进步可能会非常迅速。

总体而言，这些结果表明 AI agent 生态系统正在迅速扩张，并且明显从感知和推理工具转向启用行动的能力，尤其是在浏览器和完全计算机控制等无约束环境中。

如今大多数 agent 工具仍专注于软件开发等中等风险工作。但金融及其他高影响力行动工具的快速增长表明，agent 正迅速进入后果更重大的领域。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 agent 帮助创建了它们随后会使用的能力。

本项目是 AISI 与英格兰银行合作的一部分。更多详情，请参阅完整论文。

‍