Table of Contents
本文重點：
- Genspark 推出「超級代理人」（Super Agent），展現卓越的自主任務處理能力。
- Super Agent採用獨特的「混合代理」（Mixture-of-Agents）架構，整合九個大型語言模型（LLMs）與超過 80 種工具，實現高效且精確的任務執行。
- 相較於其他 AI Agent，Genspark 更擅長直接 API 整合，大幅提升數據檢索速度與準確性，並支援即時語音互動功能。
- 超級代理人在旅遊規劃、多媒體內容生成、研究報告撰寫等領域展現強大能力，為企業自動化應用開啟新篇章。
AI Agent 今年真的是大爆發，今天要分享的是一個通用型AI Agent ─ Genspark ，這款通用型AI Agent將如何重塑企業運作模式？該公司說的「Super Agent」到底能為我們做什麼？讓我們一起來深入了解吧！
Genspark Super Agent是什麼？
最近，矽谷 Palo Alto 的新創公司 Genspark，推出「超級代理人」（Super Agent），這個系統不僅速度快，還能自主處理各種複雜的真實世界任務，最酷的是，它竟然可以用超逼真的聲音打電話幫你訂餐廳！ 1，不過截至撰稿前，僅支援撥打至美國(+1)與日本(+81)。
然而Genspark所推出的通用AI Agent產品並非新事，上個月Manus 也推出了類似的產品，同樣備受矚目，這類通用型AI Agent的強項在於協調各種工具和數據，幫你完成像是訂機票、篩選履歷、分析股票等等的雲端任務。重點是，這些任務幾乎不需要人工插手，就能自己搞定，這已經比現在市面上大多數的 AI Agent厲害很多了。
不過，Genspark Agent主打是站在三個巨人肩膀上的產品。第一，它背後有九個不同的 LLM (大型語言模型) 聯手合作；第二，它配備了超過 80 種工具；第三，它擁有 10 多個獨家數據集。這些資源通通整合在一起，讓超級代理人可以處理超複雜的工作流程，並且直接給你完整的結果 2。
Genspark Agent還有一個很酷的功能，它可以把自己的思考過程視覺化。你可以清楚看到它怎麼一步一步推理、用了哪些工具、為什麼要用這些工具。這種「透明化」的思考過程，讓使用者感覺它更像是一個合作夥伴，而不是一個黑箱作業的機器。這或許也能啟發企業開發者，在開發自己的 AI 系統時，加入類似的「可追蹤推理路徑」，讓 AI 應用程式更透明、更值得信任 。以下是我請他繪製圖片時，模型處理過程中的「反思」邏輯。
Genspark 到底怎麼辦到的？
Genspark 的厲害之處，在於它解決了 AI 工程界一直以來的難題：大規模的工具協調。
有在開發AI Agent的朋友應該知道，要協調大量工具，包含使用API，很容易卡住或出現問題，因為開發過程多依賴提示工程(prompt engineering或rigid fine-tuning，然而Genspark，在這方面表現得特別出色。他們可能是透過「模型路由」和「基於檢索的選擇」等技術，根據不同的任務，動態選擇最適合的工具和子模型 。
另一個關鍵因素，可能與最近被火熱討論的「模型上下文協議」（Model Context Protocol, MCP）有關。這是一個比較少人知道，但越來越多人採用的標準。MCP 可以讓 AI Agent在不同步驟之間，攜帶更豐富的工具和記憶體上下文，之前我們也有寫過一篇文章討論過。
跟 Manus 比起來呢？
Genspark 不是第一個通用 AI Agent的新創公司。當初Manus 推出時也引起了很大的轟動，包含可以自主操作瀏覽器、程式碼編輯器、試算表等等工具，來完成多步驟任務；當初之所以驚艷各方，，主要在於它有效整合各類開源套件，各式API以及 Anthropic 的 Claude 等 LLM，在GAIA 基準測試中的表現，竟然比 OpenAI 還要好。 (補充：GAIA 基準測試，是一個專門評估 AI Agent真實世界任務自動化能力的綜合測試）
不過，Genspark 宣稱他們已經超越了 Manus，在 GAIA 測試中拿到了 87.8% 的分數，比 Manus 報告的 86% 還要高。而且，Genspark 的架構還包含了獨家套件和更廣泛的工具覆蓋範圍。
大型科技公司：還在觀望？
有趣的是，美國那些大型 AI 公司，對於通用 AI Agent這塊，態度反而比較保守。
像是微軟，他們主要的 AI 代理產品 Copilot Studio，就比較專注在垂直領域的應用，像是跟 Excel、Outlook 這些企業軟體緊密結合。OpenAI 雖然有推出 Agent SDK，提供開發工具，但他們自己並沒有推出全功能的通用 AI Agent，比較接近一點的產品可能是Operator。亞馬遜最近發布的 Nova Act，則是比較偏向開發者，透過 SDK 提供原子級的瀏覽器操作功能。
這些大型科技公司的方法，比較模組化、安全，而且很明顯是針對企業應用。但跟 Genspark 展示出來的企圖心和自主性相比，就顯得保守許多。
其中一個原因，可能是為了避險。你想想看，如果 Google 或微軟的通用 AI Agent，不小心訂錯了機票，或是在語音通話中講了什麼違背道德、傷風敗俗的話，那可是會嚴重影響公司聲譽的。而且，這些大公司也被綁在自己的模型生態系統裡，比較難像新創公司一樣，可以自由地混搭各種 LLM，行動也更快速靈活。
企業應該要注意什麼？
目前Genspark看似2C的產品，大部分企業可能還不需要通用AI Agent來幫忙訂晚餐或是製作宣傳影音影片，但是，企業很快就會需要能夠處理特定領域、「多步驟任務」的 AI Agent，例如自動整理合規數據、協調客戶 onboarding 流程、或是跨多種格式生成內容等等。
從這個角度來看，Genspark 的技術就變得更有意義了。通用 AI Agent如果能越來越流暢、越來越自主，而且能整合語音、記憶體和外部工具，那它們就很有可能開始跟傳統的 SaaS 應用程式和 RPA 平台串接。
而且，通用 AI Agent使用的基礎設施更輕量。例如，Genspark 聲稱他們的代理人「超級容易操作」，行銷人員、老師、人資、設計師、分析師等等，通通都能輕鬆上手，幾乎不需要什麼設定。
CoL.ai 觀點
從 Manus 到 Genspark 的演進，凸顯了通用型 AI Agent 的巨大潛力。隨著 AI Agent 技術的發展，許多職業被取代的可能性已日益明確。通用型 AI Agent 的獨特優勢在於其整合多領域專業知識的能力，這無疑將成為未來「知識工作者」必備的核心競爭力。
作為消費者或使用者，我們無需過度憂慮這些工具的快速迭代。真正應該關注的是那些技術門檻相對較低且容易被通用型 AI Agent 取代的單一任務 Agent 軟體。若通用型 AI Agent 成功打入消費市場，以搜尋引擎為核心業務的企業可能面臨重大衝擊與轉型壓力。
