从开发应用程序、浏览网页到创建文件，如今的人工智能代理能够独立承担越来越多的计算任务。但这些功能背后的软件并非为代理而生，而是为人类使用而设计和构建的。因此，我们有机会，或许也越来越需要，重新思考这些系统如何更好地服务于代理。
在构建基于代理的人工智能应用程序时，你可能会遇到许多情况，现有软件并未针对思考机器的功能进行优化。例如，网页搜索。几乎每个基于代理的人工智能应用程序都会利用网络上的信息来完成任务。但网页搜索 API 在编写时并没有考虑到代理。
它们提供有限数量的搜索结果和精简的摘要格式，更符合人们使用网络搜索界面的方式。我们得到一页包含十个蓝色链接的页面，并浏览它们以决定点击哪一个。但人工智能代理并非人类。它们不仅能够同时理解更多搜索结果，而且文档摘要和内容的规模越大，其性能通常就越高。而人类不太可能在做出决定之前通读所有搜索结果。因此，搜索 API 确实需要重新考虑，以适应代理的需求。
同样，当代理开发应用程序或收集数据时，它们可以利用数据库。但数据库的设计初衷是供人类使用，而非 AI 代理。因此，我们可以重新思考数据库在代理方面的应用，这正是我们最近推出的AgentDB所做的事情。
代理每天可以（而且确实）生成比人类多 1000 倍的数据库，因此，为代理启动和管理任何数据库的过程都需要尽可能简单且免维护。AI 代理创建的大多数数据库在完成其初始任务后都会很快消失。但有些数据库会被再次使用，而其他数据库仍会定期使用。
如此规模的成本可能会成为一个问题，因此，维护如此多的数据库需要尽可能节省成本。最后，同样重要的是，数据库的内容需要能够很好地作为 AI 模型的上下文，以便代理能够将这些数据用作其任务的一部分。
AgentDB是一个围绕这些考虑而设计的数据库系统。使用 AgentDB，创建数据库只需要一个通用唯一标识符 (UUID)。无需任何设置或配置步骤。因此，每当 AI 代理决定需要数据库时，只需创建一个 UUID 即可。无需填写任何表单或设置向导。
AgentDB 中的数据库以文件形式存储，而非需要计算和维护的托管服务。如果 AI 代理需要查询数据库或向其中添加数据，它可以做到。但如果它永远不需要再次访问数据库，那么数据库就只是一个文件。这意味着您只需支付存储费用来维护它。而且由于 AgentDB 数据库本身就是文件，因此它们可以扩展。这意味着它们可以轻松跟上 AI 代理的规模。
为了使每个 AgentDB 数据库中的数据能够轻松作为 AI 模型的上下文访问，每个 AgentDB 帐户同时也是一个MCP 服务器。只要 AI 应用程序支持 MCP 服务器连接（大多数应用程序都支持），数据就可以在各个 AI 应用程序之间移植。
总而言之，这个例子说明了即使是最基础的软件基础设施系统，比如数据库，也可以在人工智能时代进行重新思考。AgentDB 数据库系统看起来不像是一个托管数据库即服务解决方案，因为它并非为数据库管理员和后端开发人员设计和构建。它是为当今的思维机器而构建的。
而且随着代理为人们承担更多的计算任务，它将不再是唯一以代理为一级用户的软件。