本月稍早，Block、Anthropic 與 OpenAI 在與 Linux Foundation 合作之下，宣布成立代理式 AI 基金會（AAIF），匯集其各自公司的貢獻，並在其他 AI 領導者的支持下，建立代理式 AI 的開放標準。雖然仍屬早期，但這是一個朝提升金融科技互通性的具意義一步。若產業採納這個方向，我們就能打造一個生態系統：讓代理程式能從更豐富的資料中學習，取得協調一致的介面，並帶來不斷累積而非持續碎片化的效益。若不如此，我們可能重現幾十年來拖慢創新的同一套封閉架構——只是這次擁有更強大的技術。
代理式 AI 在封閉系統中的限制
金融科技歷來透過專有堆疊成長。這種模式過去有效，但代理式 AI 揭露了其限制。代理程式需要能從多個系統取得一致的情境、操作介面與訊號。
當每家機構對交易、身分、風險指標與商家檔案的結構各不相同時，代理式 AI 就會遭遇嚴重障礙。碎片化的資料削弱代理程式推理或採取有把握行動的能力。整合阻力會拖慢部署並提高工程成本。鎖定供應商迫使公司只能選擇較不有效的工具，僅因其能符合既有架構；更糟的是，公司甚至可能自行建立新的封閉孤島，進一步惡化問題。
將其對照開放銀行（open banking）。開放銀行要在全球（尤其在美國）推進花了多年，因為它要求機構完成大量的前置工作：打造新的 API、確保符合規範、並在監管機關之間協調。進展依賴監管壓力，而且即便如此，採用也仍然緩慢且不均。兩種情況下，客戶都能受益於更好的互通性。對代理式 AI 而言，公司可能還會多一個動機：代理程式能在系統之間架起橋樑或進行轉譯，降低整合負擔，讓開放標準在商業上更具吸引力，而不只是被合規所驅動。
下一代代理式 AI 將由專門的代理程式組成，彼此協作。某個代理程式可能擅長文件分類，另一個擅長詐欺偵測，還有一個擅長現金流預測。可預期的介面與共享通訊協定能幫助這些代理程式發現服務、委派任務並編排工作流程，而不必依賴脆弱的客製程式碼。
未來十年的金融科技，將由那些理解代理式 AI 並非單一產品的公司所定義。它是一個讓系統之間進行推理、行動與協作的平台。只有當產業在其所依循的軌道上取得共識，平台才會有規模化的可能性。
AAIF 代表重要的第一步，但它只是開端。要釋放代理式 AI 的全部潛力，金融科技需要參與其中。我們需要針對金融原語（financial primitives）所特別設計的開放資料結構：商家、交易、身分、風險訊號與支付流程。部分商務與支付通訊協定已經存在，並且還在提出更多，但要成為真正的標準而非孤立的實作，它們仍需要全產業的認同與協作。我們需要共享的安全與治理框架，讓信任能夠隨創新一起規模化。並且我們需要金融科技領導者在定義與維護這些標準的產業團體中積極參與，而不只是被動觀察。
這並不意味著放棄差異化。最強的公司會在體驗、風險管理與智慧上拉開差距，而不是在專有的管線（plumbing）上競爭。網際網路的歷史顯示，強大的基礎建設能擴大機會，而不是縮小它。代理式 AI 也提供了再次做到這件事的機會。
關於作者
Manik Surtani 是 Block, Inc. 的開放原始碼主管。在 Block，Manik 先前曾領導 Square 與 Cash App 的工程團隊。在加入 Block 之前，Manik 是 Red Hat 的資深工程師。他是 Infinispan 專案的創辦人與主要工程師，並擔任 JBoss Data Grid 的平台架構師。Manik 具有 AI、分散式與容錯系統，以及 JVM 效能調校方面的背景。Manik 是開放原始碼開發方法、理念與協作流程的堅定支持者，並且自從第一次涉足運算領域起就投入開放原始碼社群。
開放標準將釋放代理式 AI 在金融科技的下一次突破
Manik Surtani 是 Block 的開放原始碼主管。
探索頂尖金融科技新聞與活動！
訂閱 FinTech Weekly 通訊
供 JP Morgan、Coinbase、Blackrock、Klarna 等高層閱讀
在 2025 年，AI 代理程式 改變了金融科技在內部的運作方式，以最少的人類指示，自動化複雜工作流程，並在各種工具之間進行協調。到了 2026 年，我們將看到越來越多這些代理式功能直接提供給客戶。只是產業面臨一個選擇。當前的金融科技生態系統高度分裂。每一家支付處理商、放款方、銀行與平台，都有各自的資料格式與 API。客戶要嘛取得只能在隔離系統內運作的代理程式，要嘛我們能夠共同朝向開放標準邁進，讓代理程式得以在更廣泛的金融情境中運作。
本月稍早，Block、Anthropic 與 OpenAI 在與 Linux Foundation 合作之下，宣布成立代理式 AI 基金會（AAIF），匯集其各自公司的貢獻，並在其他 AI 領導者的支持下，建立代理式 AI 的開放標準。雖然仍屬早期，但這是一個朝提升金融科技互通性的具意義一步。若產業採納這個方向，我們就能打造一個生態系統：讓代理程式能從更豐富的資料中學習，取得協調一致的介面，並帶來不斷累積而非持續碎片化的效益。若不如此，我們可能重現幾十年來拖慢創新的同一套封閉架構——只是這次擁有更強大的技術。
代理式 AI 在封閉系統中的限制
金融科技歷來透過專有堆疊成長。這種模式過去有效，但代理式 AI 揭露了其限制。代理程式需要能從多個系統取得一致的情境、操作介面與訊號。
當每家機構對交易、身分、風險指標與商家檔案的結構各不相同時，代理式 AI 就會遭遇嚴重障礙。碎片化的資料削弱代理程式推理或採取有把握行動的能力。整合阻力會拖慢部署並提高工程成本。鎖定供應商迫使公司只能選擇較不有效的工具，僅因其能符合既有架構；更糟的是，公司甚至可能自行建立新的封閉孤島，進一步惡化問題。
當代理式 AI 能在連結的系統之間觀察、決策並執行時，它才會成功。封閉環境會削弱這三項能力。
為什麼開放標準會改變一切
開放標準（共享的資料結構、定義與通訊協定）所帶來的遠不止是簡化整合。它們建立的是可規模化且可互通的代理式行為基礎。
在代理程式能跨系統推理，或代表使用者執行之前，這些系統必須講同一種語言。以模型情境協定（MCP）為例：這是一種開放標準，讓 AI 系統具備與真實世界工具與資料互動的能力。短短約一年內，MCP 已在各產業出現不斷成長的採用，包括金融科技與商務公司。Block 用 goose 為 MCP 建立了首個參考實作，並且是協定本身的早期貢獻者。Stripe 建立了 MCP 支援，讓代理程式能存取支付資料、建立結帳（checkout）會話並管理訂閱。Square 發布了用於其支付、目錄與客戶 API 的 MCP 伺服器。Shopify 為其商務平台推出了 MCP 整合。這些例子顯示市場對互通性的真實興趣。
透過可互通的協定，代理程式能以更具情境理解的方式解讀資料。相反地，碎片化會限制代理程式所依賴訊號的品質。
將其對照開放銀行（open banking）。開放銀行要在全球（尤其在美國）推進花了多年，因為它要求機構完成大量的前置工作：打造新的 API、確保符合規範、並在監管機關之間協調。進展依賴監管壓力，而且即便如此，採用也仍然緩慢且不均。兩種情況下，客戶都能受益於更好的互通性。對代理式 AI 而言，公司可能還會多一個動機：代理程式能在系統之間架起橋樑或進行轉譯，降低整合負擔，讓開放標準在商業上更具吸引力，而不只是被合規所驅動。
下一代代理式 AI 將由專門的代理程式組成，彼此協作。某個代理程式可能擅長文件分類，另一個擅長詐欺偵測，還有一個擅長現金流預測。可預期的介面與共享通訊協定能幫助這些代理程式發現服務、委派任務並編排工作流程，而不必依賴脆弱的客製程式碼。
一旦代理程式能在金融平台之間順暢地移動，互通性的真正力量就會變得清晰。現在，每一項金融服務都在隔離狀態運作。你的薪資系統不會和你的商業銀行應用程式對話。你的費用管理工具也無法與你的會計軟體協調。你的支付處理商看不到你的現金流預測。有了開放標準，代理程式就能在所有這些系統之間編排流程。它們可以透過從你的公司卡拉取資料，自動將其與會計系統中的發票比對，並即時更新你的預算預測。它們能在多個平台之間協調付款時點，確保當現金流強勁時支付給供應商，而當資金緊縮時則延後。它們也能把一個平台的承保（underwriting）資料連接到另一個平台的風險評估，讓你不必一再填寫重複的資訊。價值在於連結那些原本就沒有被設計用來互通的系統。
小型金融科技公司同樣受益。開放標準透過允許新的進入者在不需要昂貴工程專案的情況下，將它們的代理程式連接到銀行與處理商，來拉平競爭環境。他們能用洞察與經驗競爭，而不是整合預算。
打造軌道，而非高牆
未來十年的金融科技，將由那些理解代理式 AI 並非單一產品的公司所定義。它是一個讓系統之間進行推理、行動與協作的平台。只有當產業在其所依循的軌道上取得共識，平台才會有規模化的可能性。
AAIF 代表重要的第一步，但它只是開端。要釋放代理式 AI 的全部潛力，金融科技需要參與其中。我們需要針對金融原語（financial primitives）所特別設計的開放資料結構：商家、交易、身分、風險訊號與支付流程。部分商務與支付通訊協定已經存在，並且還在提出更多，但要成為真正的標準而非孤立的實作，它們仍需要全產業的認同與協作。我們需要共享的安全與治理框架，讓信任能夠隨創新一起規模化。並且我們需要金融科技領導者在定義與維護這些標準的產業團體中積極參與，而不只是被動觀察。
這並不意味著放棄差異化。最強的公司會在體驗、風險管理與智慧上拉開差距，而不是在專有的管線（plumbing）上競爭。網際網路的歷史顯示，強大的基礎建設能擴大機會，而不是縮小它。代理式 AI 也提供了再次做到這件事的機會。
關於作者
Manik Surtani 是 Block, Inc. 的開放原始碼主管。在 Block，Manik 先前曾領導 Square 與 Cash App 的工程團隊。在加入 Block 之前，Manik 是 Red Hat 的資深工程師。他是 Infinispan 專案的創辦人與主要工程師，並擔任 JBoss Data Grid 的平台架構師。Manik 具有 AI、分散式與容錯系統，以及 JVM 效能調校方面的背景。Manik 是開放原始碼開發方法、理念與協作流程的堅定支持者，並且自從第一次涉足運算領域起就投入開放原始碼社群。