智能体上服务端之后要用到的连接、隔离、数据与审计层

定位智能体的连接层，一个 Rust 代理同时管模型路由、MCP 工具接入与代理之间的通信。

痛点自建智能体平台要自己拼一层把模型、工具、别的代理串起来的安全与计量层，现成的模型网关不管 MCP 与代理协议。

付费要把智能体上生产环境的团队，以及与参与厂商签订的支持与合规服务；Linux 基金会项目，企业支持由厂商提供，价格未公开。

规模化接入多家模型与工具的需求跨行业同构，交付是一个二进制、一个容器或一份 Helm chart。

边际成本低 · 一个二进制加一份配置做转发，成本随流量线性增长且很薄。

验证curl -sL https://agentgateway.dev/install | bash && agentgateway（不带配置文件时会自举一份 ~/.config/agentgateway/config.yaml）

定位把编码智能体改造成安全审计员的技能，六个阶段从侦察、分派猎手做到独立复核与出报告。

痛点代码审计靠人排期，覆盖到哪里说不清；多个智能体并行审计时各自的结论互相污染，也没有人复核。

付费需要持续做漏洞发现的安全团队；技能本身免费，是 Cloudflare 披露自家漏洞发现体系的入口，间接服务于它的平台与安全产品。

规模化审计流程与项目用什么语言无关，一份技能可以复制到任意仓库。

边际成本低 · 纯提示词与两个校验脚本，成本就是模型 token。

验证npx skills add https://github.com/cloudflare/security-audit-skill --skill security-audit

定位用 Firecracker 微虚拟机跑代码的沙箱平台，用 HTTP 接口建环境、执行命令、收输出与回收。

痛点让智能体执行代码，要么买按秒计费的沙箱服务，要么自己写一整套隔离、回收与输出通道。

付费自建智能体平台的团队；自托管省掉按沙箱时长计的账单，Perplexity 自己的链路在用，还提供一个 E2B 兼容层方便迁移。

规模化代码执行环境的需求跨行业同构，部署形态是 Kubernetes 上的一套服务。

边际成本中 · 要自备支持嵌套虚拟化的宿主机，冷启动与资源池得自己管。

验证git clone https://github.com/perplexityai/SPACE，按 docs/installation.md 在本地 Kind 集群部署，再照 docs/first-sandbox.md 跑通第一条命令

定位1.3B 参数的文档解析模型，把 PDF 与文档图片转成带版面坐标的 Markdown 或 JSON 给智能体读。

痛点让智能体读文档要先过一层解析，闭源接口按页收费，自家的版面规则又没法替换。

付费许可证写得很直白，年收入或融资超过 200 万美元就要另买商业授权，也不许拿它做与官方竞争的托管解析接口；官方另有免费额度的托管服务。

规模化文档解析跨行业通用，模型小，可以自托管也可以直接调接口。

边际成本低 · 1.3B 模型，一张消费级显卡就能批量跑。

验证pip install somark，或先用 free-oxr.somark.ai 的免费接口对自家文档试跑

定位面向 Apple 芯片的本地推理引擎，投机解码加 Metal 内核，对外给 OpenAI 与 Anthropic 兼容接口。

痛点在 Mac 上跑编码智能体，要么买订阅，要么忍受通用推理框架启动慢、吞吐低。

付费个人开发者与把代码留在本机的小团队；引擎本身 Apache-2.0 免费，公司侧的企业支持与托管是收费点，价格未公开。

规模化单机推理的需求同构，安装一条命令、把编码智能体接上再一条命令。

边际成本中 · 算力花在用户自己的机器上，维护方只管引擎与量化。

验证brew install incoai/tap/splash && splash serve --model unsloth/Qwen3.8-27B-GGUF:UD-Q4_K_M，再 splash opencode 把编码智能体接上