字节跳动的“扣子空间”正在 Agent 赛道上走出独特道路。深度浏览网站、双向联动飞书、自动化定时任务、开放 MCP 接入等能力，构建起“Agent for work”生态。它旨在让用户成为垂直 Agent 的创造者，满足多元个性化需求，形成高度定制化的垂直 Agent 网络，未来可期。
通用 Agent 之间的竞争片刻不息。
当许多目光仍聚焦于 Agent 输出报告的美观度时，「扣子空间」正悄然补齐 Agent 融入日常“工作流”所需的基础能力。
在扣子空间发布了 2 个月之际，是时候深入聊聊字节跳动在这场 Agent 战役中，交出的阶段性答卷了。
另外，这次测试的 Case 都很新颖，应该能给你带来一些使用 Agent 的新灵感～
即使都是通用 Agent，但在功能路线上，每家都有不同的选择。
我先用一张图为你梳理「扣子空间」这两个月内，让我眼前一亮的 4 个核心能力，以及 1 个远期愿景 ：
如私有 SQL 数据库查询、邮件推送等，为垂直场景的深度定制提供了广阔的想象空间。
而这 4 项能力并非孤立存在，它们共同指向一个清晰的愿景：
——以可拓展的“Agent for work”基建能力为支撑，打造一个“傻瓜式”的垂直 Agent 生成平台，通过社区用户的创造力，承接多元企业、用户的工作需求。
要让 Agent 高频服务于工作，一个核心能力就是让它能够连接我们身边的“活数据”：
——那些在不断更新的网页信息、团队协作平台里的最新文档和数据。
扣子空间构建了 Agent 获取数据的两个重要通道：定向网页浏览和双向联动飞书体系。
从互联网上获取数据，一般依赖两种途径：
1. 如同搜索引擎般进行广泛的联网搜索；
2. 像人类一样“浏览”并理解特定站点的内容。
在人类真实工作场景中，后者往往才是获取一手信息洞察的高频场景。
比如：调查小红书用户对于《碟中谍 8》的观后评价、微博某个热搜话题下的舆情风向。
此类信息洞察，通常隐藏在网站内部，需要模拟登录、点击、滚动等人类行为才能触达。
而扣子空间也终于补齐了这项能力。
它不仅能进行简单的页面抓取，更能支持用户授权 Agent 登录小红书、B站、微博等独家数据平台，模拟人类用户的访问行为，获取普通爬虫难以触及的站内深层数据。
我模拟了一项任务，整体执行过程很顺利：
任务名称：根据 PR 需求， 挑选小红书 KOL我是一家 AI 公司的 PR，请在小红书平台，帮我筛选 20 个符合以下条件的账号：
请将调研结果整理为 Excel 表格，包含以下列：账号名称、小红书ID、个人主页简介、粉丝数量、获赞与收藏量。
扣子空间采用的是「让 Agent 自行操作浏览器」的方案：
整个过程中，Agent 需要操作浏览器，识别并点击网站中的页面内容：当网页需要登录或遇阻时，AI 会自然提示用户接管，完成进一步操作。也会真实点击用户头像，进入个人主页，提取所需的「个人简介、粉丝数量、获赞与收藏量」
其智能和流畅度，有些超出我对它的期待。
最终任务的结果如下（校验了一下，嗯，没啥幻觉），能够在一定程度上节省 PR 同学的选品工作：
同理，你还能用它来做很多其他事情：
1. 分析 B 站内，最近有哪些原神相关的讨论话题值得推广营销
2. 分析小红书内，关于扣子空间的最新一周舆论风向
一些很有启发的官方示例
我也测试了一些其他更高阶的任务，比如要求：优先推荐低粉高赞、侧重原创的博主账号。
不过对于这类“概念高度复杂”的任务，尚存在一些卡点：能够完成，但对部分抽象的要求，其理解有待提升。
考虑到扣子空间毕竟是国内产品，在只使用国产模型执行任务的条件下，还能相当稳健地「深度浏览网站」，收集站内信息，且能够完成不少单一任务，确实属于意外之喜。
扣子空间可以用 MCP，直接扩展联动飞书云文档、多维表格、电子表格了。
还支持检索、创建、编辑文件。
这很有想象空间。
我测了一个基础 Case，充分展现了它的便利性：
任务名称：从我的多维表格中，筛选推荐 5 篇未读文章
从我专门用来收藏待读文章的多维表格中，挑选 5 条状态为“仅记录”的文章，生成一份今日待读文章清单，并输出到新的飞书云文档中。
多维表格链接：https://zkv549gmz8.feishu.cn/wiki/……
（以下是原始表格）
可以看到 Agent 首先使用多维表格的 MCP 工具，访问了我的「稍后读管理」表格，并筛选“仅记录”的文章信息：
也成功在我的飞书中，自动创建了「今日待读文章清单」，在飞书文档空间内，也可以看到对应的新文档。
打开文档后，则是按要求生成的 5 条未读文章，每篇文章也附上了推荐语。完成度很高。
要知道去年我用扣子的Workflow 版本实现「飞书 · AI 稍后读智能体」时，可是需要从头学习“如何搭建扣子工作流”、“配置每个节点入参出参”。
就算是 AI Workflow 专家，完成搭建也要个一两天。
而在扣子空间中，只需要上述简简单单的两句话，就能自动打通我的私有数据表，实现收藏文章的提取与推荐。
双向联动飞书体系，意味着：
1. 一方面，让 Agent 能够实时访问我们的私有数据；
2. 另一方面，AI 生成结果将输出到个人办公文档中，极大提升了结果利用的便利性。
对于大量依赖飞书进行日常办公和协作的用户来说，这其实是打通了一个关键的流程瓶颈。
你不再需要为 Agent 人工搬运上下文，AI 能实时访问我们的工作文件，并把结果直接插入到文档、表格中，为每个人提供更加私人定制的 AI 辅助能力。
如果说「双向联动飞书体系」是 Agent 获取工作流上下文的基础。
那么自动化定时任务，则是 Agent 让 AI 成为自动化助手的最后一块拼图。
以前面推荐 5 篇文章的任务为例，在我真正的需求场景中，其实是“每天下午 3 点，给我推荐 5 篇待读文章”：
任务名称：每日定时推荐待读文章
每天下午 3 点，从 https://zkv549gmz8.feishu.cn/wiki/…… 这个表格中，挑选 5 条状态为“仅记录”的文章，推荐让我阅读
AI 就会自动在「定时任务」列表中创建定时任务，设定执行的频率和具体时间：
可以看到，在创建了初始任务之后，AI 就会每天自动执行定时任务，为我生成当日的文章推荐清单。
同理，你一样可以把自动化 Agent 拓展到其他场景：
1. 每日汇总部门成员的日报，生成部门日报概览
2. 每月统计当月收支记录表，生成当月收支报告
是不是一下就显得 Agent 很实用，很接地气了～
如果能提供更多类似飞书 IM、发送邮件等消息类工具的扩展能力，支持把任务完成情况、甚至是成果文件直接推送给需求方，那定时任务就算是真正闭环了。
不过也提一个反馈：目前每次定时任务，都会让 AI 重新思考执行路径，并不会直接沿用初始任务中的成功的脚本或流程，这反而增加了任务成本，也会造成定时任务的不确定性。
希望能尽快支持复用成功任务的流程。
做好了的话，相当于提供了“傻瓜式”的垂直 Agent 生成平台，人人能够用“嘴”直接生成自己的 AI Workflow Agent。
要让 Agent 走入真实具体的工作场景中，还需要 AI 链接外部数据源和系统工具才能落地。
今年年初时，我就在持续关注 MCP 的发展，它就像是给 Agent 装上了“扩展接口”，能极大地扩展 Agent 在各个垂直场景的数据源与执行能力。
给不了解 MCP 的朋友简单解释一下：
MCP 可以理解为一种能让 Agent “调用外部工具”或“访问特定数据”的标准化方式。
大模型可以凭借 MCP，获取原本无法触及的信息，提供像「订票」、「写邮件」、「创建待办」这类更“接地气”的落地服务。这是 Agent 从“聊天机器人”迈向“得力助手”的实现方案之一。
扣子空间是目前看到对 MCP 最开放的通用 Agent。
除了常见的「高德地图 MCP」、「天气预报 MCP」外，官方甚至提供了「MySQL」、「Clickhouse」等数据库自定义的接入 MCP。
这意味着 Agent 可以真正接入企业私有数据池，就能为特定业务场景提供数据查询与分析的能力。
当用户自行提供私有 MCP 连接时，Agent 还能读取 CRM 系统，筛选出最有可能成交的潜在客户；也能连接到企业内部的项目管理工具，自动更新任务状态或提醒团队成员。
不需要改造现有业务平台，依托外接的自动化 Agent ，即可为现有业务赋予新的 AI 能力。
回顾扣子空间的四项新的基础能力，以及真实用户靠“嘴”就能让通用 Agent 理解、执行复杂任务的特性，你会发现它们并非孤立的功能点，而是共同指向一个清晰的远期愿景：
以可拓展的“Agent for work”基建能力为支撑，逐步打造一个开放的垂直 Agent 生态。
目前，扣子空间内已经提供了一些官方出品的“专家 Agent”，例如：舆情分析专家、股票观察助手、用户研究专家等。
比如，可以用舆情分析专家，快速创建一些品牌、话题的舆情分析任务。
也可以用预置的股票助手，定制自己的自选股票、板块的早报。
这些官方的专家助手，能完成一部分常见的普通需求。
但在我看来，它们更大的意义是一个个“使用示例”，引导用户了解扣子空间的潜力（如定时任务、数据连接、深度网站访问），并激发用户思考如何基于这些能力去解决自己的痛点。
它们能解决一部分通用痛点，但 Agent for Work 的价值远不止于此。
Agent for Work，需要面对大量的要求复杂、数据源不通、工具不同的落地需求。
要解决好这些不同场景的真实需求，不在于平台能提供多少“专业”的官方 Agent（就像是数字化转型时代，数字化服务公司难以做好企业落地需求一样），
而在于 Agent 平台能赋能多少用户，让他们“傻瓜式”地自行构建出解决“独有场景”痛点的专属 Agent。
在通用 Agent 在达到 AGI 之前，最大的价值并不在于“通用问题解决能力”，而在于为所有人提供一个强大的“元 Agent” 。
当我们用自然语言描述需求，告诉它需要访问哪些文件，需要在哪输出什么样的结果时，通用 Agent 就能帮助你生成、改进出无数个只属于你、能精准解决你最具体业务痛点的“垂直 Agent”。
结合开放的 MCP 接入，自动化定时任务，以及用通用 Agent 一句话生成“垂直 Workflow/Agent”的潜力
在 2025 年年中这个时间点，扣子空间无疑在为我们展现这样一个可能性：
让最懂自己业务的人，无痛生成自己的垂直 Agent。
客观来说，这正是我个人理解的，扣子正在打造一个“垂直 Agent 生成平台”的核心理念：
——用社区的多样性与创造力，去承接和满足多元化的企业与个人工作需求。
回顾完扣子空间在 2025 年上半年，交出的阶段性 Agent 答卷。
可以看出，字节正在结合原有扣子社区生态的优势，实现 Workflow 到 Agent 生态的平滑过渡。
最懂用户需求的只能是用户自己。
凭借通用 Agent 的智能，扣子空间有希望让更多真实的、不懂 AI 的用户，都能够“生成”只属于自己、解决最具体、最痛点业务场景的专属 Agent。
让用户从“被动接受通用能力”的角色，转变为“主动定义垂直 Agent”的创造者。
未来扣子官方很可能推出“调度入口型 Agent” ，凭借社区内由用户构建的各种垂直子 Agent，将会构建一个高度定制化、相互连接的垂直 Agent 网络。
通过灵活调配这些垂直子 Agent，AI 将有机会完成更复杂的跨领域任务。（这与 Google 提出的 A2A 协议不谋而合）
扣子空间交出的这份答卷，不只是功能的升级，而是在战略上为垂直 Agent 的发展指出了一个“向下扎根、向上生长”的可能性：
——扎根于解决真实的、细微的工作痛点，向上生长出一个由用户创造力繁荣的、充满更多可能的垂直 Agent 宇宙。
本文由人人都是产品经理作者【一泽Eze】，微信公众号：【一泽Eze】，原创/授权 发布于人人都是产品经理，未经许可，禁止转载。
题图来自Unsplash，基于 CC0 协议。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。