AI Agent 框架真正需要的是状态层而非模型能力

TiDB 团队发文指出，第一波 AI 应用只关心模型本身——推理能力、代码质量、工具调用可靠性、上下文窗口大小和成本。但这些已不足以支撑生产级 Agent 系统。

文章认为，Agent 框架的核心缺失是一个持久化状态层：Agent 需要记录对话历史、工具调用结果、中间推理步骤和用户偏好，这些数据必须可靠存储、可查询、可恢复。TiDB 借此论证其作为 Agent 状态存储的适用性，强调数据库在 Agent 架构中与模型同等重要。