立正把 agent 和 ChatGPT 的核心区别归为三点：多步决策、自我迭代、调用工具，这三点让它能完成复杂工作，而不只是给一个答案⁠1。一旦 agent 能自己拆步骤、自己找工具、自己检查结果，人再逐个下达指令就成了流程里最慢的一环。他在讲自己使用习惯时也提到，问聊天工具常常问完就结束，问 agent 则可以直接继续到把事情做完⁠2。所以转变的推力不是某个新协议，而是 agent 的完成度跨过了“值得把下一步也交给它”的门槛。

立正把 AI 看成人类调度算力的第三个接口：编程要会写代码，图形界面要有人先做出软件，而自然语言可以直接描述目标，让 AI 调用工具继续执行⁠2。图形界面时代有个隐含限制——不是每个人的每个小需求都值得一家公司投入开发，很多事忍一忍就过去了；现在这些长尾需求开始值得被服务⁠2。需求一多，靠人一个个去点、去对接就不成立，更自然的是让已经在用的 agent 去调用别的服务。他举自己的例子：上传播客不想再打开播客网站，而是希望在自己的 agent 里说一句就办好，于是选择服务时看的是哪家程序化支持最好⁠3。这就是 agent to agent 的实际形态：服务为 agent 而设计，而不是为人点击而设计。

agent 之间互相调用并不自动带来更好的结果。立正记录过一个反例：模型遇到复杂任务时倾向于多开几个 subagent 来证明自己没偷懒，但这些 subagent 往往来自同一个模型、继承相似上下文、犯相关性很高的错误，五个相似的 agent 不等于五种独立判断⁠4。所以 agent to agent 真正成立的条件，是任务本身能被真正分解、各方有不同信息和判断；如果只是把旧组织的“多安排几个人”搬进数字世界，增加的是协调成本和 token，不是质量⁠4。判断一次 agent 协作值不值得，可以先问：拆出来的几方是不是真的掌握不同信息、能给出不同结论。