多Agent协同平台Dust深度剖析

如今各家企业都在采购AI、运用AI，无论是AI产品、AI智能体，还是部署专属AI设备。

管理层使用ChatGPT，客服自建机器人，开发人员用Cursor，营销团队配置openclaw技能组合……

表面上看，全员AI化已成事实，但深入观察后却发现并非如此。

销售用AI完成客户调研后，售前仍需重新检索；市场生成的文案，销售又另起炉灶；客服总结的问题，产品团队毫不知情；HR构建的问答Agent，法务部门又另建一套合规系统，IT还需分别维护权限。

于是出现了一个看似矛盾的现象：企业中使用AI的人数增加，但组织整体并未因此变得更高效。

这源于AI在企业落地时的矛盾：AI的理解与生成能力已足够强大，但企业的协作机制尚未跟上。

本文将深入分析的正是用于管理和协同Agent的平台——Dust。

Dust的核心功能并不复杂：连接Slack、Notion、Google Drive、Salesforce、GitHub等工具，并在此基础上创建Agent，如销售Agent负责客户研究、客服Agent处理工单、法务Agent审核合同、HR Agent解答员工问题。

但若仅止步于此，Dust与其他“企业AI平台”并无二致。

Dust的独特之处在于其架构理念。市面上多数AI平台默认结构为“一人一Agent”，即用户与Agent对话，Agent提供答案或执行任务，对话/任务结束后上下文仅限于当前对话窗口，同事和上级无法获取信息。

Dust将Agent置于共享工作空间中，Agent之间可共享上下文，团队可复用Agent，工作过程对所有人可见，经验可沉淀为可复用技能。

Dust将此理念称为Multiplayer AI。

这一概念背后反映了一个现实：当前企业AI的关键瓶颈并非模型或Agent不够强大，而是AI的使用方式仍停留在个人层面。

这解释了Dust并非又一个AI工具。Copilot和Agent的逻辑是提升个人效率，而Dust的逻辑是让一群Agent与人在同一环境中协作。

前者关注效率，后者则更注重组织能力，这是两种不同的产品理念。

红杉合伙人Konstantine Buhler在Dust的B轮融资公告中提到：“多数企业AI仍为单人模式，一人一提示词，缺乏复利效应。Dust正在构建多人系统，Agent与人在整个公司内共享上下文、协同推进工作。零流失和70%周活并非实验数据，这正是企业未来运营的方式。”

Dust采用TypeScript全栈开发，意味着前后端共享类型定义、SDK和工具函数，提升了开发效率和类型安全性。

Rust则被用于最需性能和安全性的场景，如代码沙箱执行环境。

这种技术选型体现了务实风格：TS负责业务逻辑和API层，Rust负责隔离执行，Elasticsearch负责搜索，PostgreSQL负责持久化，各组件选用领域内最成熟的方案。

此外，Dust对MCP（Model Context Protocol）的使用是全方位的，甚至可以说其全部功能围绕MCP进行开发和优化。MCP是Anthropic开发的开放协议，用于标准化AI模型与外部工具间的通信。

Dust将MCP作为平台基础设施内核，可见其真实野心。

Dust实现了四种MCP Server类型：

内置服务器（Internal Server）：编译时定义，进程内运行，零网络开销。包括web搜索、语义搜索、SQL查询（query_tables_v2）、Agent调用（run_agent）等核心能力。

远程服务器（Remote Server）：外部HTTP/SSE端点，通过OAuth或Bearer Token认证。内置30+默认远程服务器配置，覆盖GitHub、Slack、Salesforce、Gmail、Notion、Google Drive等主流SaaS工具。

客户端侧服务器（Client-Side Server）：通过Redis pub/sub通信，5秒超时。用于需要客户端侧执行的场景。

系统视图服务器（System View Server）：系统空间的默认视图，用于平台级能力暴露。

这套架构的精妙之处在于：所有工具——无论是平台内置还是第三方接入——对Agent来说都是统一的MCP接口。

Agent无需知道调用的是内部搜索还是其他工具的查询，只需调用工具名+参数，剩下的由MCP传输层自动路由。

这套架构意味着什么？Dust本质上是在做AI Agent时代的iPaaS（集成平台即服务）。

它不是在卖Agent，而是在卖“让Agent能安全接入一切企业系统”的基础设施。

Dust将工具调用分为四个风险等级：读数据库直接执行、HTTP请求每次对话问一次、Slack发消息每次调用都问、修改文档必须明确审批。

部分工具甚至支持参数级审批——Gmail的send_mail对收件人字段（“to”）单独要求审批。

这个颗粒度的权限控制未来可能成为Dust能进大企业的底牌。AI创业公司死在Demo阶段的太多了：功能很炫，一问权限、审计、合规，直接沉默，或泛泛而谈没有具体实施路径。

还有其他更具体的技术细节可以去看他们的开源内容，链接在文末，这里就不一一列举了。

Dust在2026年5月拿了B轮4000万美元，Abstract和Sequoia领投，Snowflake Ventures和Datadog跟投。总融资额超过6000万。

在AI融资的通货膨胀面前，融资额本身没什么稀奇的。稀奇的是一组数据（根据GlobeNewswire）：

好得让人羡慕得直流口水！

零流失率+240% NRR，这个组合在企业SaaS里极其罕见。

这个数字代表，不是客户“觉得还行续费了”，而是一个团队用了之后其他团队跟进来，越用越深，越用越离不开。

但是同时需要注意的是，这里有一个很重要的信息不对称：Dust现在的客户大多是AI-native公司。Clay、Cursor、Decagon、Persona，这类公司组织速度快、流程轻、愿意用Agent改造内部工作，天然是Dust的最佳土壤。

问题是传统企业能不能复制？传统企业愿意为了提升效率愿意开放多大的权限给到Agent，这是个极其难以回答的问题。

Dust采取了一种叫AI Operator的策略：让最接近业务的一线业务人员（增长营销、RevOps经理、GTM工程师、支持经理）他们自己构建和运行AI系统。

这本质上是一个自下而上的推广策略：绕开IT部门和采购部门，先让业务团队用起来，培养他们的习惯后倒逼企业采购。

策略很聪明，但是在传统企业呆过的人应该都很清楚，有多少决策是自下而上推动的呢？

如果只把Dust当一家公司分析，显然不够，我们需要拔高视野。

它代表了三个正在发生的行业变化。

第一，AI应用层的竞争重心从“模型能力”转向了“协作基础设施”。过去两年大家都在卷模型，GPT5.5、Claude、Gemini，谁更强。但模型越来越强之后，企业发现了一个尴尬的事：模型强和组织能用好是两码事。真正缺的是数据接入、权限控制、工作流编排、人机协同、审计机制。Dust不做模型，它做的是模型和企业系统之间的那层协同关系。这个判断一旦成立，Dust的竞争对手就不是ChatGPT，而是未来的企业协作标准。

第二，“Agent治理”正在变成一个独立品类。30万+Agent这个数字很漂亮，但换个角度看也很可怕，如果其中一半是没人维护的僵尸Agent，过期知识继续被调用，权限不清互相打架，那就是企业级灾难。Dust真正的挑战不是让用户创建Agent，而是治理Agent，删除低质量的、更新过时的、判断哪个是官方推荐、管理Agent生命周期。谁能解决这个问题，谁就拿下了AI时代的企业IT治理权。

第三，企业SaaS之上正在长出一层横向AI编排层。过去十几年企业软件的主线是SaaS化，结果是每个部门一堆工具，数据互相不流动，形成一个个数据孤岛。AI的出现让企业第一次有机会整合好这些碎片数据。Dust不是要替代Salesforce等SaaS，而是横跨它们之上搭建一个AI协作层。这也是为什么Snowflake和Datadog会投它——它俩一个卖数据基础设施，一个卖可观测性，本质上都是被AI协作调用的逻辑，协作约好，调用越频繁。

但是，这个市场到底是独立市场，还是会被Microsoft、Salesforce、Google吸收？Microsoft有Office+Teams+Copilot，Salesforce有CRM+Slack+Agentforce，Google有Workspace+Gemini。这些产品未必比Dust好，但有大厂的生态优势保驾护航。

创业公司最怕的不是大厂产品更强，而是大厂产品“够用且便宜”。

因此，我判断，Dust的窗口期不完全取决于大厂有没有能力做，而取决于大厂的产品组织能不能做到足够开放、足够快。

如果Dust能在AI-native公司里先建立心智和工作流沉淀，再向传统企业扩散，它就有机会定义AI时代的组织协作模式。

以后就是一群人+一群Agent协同的组织模式。

按照惯例，要讨论一下风险，既是从创业的视角也从投资视角。

现阶段，Dust最大的风险不是大厂、不是竞争，而是它卖的产品可能领先市场太多。大量公司连个人AI工具都没用明白，你跟人家说“多人Agent协作”，过于超前了就难免有曲高和寡的嫌疑。

Dust的高NRR和零流失证明现有客户买单，但这些客户全是AI-native。传统企业能不能复制？目前没答案。

其次是Agent数量多不等于组织智能强。30万Agent听起来很厉害，但如果其中一半是重复的、过时的、没人维护的，这个数字不但不说明价值，反而说明混乱。

Dust必须从“创建及使用Agent的平台”进化成“治理Agent的系统”，这一步跨不过去，它就是AI垃圾制造机。

（想一想coze、WorkBuddy上面有多少没啥人使用的Agent、skill吧）

最后一个风险是商业模式的底层逻辑。Dust目前的客户群是AI-native公司——增长快、决策快、付费意愿强。而传统企业的采购周期和AI-native公司完全不是一个量级。Dust能不能在AI-native客户的红利期结束之前，完成向传统企业的跨越？这个问题也是必须要重点观测的。

总体来说，Dust这类公司想要解决的痛点很大：当每家公司都有几百个Agent在跑时，谁来管它们？需要认真思考如何回答好这个问题。

参考