不需新堆疊：MongoDB 把自己變成 AI Agent 執行環境

每一家投入 AI agent 開發的公司，最後都會撞上同一堵牆。概念驗證在 demo notebook 上跑得漂亮極了，然後有人開始問那些不舒服的問題：這個動作是誰授權的？agent 的記憶存在哪裡？底層模型換掉之後會怎樣？要回答這些問題，得在這裡接一套檢索服務、那裡掛一個記憶儲存、另外再搭一條審計軌跡——一堆拼裝零件，而且每次底層模型或框架改版，就默默壞給你看。

2026 年 9 月 29 日，MongoDB 在紐約 Nasdaq MarketSite 舉辦的 Investor Day 上，正式給出了它的答案：Atlas Agent Engine——為生產環境 AI agent 打造的統一執行、記憶與治理層，即日起進入公開預覽。而且它不是單獨出場。同一天公司還發布了正式版的 MongoDB 9.0（官方稱「史上最強版本」），以及進入公開預覽的新世代擴展部署層 Atlas Infinite。三項發布合起來勾勒出一個清晰的論點：既然資料庫已經存放著企業的營運資料，agent 也應該在這裡跑。

MongoDB 想終結的「假兩難」

「想把 agent 推進生產環境的組織，目前被逼入一個假兩難：不是採用某一家廠商的執行環境、接受被鎖死在它的模型和雲端上，就是自己拼湊框架、然後獨自面對治理與記憶體難題，」MongoDB AI 與新興產品長 Pablo Stern-Plaza 說。「隨著 Atlas Agent Engine 的推出，這個假兩難今天結束。」

這個定位很有針對性。目前的 agent 平台市場分裂成兩邊：一邊是綁定超大雲廠商的執行環境，預設你會永遠待在它的花園裡；另一邊是開源框架的自行組裝路線，治理全變成你自己的問題。MongoDB 把自己擺在中立的中間地帶：任何模型、任何框架、任何雲端都能跑——因為它就坐在資料已經所在的位置。

這套說法對超過 7 萬家現有客戶格外有感。支付公司 Paysafe 是早期採用者，其支付工程資深副總裁 Jana Janarthanan 描述現況是分析師「在時間壓力下手工拼凑多個系統的資料」，並期望建立在 Atlas Agent Engine 上的 agent 能縮短支付網路問題發生到人類介入之間的時間差。Accenture 則以交付夥伴身分支持這次發表，其軟體工程全球負責人 Ram Ramalingam 稱這個組合是「加速 AI 轉型的強大基礎」。

三個痛點，一個控制平面

MongoDB 的新聞稿對想解決的失敗模式毫不掩飾：「沒人能治理的動作、會失憶的 agent、以及被鎖死在單一模型或框架裡。」

治理是頭號賣點。 多數平台把身分、稽核、防護欄與成本控制視為獨立系統，讓團隊自己組裝。Atlas Agent Engine 把這些全部收進單一控制平面，而最關鍵的設計決策是：agent 的每一個動作都會以真實身分（人類或 agent）記錄在案，並受「無法被悄悄關掉」的政策約束。當稽核人員問某個 agent 做了什麼、誰授權的，答案只要幾秒鐘，不是幾個星期。對受管制產業來說，光這一點可能就是 demo 與正式部署之間的分界線。

記憶內建，而非外掛。 沒有持久記憶，agent 每次對話都從零開始，工程團隊得為每個新 agent 重建一套記憶基礎設施。Atlas Agent Engine 把記憶體直接做進平台，採用 Voyage AI 的嵌入模型（MongoDB 併購而來，在專為企業真實檢索場景設計的 RTEB 基準上名列前茅）搭配 MongoDB 原生檢索。官方宣稱的效果是：agent 隨時間越用越準，同時花費的 token 更少。

開放性就是反鎖死防線。 Atlas Agent Engine 對模型與框架中立，建構在 MCP 與 A2A 開放標準之上，換模型只是改個設定，不是重寫系統。它可以跑在任何雲端、自管環境，甚至筆電上。MongoDB 同時宣布加入 Linux 基金會的 Open Secure AI Alliance 與 Agentic AI Foundation，推動安全、可互通 agent 的開放標準。客戶可以只採用記憶與治理層、不綁執行環境，保留原本熟悉的模型與框架。

底下的地基：MongoDB 9.0 與 Atlas Infinite

Agent Engine 的可信度取決於底下的資料庫，而 MongoDB 9.0 交出的是實數據：大型執行個體吞吐量最高 2 倍於 8.0 版、find-one 查詢快 35%、update-one 查詢快 30%、交易型工作負載吞吐量提高 20%。這一版還為 Queryable Encryption 加上前綴、後綴與子字串比對——加密從此不必在安全性與可查詢性之間二選一，這個組合正衝著 agent 將要讀取的合規敏感資料而來。

Atlas Infinite 處理的是讓 AI 工作負載與眾不同的需求型態：持續、不可預測、且極端尖峰。這是一個運算與儲存分離的 scale-out 部署選項，叢集可以隨負載伸縮，而不是為峰值預先配置。MongoDB 內部測試顯示，在 I/O 密集型工作負載上，Atlas Infinite 的每美元吞吐量比 Atlas Core 高 189%。Icon Solutions 是早期客戶，公開預覽定價從每小時 $0.09 起。

三項發布被明確設計成一個堆疊：9.0 強化地基、Infinite 拆掉擴展上限、Agent Engine 在最上層讓受到治理的 agent 上工。

分析：資料庫變成執行環境

策略上解讀，MongoDB 正在重新定義「資料庫廠商」的意義。2010 年代的文件資料庫大戰比的是開發者體驗；2020 年代末的 agent 平台大戰，比的會是誰掌握 agent 賴以執行的基礎層。每一家超大雲廠商都希望那個基礎層是自己的執行環境。MongoDB 的賭注是：企業會更偏好那個已經持有其資料、身分模型與合規架構的基礎層——而且在模型與雲端之間保持中立，價值高於任何單一廠商的整合深度。

計價方式對採用者也友善：Agent Engine 採消耗制計費（Runtime 與 Memory 分開計量——每 1,000 秒每個執行中 agent 約 $0.04，記憶體另按等級計費），用量直接計入既有的 Atlas 承諾額度，不需要另簽新約。這消掉了讓多數平台評估案死掉的採購摩擦。

風險同樣真實。「公開預覽」意味著那些治理保證還在大規模場景下持續硬化中；Voyage AI 在 RTEB 上的領先是基於內部測試的自我呈報；189% 的每美元吞吐量數字也來自 MongoDB 自家的基準測試。從 Snowflake 到各家雲端巨頭，競爭對手正從不同方向往同一個「智慧資料平台」定位收攏。而市場的謹慎其來有自——在信任鴻溝仍然巨大的此刻，讓 agent 動作預設可稽核的平台，確實握有真正的機會之窗。

但就方向宣示而言，這是迄今最清楚的訊號之一：AI 堆疊正在塌縮進資料平台，而 MongoDB 打算在它落地時，穩穩接住。