上线仅 10 天，平台已吸引超过 21 万注册用户、近 5000 名创作者报名入驻。这样的增长速度，连 MuleRun 团队自己都直言 " 超出预期 "。
MuleRun 正在尝试搭建这样一个市场——它既像淘宝，又像劳动力外包公司，更像一个 " 能力版 OnlyFans"。这个市场能走多远，仍需要时间验证。但至少在今天，它提供了一个新的视角：在大模型之后，交易和生态或许才是 AI 应用真正的关键。
在 2025 年云栖大会现场，蓝鲸科技采访了创始人兼 CEO 陈宇森与运营负责人李昕瑜，他们详细阐述了 MuleRun 的定位、架构设计、商业化逻辑，以及他们对未来市场的判断。
Agent 市场的淘宝
MuleRun 的定位一开始就比较明确：它不是一个通用型大模型，也不打算做单一 Agent 工具，而是一个Agent 的交易平台。
为了凸显这种定位，MuleRun 采取了 " 完全三方平台 " 模式，不运营自营产品。李昕瑜补充：" 哪怕平台上有带我们前缀的 Agent，那也是设计师同事以个人身份上传的作品。我们要确保创作者生态公平开放。"
外界对 MuleRun 的比喻，是 "Agent 的淘宝 " 或 "AI 应用商店 "。这不仅仅是因为它有交易属性，还因为它在架构上更接近电商平台。
与许多平台不同，MuleRun 将 " 让创作者赚钱 " 放在第一位。这也是陈宇森眼中与 OpenAI GPTs、腾讯、百度等大厂产品的关键区别。" 没有意识到交易的重要性，是过去很多 Agent 平台没有成功的原因。" 他说。
MuleRun 从一开始就搭建了完整的交易链路，包括支付、风控和全球清算。这套体系并不比传统电商简单，甚至更复杂，因为涉及跨境用户和数字劳动力的定价问题。
上线 10 天后，就有开发者在平台上获得了超过 1000 美元的收入。李昕瑜提到：" 有位开发者上线了 nano banana 系列的 Agent，仅三天就赚到 1000 多美元，这让创作者对变现的信心大大增强。"
与通用型 Agent 的分野
在 AI 圈，几乎所有公司都在谈 Agent。但不同公司对 Agent 的理解和落地方式差别极大。陈宇森直言：" 我们并不想做一个万能的聊天机器人。Agent 要能稳定解决具体问题，才有价值。"
MuleRun 的技术架构背后有一个核心假设：要实现高成功率，需要 " 大量的 SOP（硬编码）+ 少量的大模型 " 这一组合。
" 大模型在其中是胶水，而不是主体。" 陈宇森解释。他举例，某大型自动驾驶厂商用类似架构生成了 4000 万行代码，替代 200 人年的工作，其核心就是靠 SOP 流程来保证稳定性。在 MuleRun 平台上，Agent 往往是解决高频、重复、标准化的场景，例如客服、视频标注、餐饮行业的菜品拍摄等。相比依赖对话式交互的通用 Agent，这种设计更接近 " 生产工具 "。
" 去年大模型还不够强，这事做不成。今天能成，是因为大模型刚好能支撑‘ 80% SOP+20% 大模型’的模式。"陈宇森说，" 创业有时候靠的就是时间点，不能太早，也不能太晚。"
MuleRun 在战略上做了一个的决定：不投入开发创作者工具，而是保持 " 框架中立 "。" 几个月前我们决定几乎不在创作者工具上花资源，而是让大家用现有的 SDK 和工具开发，再通过 MuleRun 部署。" 陈宇森解释，" 这样我们避免了和大公司在工具框架上的正面竞争，把精力集中在交易和运行平台。"
这一选择使得 MuleRun 定位清晰，但也意味着它必须承受比一般 AI 应用创业公司更高的技术复杂度。平台既要保证全球用户的稳定使用，又要承担异构 Agent 的运行和管理。" 如果你横向对比 Manus 这些一线创业公司，我们在技术上做的事可能是他们的平方甚至立方的复杂度。"MuleRun 技术负责人透露。
短期壁垒是平台本身的易用性，长期壁垒则是生态。一旦用户和创作者的规模聚集，平台效应将强化领先者优势。商业化是 MuleRun 的第一优先级。陈宇森并不讳言：" 我们要成为 AI 时代最大的劳动力外包公司。"在他构想的未来里，公司组织结构将彻底变化：少数人管理大量 AI Agent 完成重复性工作，成为常态。" 如果把人类大量低门槛的工作交给 Agent，MuleRun 可能就是全球最大的外包公司。"
为此，平台的目标用户并不仅是开发者，而是各行各业的专业人士。MuleRun 希望帮助那些有专业知识但缺乏代码能力的人，把知识转化为 Agent。陈宇森认为，这将催生 " 大量一人公司 "。" 过去大家是输出内容，现在可以输出能力。" 他说。
MuleRun 试图填补这一空白。但它面临的挑战同样明显，不论在技术稳定性还是在市场竞争中，初创公司能否保持优势仍不确定。陈宇森对此保持冷静：" 现在还早期。未来至少会有几十家公司竞争，那才是真正的硬仗。"
