最近 StartupHub.ai 写了一篇关于 21st.dev 的公司分析。按原文说法，21st.dev 原本是一个面向 design engineers 的 React component registry，已经触达约 140 万开发者；现在它开始把重心转向 Agents SDK，提供 managed sandboxes、streaming、credential proxy 和 observability 等 Agent 基础设施。
这件事乍看像是一个创业公司改方向：从组件库转去做更性感的 AI Agent。
但我觉得它更该被放进 AI 编程工具演化的链条里看：当 AI 已经能写 UI、补接口、改 bug、跑脚本之后，稀缺点正在从“生成代码”转到“把任务安全、稳定、可审计地跑在真实用户面前”。
AI 会写组件之后，值钱的是沙箱。
从组件库到 Agent SDK，看起来跳跃，其实很顺
21st.dev 最早解决的是一个很前端的问题：开发者需要可复制、可改造、适合现代 AI 产品的 React 组件。
这条路不难理解。过去几年，shadcn/ui、Tailwind CSS、Radix UI 这类工具改变了前端组件的分发方式。开发者越来越喜欢“把代码复制到自己项目里”，而不是安装一个黑盒 UI 库。因为复制进去之后，代码就是自己的，可以改，可以删，可以适配项目风格，也没有运行时依赖和授权焦虑。
21st.dev 做的事情，大致就是把这种模式进一步社区化、搜索化、面向 AI 应用场景化。比如聊天界面、prompt box、流式消息、session history、输入框动画，这些都是今天 AI 产品里高频出现的 UI 模块。
如果只看到这里，它像是一个 AI 时代的组件分发平台。
但问题是：当 AI 编程工具越来越强，组件本身的稀缺性会下降。
以前，一个漂亮的 chat UI、一个复杂的 settings panel、一个能跑起来的 dashboard，可能需要前端工程师花半天甚至几天。现在 Claude Code、Cursor、Codex 这类工具已经能很快生成第一版。组件库当然还有价值，但它从“节省开发时间的核心资产”，逐渐变成“提高起步质量和审美一致性的辅助资产”。
如果 AI 能快速写出 UI，那么下一个瓶颈就会往后移动。
前端页面有了，用户输入有了，模型调用有了，Agent 开始执行任务时，麻烦才集中出现：它要在哪里运行？能访问什么文件？能不能拿用户凭证？失败时怎么追踪？循环调用工具把成本烧上去怎么办？多个用户同时使用时，状态怎么隔离？
这些问题都不是组件库能解决的。
当 AI 已经能快速生成 UI，工具公司就得沿着链路继续往后走：从“帮你把界面搭起来”，走到“帮你把 Agent 跑起来”。
AI 编程的瓶颈，正在从生成转向执行
过去一年，开发者讨论 AI 编程时，最常见的问题是：哪个工具写代码更好？Claude Code、Cursor、Codex、Antigravity 谁更强？哪个模型更会修 bug？哪个上下文更长？
这些问题当然重要，但它们仍然停留在“生成”层。
生成层关心的是：模型能不能根据需求写出正确代码。
生产层关心的是另一组问题：这些代码和工具调用能不能在真实环境里安全执行。
一个本地 demo 可以很随意。你在自己的电脑上跑 Claude Code，让它改文件、装依赖、执行测试，出了问题最多回滚一下。即使它把目录弄乱了，也只是你自己的工作区。
但如果你做的是一个面向外部用户的 AI Agent 产品，情况完全不同。
用户让 Agent 分析仓库、生成代码、运行脚本、调用第三方 API、读取私有数据。每一步都有风险。它不能和其他用户共用不干净的运行环境，不能把 A 用户的文件泄露给 B 用户，不能让模型在上下文里看到原始 API key，也不能在执行失败后只留下一句“出错了”。
这就是 21st.dev 这类 Agent 基础设施想切入的地方。
原文提到的几个模块，其实正好对应 Agent 产品从玩具到生产的关键门槛。
第一个是 sandboxed execution。Agent 需要一个隔离环境来运行代码和工具调用。这个环境最好每次会话独立创建，用完销毁。它不能污染其他 session，也不能留下不可控状态。原文提到 21st.dev 使用 E2B microVM 作为隔离基础，再在上层管理 session 生命周期、warm pool 和 API 表面。
第二个是 streaming infrastructure。好用的 Agent 产品不能让用户盯着一个 loading 圈等几分钟。模型 token、工具调用、执行日志、阶段性结果，都需要实时返回给前端。看起来只是 SSE 或 WebSocket，实际到了生产环境，会遇到断连、半截 JSON、重试、顺序错乱、客户端状态同步等一堆细碎问题。
第三个是 credential proxy。这个点尤其关键。很多 Agent 的价值来自“代替用户操作外部系统”，比如 GitHub、Linear、Slack、Stripe、数据库、云服务。但如果直接把用户 API key 塞进模型上下文或执行环境，安全边界会非常糟糕。更合理的方式是让代理层在网络请求层注入凭证，Agent 本身不直接持有原始 secret。
第四个是 observability。Agent 不是普通函数调用。它可能连续推理、循环调用工具、生成中间文件、执行命令、再根据结果改计划。出错时，你不能只看最终错误栈，而要知道它在哪一步开始偏离，调用了什么工具，花了多少 token，为什么进入循环。可观测性既是调试工具，也是成本控制和计费系统的基础。
这些能力听起来都不如“一个会写代码的模型”酷，但它们决定了 Agent 能不能进入生产。
为什么前端工具公司会看到这个机会
21st.dev 这个转向有意思的地方在于，它不是从云基础设施或 DevOps 领域切进来的，而是从前端组件库切进来的。
这条路径并不奇怪。
AI Agent 的第一批产品，很多会从前端和应用层长出来，而不是从底层 infra 长出来。一个团队先做聊天界面、任务面板、代码生成体验、工作流编辑器，然后很快发现：界面只是开始，背后的执行系统才麻烦。
前端产品天然离用户更近，也更早感受到“体验断裂”。
用户点击“生成项目”之后，不关心你用了什么模型，也不关心你后端怎么调度。他只关心这个任务能不能跑、日志能不能看、失败能不能恢复、权限是否安全、结果是否可复现。
这就让前端工具公司有机会沿着用户体验往基础设施下沉。
它们不是先卖一个抽象的 sandbox API，而是先拥有开发者入口。21st.dev 的组件 registry 如果确实已经积累了大量开发者使用，那么它就有一个很自然的漏斗：开发者先来找 AI 产品组件，复制代码，搭出界面；当他们开始把 Agent 产品推向真实用户时，就会遇到运行、隔离、凭证和观测问题；这时 Agents SDK 就成了顺手的下一步。
这比冷启动卖 infra 要轻得多。
开发者工具里，分发往往比技术更难。很多基础设施产品不是因为不好用而失败，而是因为开发者根本不知道它，或者没有在合适的时刻遇到它。组件库本身也许不是最终商业化重心，但它可以成为入口和信任资产。
这家公司案例最值得拆的地方也在这里：registry 负责分发，SDK 负责变现。
Agent 基础设施到底难不难？
从纯技术角度看，21st.dev 做的东西并不是不可复制。
沙箱可以基于 E2B、Firecracker、容器或其他隔离方案；流式输出可以基于 SSE；凭证代理可以用成熟的 token vault 和请求代理模式；可观测性也有 OpenTelemetry、日志系统、trace viewer 等大量现成经验。
所以这不是一个“只有他们能做”的硬科技壁垒。
难点在组合。
做一个 sandbox demo 不难。接一个 LLM streaming API 也不难。保存工具调用日志仍然不难。难的是在多租户、真实用户、高并发、可计费、可调试、可回滚的环境下，把这些东西组合成一个开发者愿意依赖的生产系统。
更难的是信任。
如果一个 SDK 只是帮你渲染按钮，迁移成本很低。不好用就删掉，换另一个组件。
但如果一个 SDK 接管了你的 Agent 运行环境、凭证代理、执行日志和计费数据，它就会嵌入你的生产架构。你不会轻易替换它，也不会轻易采用它。
这类基础设施的商业逻辑通常是：早期获客很难，一旦进入生产就很黏。
所以 21st.dev 的挑战不是“能不能做出一个 SDK”，而是“能不能让开发者相信它足够稳定，值得把生产 Agent 放上去”。
它原来的开发者社区就变得很重要。社区不是装饰，而是降低信任成本的方式。一个完全陌生的 infra 公司说自己能托管你的 Agent，你会谨慎；一个你已经用过它组件、看过它代码、在社区里见过别人使用的开发者品牌，说自己把踩过的坑产品化了，接受度会高一些。
这和 Claude Code、Cursor、Antigravity 有什么关系
很多人会把这类新闻直接理解成“又一个 Claude Code 竞争者”。我觉得这个理解不太准确。
Claude Code、Cursor、Codex、Antigravity 主要解决的是开发者如何与代码库协作。它们是工作台、IDE、CLI、agentic coding environment。
21st.dev 这类 Agent infrastructure 更像是面向“要把 Agent 能力嵌进自己产品里的开发团队”。
前者帮你开发软件，后者帮你交付一个会执行任务的软件。
当然，两者会越来越靠近。
当 Claude Code 这类工具越来越强，开发者会开始想：能不能把类似能力放进我的 SaaS？能不能让用户在我的产品里也拥有一个能改配置、查数据、跑流程、调用接口的 Agent？这时需要的就不是一个本地 CLI，而是一整套托管执行层。
Agent 生态未来可能会分成几层。
模型层提供推理能力。工作台层提供人机协作界面。工具协议层让 Agent 调用外部能力。执行基础设施层负责沙箱、权限、观测和计费。应用层再把这些能力包装成具体场景。
今天很多产品还把这些层混在一起。一个创业团队做 Agent，既要写前端，又要接模型，又要设计工具调用，又要处理执行环境，还要做日志和账单。结果很容易变成每家都重复造同一套不稳定轮子。
如果 21st.dev 这类公司能把执行层抽出来，它们就会成为 Agent 应用爆发前的“水电煤”。
对国内 AI 工具创业的启发：别只做壳，要做执行层
这个案例对国内 AI 工具创业也有参考价值。
过去一年，很多 AI 产品的形态都太像“壳”：套一个模型，做一个聊天界面，加一些 prompt 模板，再包装成某个垂直场景。短期能上线，长期很容易同质化。
Agent 时代的壳会更快贬值。因为 UI 可以生成，prompt 可以复制，模型能力会外溢，用户对“又一个聊天框”的耐心越来越低。
更有价值的部分，往往藏在那些不容易展示、但真实影响交付的地方。
比如执行环境。你的 Agent 能不能安全地跑代码、改文件、调用系统？
比如权限模型。它能访问什么，不能访问什么，用户如何授权，企业如何审计？
再比如状态、记忆和可观测性。它能不能记住项目上下文，同时避免错误记忆长期污染？它做了什么、为什么这么做、哪里失败、花了多少钱，能不能被追踪？
最后是交付闭环。它不只是生成建议，还要能完成任务、提交结果、等待批准、必要时回滚。
这些东西不一定适合做成最炫的发布视频，但它们决定产品能不能从 demo 进入生产。
如果一个团队只做“AI 帮你生成页面”，它很快会被模型能力吞掉。如果它能做“AI 生成之后，安全运行、持续调试、可控交付”，价值就厚很多。
21st.dev 的转向，其实是在回答这个问题：当 AI 把前端生产力大幅拉平之后，一个前端工具公司还能往哪里走？
它给出的答案是：往执行层走。
组件不是终点，运行时才是战场
我不确定 21st.dev 最后一定能赢。Agent 基础设施这个方向会很拥挤，模型厂商、云厂商、IDE 公司、开源框架、企业 SaaS 都可能往里挤。
OpenAI 和 Anthropic 可以从模型层往下做工具和执行环境；Cloudflare、Vercel、AWS 可以从云平台往上做 Agent runtime；Cursor、Google Antigravity 这类工作台也可能把托管执行能力纳入自己的产品。
21st.dev 的机会在于，它从开发者社区和前端应用场景出发，可能更懂 AI 产品开发者最早遇到的具体痛点。
这不是一个“技术最难者胜”的市场，而是一个“谁先在正确入口建立信任，谁就有机会变成默认选项”的市场。
过去，前端基础设施的默认选项可能是 npm、Vercel、shadcn/ui、Tailwind。未来，如果 AI Agent 真的进入大量应用，新的默认选项可能会出现在 sandbox、credential proxy、tool-call tracing、agent observability 这些看起来很底层的地方。
AI 编程先让代码更容易被生成。
接着，它会逼着团队重新处理维护问题。
再往后，会执行任务的 Agent 要安全进入生产。
21st.dev 的转向说明，已经有人在下注第三件事。
这也是为什么我觉得这个案例值得写。它不是一个普通的“公司 pivot”故事，而是一个信号：AI 工具的价值正在从“帮你写出来”，迁移到“帮你跑得住”。