作者：Changan I Biteye内容团队

最近一段时间，AI Agent 方向明显重新升温。

链上的 x402、AI Payment 等概念持续活跃，美股市场里，AI Infra、AI 存储、AI 数据服务相关公司也在被重新定价，市场开始重新讨论一个问题：

AI 的下一阶段，可能不只是更聪明的聊天机器人，而是真正能替人执行任务的 Agent。

但只要 Agent 开始执行任务，就一定会遇到一个现实问题：它要怎么安全地花钱？

调用 API 要钱，购买数据要钱，使用服务要钱，未来 Agent 与 Agent 之间的协作，本质上也会变成一种自动化的价值交换。

所以 AI Payment 不是一个孤立叙事，而更像是 Agent 走向真实世界前必须补上的基础能力。

带着这个问题，Biteye 实测了 Kite Passport：重点看它在购物、付费 API 调用、支付授权和消费限额几个场景下的真实表现。

四个测试，验证它是否真的能「花钱办事」

安装完 Kite Passport之后，我没有直接上手操作，而是先问了 Kite 一个最基础的问题：「请介绍一下：Kite Passport 可以做什么？」

它调用了自己的 /kite-passport skill，然后给出了四个模块的回答：

• 购物：直接搜索 Amazon 商品、比价查评分、在预算内筛选最优选项、加入购物车完成结账、追踪订单和配送状态。

• 付费 API：在 Kite 目录中查找可用的付费 API 和数据服务，通过消费会话直接调用，自动处理付款。

• 加密钱包：查看余额、向指定地址发送代币（默认 BSC 链的 USD1）、测试网领取测试币。

• 账户管理：查看历史交易记录、核查付款是否成功、管理已注册的 agent 和消费会话。

于是我根据它自己描述的能力，设计了一套测试问题，观察它更接近可用基础设施，还是仍停留在演示阶段。

1️⃣AI 能理解你真正想要什么吗？

我们做了两个方向的测试，针对的是两种完全不同的需求类型。

第一个是模糊需求：「帮我买一个适合程序员长期办公的键盘」

这里没有给任何具体参数，我想看的是 Kite 能不能从「程序员长期办公」这个描述里，自己推断出合理的筛选条件：比如静音、人体工学、无线、Mac 兼容、长时间打字友好。

这测的是 AI 是否具备意图理解能力，而不只是简单的执行关键词搜索。

第二个是复杂条件组合：「我要一个白色、75%、静音、支持 Mac、评分 4.5+ 的键盘」

这里条件给得很具体，我故意叠加了五个维度，我想看它在约束过严时怎么处理：是直接报没有结果，还是会主动权衡和妥协。

两个测试下来，Kite 在两个场景中都表现出一定的条件理解和权衡能力：

• 模糊需求：它没有只搜程序员键盘，而是自己展开了静音、人体工学、Mac 兼容这些维度。

• 复杂条件：条件太严找不到完全匹配的产品，它没有直接报没有结果，而是自动扩大范围，给出替代方案，还说明了每个方案在哪个条件上做了妥协。

2️⃣任务卡住了，它知道吗？

推荐完商品之后，继续往下测，让它「帮我买一个机械键盘，预算 50 美元以内，并自动结账」。

这里的重点不是选品，而是看它能不能真正推进一个多步骤任务，以及遇到阻碍时怎么处理。

Kite 自动选了一款符合预算的键盘加入购物车，然后去检查收货地址，发现信息不完整，随即停下来列出缺失字段，请求补全。

同时给出一个填写示例：「张三，[email protected]，123 Main St，San Francisco，CA 94102」，让我按格式一次性补全。

3️⃣AI 会选工具，不只是调工具

购物场景之后，我转向了更接近 Kite 核心定位的测试：AI 自动调用付费 API。

输入：「帮我找一个 OCR API 并自动调用。」

之所以选 OCR，是因为这个场景天然包含了 Agent 落地的几个关键环节：服务发现、工具选择、API 调用、自动支付、成本控制。

Kite 先搜索了 Service Catalog，发现没有专用 OCR API，随即给出替代方案：Claude Vision、Firecrawl、图片理解 API，三者的价格、能力差异、适用场景逐一对比，还说明了每次调用消耗多少 USDC。

这里出现了一个我认为很重要的能力：Tool Reasoning。

AI 不是在盲目调用 API，而是在判断应该调用哪个工具、为什么选这个而不是那个、这次调用要花多少钱。

4️⃣用户凭什么敢让 AI 花钱？

整个测试里，印象最深的是 Spending Session 系统。

在调用 Claude OCR 之前，Kite 创建了一个消费会话，设置了三个参数：

• 单次交易上限：1 美元

• Session 总预算：5 美元

• 到期时间：自动失效

看起来很简单，但这个设计解决的是 AI Payment 最根本的问题：「用户凭什么敢让 AI 花钱？」

过去这个问题没有好答案：直接授予 Agent 完整钱包权限会带来较高资产安全风险，每次都手动确认又失去了自动化的意义。

Kite 的方案是：给 AI 一个临时的、有限的、可撤销的消费授权。

用户不是把私钥交给 AI，而是开一个受控的消费窗口，Agent 可以在预设预算、单笔上限和有效期内尝试执行付费动作，超出授权范围则需要重新确认。

这套逻辑很像给信用卡设置单笔限额和月度上限，只不过被授权的对象从人变成了 AI Agent。

写在最后：Kite 真正做的不是支付，而是 AI 的行动权限层

整个体验下来，我最大的感受是：Kite Passport 做的是 AI 购物、API 调用、链上支付和消费会话，但实际上它真正想解决的其实是未来 AI Agent 最关键的问题：

「当 AI 不再只是回答问题，而是开始替人执行任务时，我们该如何给它权限？」

过去的 AI 更像一个信息系统，它可以帮你分析、推荐、总结、生成内容，但最后真正执行动作的人，仍然是用户自己。

而 Agent 时代不一样，未来的 AI 会主动完成任务：

• 帮你订阅工具

• 调用付费 API

• 购买数据

• 处理文件

这意味着 AI 必然会进入支付环节，因为只要 AI 要真正做事，就一定会遇到资源消耗和价值交换。

API 要钱，数据要钱，算力要钱，服务调用要钱，现实世界的商品和服务也要钱，所以，AI 和 Payment 的结合不是一个可选项，而是 Agent 走向现实世界的重要基础环节。

Kite 现在做的就是在搭这套机制：Spending Session 本质上是在给 AI 划定一个受信任的经济行为边界，在这个边界内 AI 可以自主执行，边界之外需要重新授权。

这个思路一旦成熟，AI Agent 才真正具备了在现实世界独立行动的条件。

风险提示：本文仅基于当前可见产品流程进行体验记录，不代表对 Kite Passport 安全性、资金托管机制、智能合约或支付授权系统的完整审计。涉及链上钱包、API 付费和消费授权的功能仍需关注权限边界、误调用、资产安全和规则变化风险。