Eksplorasi AI Agent di bidang Web3: dari Manus ke MC

Baru-baru ini, sebuah produk AI Agent umum pertama di dunia yang bernama Manus menarik perhatian luas. Sebagai sistem AI yang mampu berpikir secara mandiri, merencanakan, dan melaksanakan tugas kompleks, Manus menunjukkan kemampuan dan keserbagunaan yang belum pernah ada sebelumnya. Ini tidak hanya memicu perdebatan hangat di industri, tetapi juga memberikan ide produk dan inspirasi desain yang berharga bagi pengembangan berbagai AI Agent.

Dengan perkembangan pesat teknologi AI, AI Agent sebagai cabang penting dalam bidang kecerdasan buatan, secara bertahap bergerak dari konsep ke realitas, dan menunjukkan potensi aplikasi yang besar di berbagai industri, termasuk industri Web3.

Konsep Dasar AI Agent

AI Agent adalah program komputer yang mampu membuat keputusan dan melaksanakan tugas secara mandiri berdasarkan lingkungan, input, dan tujuan yang telah ditentukan sebelumnya. Komponen inti yang terdiri dari:

1. Model bahasa besar (LLM) sebagai "otak"
2. Mekanisme Pengamatan dan Persepsi
3. Proses Pemikiran Inferensial
4. Kemampuan Eksekusi Tindakan
5. Fungsi Memori dan Pengambilan

Model desain AI Agent memiliki dua jalur pengembangan utama: satu lebih menekankan kemampuan perencanaan, sementara yang lainnya lebih menekankan kemampuan refleksi. Di antara keduanya, model ReAct adalah model desain yang paling awal muncul dan paling luas digunakan. ReAct memecahkan berbagai tugas penalaran bahasa dan pengambilan keputusan dengan menggabungkan penalaran (Reasoning) dan tindakan (Acting) dalam model bahasa. Proses tipikalnya dapat digambarkan dengan siklus "berpikir→bertindak→mengamati".

Berdasarkan jumlah agen, AI Agent dibagi menjadi Single Agent dan Multi Agent. Inti dari Single Agent terletak pada kolaborasi antara LLM dan alat, sementara Multi Agent memberikan peran yang berbeda kepada masing-masing agen, untuk menyelesaikan tugas kompleks melalui kerjasama.

Pengenalan Protokol MCP

Model Context Protocol (MCP) adalah protokol sumber terbuka yang diluncurkan oleh perusahaan Anthropic, yang bertujuan untuk menyelesaikan masalah koneksi dan interaksi antara LLM dan sumber data eksternal. MCP menyediakan tiga kemampuan untuk memperluas LLM: Resources (ekspansi pengetahuan), Tools (menjalankan fungsi, memanggil sistem eksternal), dan Prompts (template kata kunci yang telah ditulis sebelumnya).

Protokol MCP menggunakan arsitektur Client-Server, dengan transportasi dasar menggunakan protokol JSON-RPC. Siapa saja dapat mengembangkan dan meng-host Server MCP, dan dapat menghentikan layanan kapan saja.

Status AI Agent dalam Web3

Dalam industri Web3, popularitas AI Agent mencapai puncaknya pada bulan Januari tahun ini dan mengalami penurunan drastis, dengan total nilai pasar menyusut lebih dari 90%. Saat ini, proyek-proyek yang masih diperbincangkan terutama berfokus pada eksplorasi Web3 menggunakan kerangka AI Agent, yang terdiri dari tiga model utama:

1. Mode Platform Peluncuran: diwakili oleh Protokol Virtuals
2. Mode DAO: diwakili oleh ElizaOS
3. Model Perusahaan Komersial: diwakili oleh Swarms

Dari sudut pandang model ekonomi, saat ini hanya model platform peluncuran yang dapat mewujudkan siklus ekonomi mandiri. Namun, model ini juga menghadapi tantangan, terutama karena aset AI Agent yang diterbitkan perlu memiliki "daya tarik" yang cukup untuk membentuk roda penerbangan positif.

Arah Eksplorasi MCP di Bidang Web3

Kemunculan MCP memberikan arah eksplorasi baru bagi AI Agent di Web3, yang terutama mencakup:

1. Menyebarkan Server MCP ke jaringan blockchain, menyelesaikan masalah titik tunggal dan memiliki kemampuan anti-sensor.
2. Memberikan fungsi interaksi antara MCP Server dan blockchain, seperti melakukan transaksi DeFi dan manajemen, serta menurunkan ambang teknis.

Selain itu, ada juga solusi untuk jaringan insentif kreator OpenMCP.Network yang dibangun di atas Ethereum. Jaringan ini bertujuan untuk mewujudkan otomatisasi, transparansi, kepercayaan, dan ketahanan terhadap sensor insentif melalui kontrak pintar, sambil memanfaatkan teknologi dompet Ethereum, ZK, dan lainnya untuk melakukan tanda tangan, verifikasi hak akses, dan perlindungan privasi selama proses operasional.

Meskipun secara teori kombinasi MCP dan Web3 dapat memberikan mekanisme kepercayaan terdesentralisasi dan lapisan insentif ekonomi untuk aplikasi AI Agent, saat ini masih ada beberapa batasan teknis, seperti kesulitan dalam memverifikasi kebenaran perilaku Agent dengan teknologi bukti nol pengetahuan (ZKP), serta masalah efisiensi jaringan terdesentralisasi.

Kesimpulan

Peluncuran Manus menandai tonggak penting bagi produk Agen AI umum. Dunia Web3 juga membutuhkan produk tonggak untuk mematahkan keraguan luar mengenai kurangnya kegunaan Web3. Kehadiran MCP membawa arah eksplorasi baru untuk Agen AI Web3, meskipun saat ini masih menghadapi banyak tantangan, namun penggabungan AI dan Web3 adalah tren yang tak terhindarkan. Kita perlu tetap sabar dan percaya diri, serta terus menjelajahi kemungkinan di bidang ini.