Исследование AI Agent в области Web3: от Manus до MC

На днях продукт универсального AI-агента под названием Manus привлек широкое внимание. Будучи первым продуктом такого рода в мире, Manus продемонстрировал мощные способности к самостоятельному мышлению, планированию и выполнению сложных задач, предоставляя ценные идеи и вдохновение для разработки AI-агентов. С быстрым развитием технологий AI, AI-агенты, как важная ветвь искусственного интеллекта, постепенно переходят от концепции к реальности и демонстрируют огромный потенциал применения в различных отраслях, и индустрия Web3 не является исключением.

AI Agent — это компьютерная программа, способная принимать решения и выполнять задачи самостоятельно на основе окружающей среды, входных данных и предопределенных целей. Его основными компонентами являются большая языковая модель (LLM) в качестве "мозга", механизмы наблюдения и восприятия, процессы рассуждения и мышления, выполнение действий, а также память и поиск. Дизайнерские модели AI Agent имеют две основные линии развития: одна ориентирована на планирование, а другая — на рефлексию.

Режим ReAct является одной из первых и наиболее широко используемых моделей дизайна AI Agent. Он решает разнообразные языковые задачи рассуждения и принятия решений, сочетая рассуждение в языковой модели (Reasoning) и действие (Acting). Его типичный процесс можно описать как цикл мыслей (Thought) → действий (Action) → наблюдений (Observation).

AI Agent также может быть разделен на Single Agent и Multi Agent в зависимости от количества агентов. Основная идея Single Agent заключается в сочетании LLM и инструментов, в то время как Multi Agent назначает разные роли различным агентам, чтобы завершить сложные задачи посредством совместного сотрудничества между агентами.

Модельный Контекст Протокол (MCP) является открытым протоколом, предназначенным для решения проблем соединения и взаимодействия LLM с внешними источниками данных. MCP предоставляет три возможности для расширения LLM: Ресурсы(, Расширение Знаний), Инструменты( для выполнения функций, вызова внешних систем) и Подсказки( для предопределенных шаблонов подсказок).

В индустрии Web3 развитие AI Agent в основном сосредоточено на трех моделях: модель запуска платформы, модель DAO и модель коммерческой компании. Среди них модель запуска платформы в настоящее время наиболее вероятно может достичь самодостаточного экономического замкнутого цикла. Однако эта модель также сталкивается с проблемой недостаточной привлекательности активов.

Появление MCP открывает новые направления для AI-агентов Web3. Во-первых, развертывание MCP-сервера в блокчейн-сети решает проблему единой точки отказа и обеспечивает устойчивость к цензуре; во-вторых, MCP-сервер получает возможность взаимодействовать с блокчейном, что снижает технический барьер. Кроме того, существует план по созданию сети стимулов для создателей OpenMCP.Network на основе Ethereum.

Несмотря на то, что теоретически сочетание MCP и Web3 может внедрить механизм децентрализованного доверия и уровень экономических стимулов в приложения AI Agent, текущий уровень технологий пока не позволяет полностью реализовать это видение. Технология нулевых доказательств затрудняет верификацию истинности поведения Agent, а децентрализованные сети также имеют проблемы с эффективностью.

Слияние AI и Web3 является неизбежной тенденцией. Несмотря на то, что в настоящее время мы сталкиваемся с множеством вызовов, нам необходимо сохранять терпение и уверенность, продолжая исследовать потенциал этой области. В будущем в мире Web3 может появиться знаковый продукт, который развеет сомнения внешних наблюдателей о практичности Web3 и будет способствовать развитию всей отрасли.