Исследование AI Agent в области Web3: от Manus до MC

Недавно продукт под названием Manus, первый в мире универсальный AI-агент, вызвал широкий интерес. Как AI-система, способная самостоятельно мыслить, планировать и выполнять сложные задачи, Manus продемонстрировала беспрецедентную универсальность и исполнительные способности. Это не только вызвало горячие обсуждения в отрасли, но и предоставило ценную идею для разработки и вдохновения для дизайна различных AI-агентов.

С быстрым развитием технологий ИИ, AI Agent как важная ветвь области искусственного интеллекта постепенно переходит от концепции к реальности и демонстрирует огромный потенциал применения в различных отраслях, включая Web3.

Основные концепции AI Agent

AI Agent — это компьютерная программа, способная самостоятельно принимать решения и выполнять задачи в зависимости от окружения, входных данных и предопределенных целей. Его основные составные части включают:

1. Большие языковые модели (LLM) как "мозг"
2. Наблюдение и механизмы восприятия
3. Процесс логического мышления
4. Способность к выполнению действий
5. Функции памяти и извлечения

Основные направления разработки дизайна AI Agent имеют два пути: один сосредоточен на способности к планированию, а другой - на способности к рефлексии. Среди них, режим ReAct является самым ранним и широко применяемым дизайном. ReAct решает разнообразные задачи языкового вывода и принятия решений, сочетая рассуждение (Reasoning) и действие (Acting) в языковой модели. Типичный процесс можно описать как цикл "Мыслить→Действовать→Наблюдать".

В зависимости от количества агентов, AI Agent можно разделить на Single Agent и Multi Agent. Основная идея Single Agent заключается в сочетании LLM и инструментов, в то время как Multi Agent наделяет различных агентов разными ролями, выполняя сложные задачи через совместное сотрудничество.

Введение в протокол MCP

Модельный Контекстный Протокол (MCP) — это открытый протокол, разработанный компанией Anthropic, предназначенный для решения проблем соединения и взаимодействия LLM с внешними источниками данных. MCP предоставляет три возможности для расширения LLM: Ресурсы (расширение знаний), Инструменты (выполнение функций, вызов внешних систем) и Подсказки (предварительно написанные шаблоны подсказок).

Протокол MCP использует архитектуру Client-Server, а для нижнего уровня передачи применяется протокол JSON-RPC. Любой может разрабатывать и хостить MCP Server, и в любое время может отключить его и остановить обслуживание.

! Чат с Манусом и MCP: исследование Web3-кроссовера AI Agent

Состояние AI-агентов в Web3

В индустрии Web3 интерес к AI Agent значительно снизился после достижения пика в январе этого года, а общая рыночная стоимость сократилась более чем на 90%. В настоящее время проекты, которые все еще остаются на слуху, в основном сосредоточены на исследовании Web3 в рамках AI Agent, включая три основные модели:

1. Режим стартовой платформы: представляет собой Virtuals Protocol
2. Модель DAO: представляющая ElizaOS
3. Модель коммерческой компании: представленная Swarms

С точки зрения экономической модели, в настоящее время только модель платформы запуска может обеспечить самодостаточный экономический замкнутый цикл. Однако эта модель также сталкивается с вызовами, в первую очередь, выпущенные активы AI Agent должны обладать достаточной "привлекательностью", чтобы сформировать положительное вращение.

! Беседа с Манусом и MCP: трансграничное исследование ИИ в Web3

Направления исследований MCP в области Web3

Появление MCP открыло новые направления для исследований AI Agent в Web3, в основном включая:

1. Разверните сервер MCP в блокчейн-сети, чтобы решить проблему единой точки и обеспечить устойчивость к цензуре.
2. Предоставить MCP Server возможность взаимодействия с блокчейном, например, для осуществления DeFi-транзакций и управления, снизив технический порог.

Кроме того, существует решение, основанное на Ethereum, для создания сети стимулов для создателей OpenMCP.Network. Эта сеть направлена на автоматизацию, прозрачность, доверие и устойчивость к цензуре стимулов с помощью смарт-контрактов, а также использует технологии Ethereum, такие как кошельки и ZK, для реализации подписей, проверки прав и защиты конфиденциальности в процессе работы.

Несмотря на то, что теоретически сочетание MCP и Web3 может внедрить децентрализованный механизм доверия и экономические стимулы в приложения AI Agent, текущие технологии все еще имеют некоторые ограничения, такие как сложности в проверке истинности поведения агента с помощью технологии доказательства с нулевым разглашением (ZKP) и проблемы эффективности децентрализованных сетей.

Заключение

Выпуск Manus знаменует собой важную веху в продукте универсального AI-агента. Миру Web3 также нужен продукт-этап, чтобы развеять сомнения внешних наблюдателей относительно практичности Web3. Появление MCP открывает новые направления для AI-агента в Web3, хотя в настоящее время он все еще сталкивается с множеством вызовов. Однако интеграция AI и Web3 является неизбежной тенденцией. Нам нужно сохранять терпение и уверенность, продолжая исследовать возможности в этой области.