Перехресні дослідження AI Agent у сфері Web3: від Manus до MC

Нещодавно універсальний AI агент продукт під назвою Manus привернув широку увагу. Як перший у світі продукт такого типу, Manus продемонстрував потужні можливості незалежного мислення, планування та виконання складних завдань, надаючи цінні ідеї та дизайнерське натхнення для розробки AI агентів. Зі стрімким розвитком технологій AI, AI агенти як важлива гілка штучного інтелекту поступово переходять від концепції до реальності, демонструючи величезний потенціал застосування в різних галузях, включаючи Web3.

AI Agent є комп'ютерною програмою, яка здатна самостійно приймати рішення та виконувати завдання на основі середовища, вхідних даних та попередньо визначених цілей. Його основними компонентами є велика мовна модель (LLM) як "мозок", механізми спостереження та сприйняття, процеси міркування, виконання дій, а також пам'ять і пошук. Основні моделі дизайну AI Agent мають два основні напрямки розвитку: один зосереджується на плануванні, інший - на рефлексії.

ReAct режим є найранішим і найпоширенішим дизайном AI Agent. Він вирішує різноманітні мовні міркування та завдання ухвалення рішень, комбінуючи міркування (Reasoning) та дії (Acting) з мовної моделі. Типовий процес можна описати як цикл: думка (Thought) → дія (Action) → спостереження (Observation).

AI Agent також можна поділити на Single Agent і Multi Agent в залежності від кількості агентів. Основна суть Single Agent полягає в поєднанні LLM і інструментів, тоді як Multi Agent надає різним агентам різні ролі, виконуючи складні завдання через співпрацю між агентами.

! Чат з Manus і MCP: дослідження кросовера Web3 від AI Agent

Модель Контекст Протокол (MCP) є відкритим протоколом, що має на меті вирішення проблеми з'єднання та взаємодії між LLM та зовнішніми джерелами даних. MCP надає три можливості для розширення LLM: Ресурси( розширення знань), Інструменти( виконання функцій, виклик зовнішніх систем) та Підказки( попередньо написані шаблони підказок).

У сфері Web3 розвиток AI Agent в основному зосереджений на трьох моделях: модель запуску платформи, модель DAO та модель комерційної компанії. Серед них модель запуску платформи наразі найбільш імовірно може реалізувати економічний замкнутий цикл. Проте ця модель також стикається з проблемою недостатньої привабливості активів.

Поява MCP відкриває нові напрямки для дослідження AI Agent у Web3. По-перше, розгортання MCP Server в блокчейн-мережі вирішує проблему єдиного пункту та забезпечує стійкість до цензури; по-друге, MCP Server має можливість взаємодії з блокчейном, що знижує технологічний бар’єр. Крім того, існує схема створення мережі мотивації для творців OpenMCP.Network на базі Ethereum.

Хоча теоретично поєднання MCP і Web3 може впровадити децентралізований механізм довіри та економічні стимули для застосування AI Agent, поточний рівень технологій ще не дозволяє повністю реалізувати це бачення. Технологія нульових знань важко перевіряє справжність поведінки агентів, а децентралізовані мережі також мають проблеми з ефективністю.

Поєднання AI та Web3 є невідворотним трендом. Хоча наразі ми стикаємося з багатьма викликами, нам потрібно зберігати терпіння та віру, продовжуючи досліджувати потенціал цієї сфери. У майбутньому в світі Web3 може з'явитися знаковий продукт, який спростує зовнішні сумніви щодо відсутності практичності Web3, сприяючи розвитку цілої галузі.

! Чат з Manus і MCP: транскордонне дослідження AI Agent Web3