Дослідження AI Agent у сфері Web3: від Manus до MCP

Нещодавно в китайському технологічному середовищі обговорюють запуск першого у світі універсального AI Agent продукту під назвою Manus. Цей продукт був розроблений китайською стартап-компанією, і вже в перший день після запуску спостерігалася надзвичайна популярність, коли код для запрошення важко було дістати. Як універсальний AI Agent, Manus демонструє потужні можливості незалежного мислення, планування та виконання складних завдань, здатний самостійно завершити весь процес від ідеї до доставки.

Поява Manus не лише привернула увагу в галузі, але й надала цінні ідеї для розробки AI Agent. З швидким розвитком технологій штучного інтелекту AI Agent, як важлива гілка штучного інтелекту, поступово переходить від концепції до реальних застосувань, демонструючи величезний потенціал у всіх сферах, і Web3 не є винятком.

AI Agent є комп'ютерною програмою, яка здатна автономно приймати рішення та виконувати завдання на основі середовища, вхідних даних і попередньо визначених цілей. Його основні компоненти включають великі мовні моделі (LLM) як "мозок", механізми спостереження та сприйняття, процеси міркування, здатність виконувати дії, а також функції пам'яті та витягування.

! Чат з Manus і MCP: Web3 Crossover Exploration of AI Agent

Основні моделі проектування AI Agent мають два шляхи розвитку: перший - акцент на плануванні, включаючи REWOO, Plan & Execute, LLM Compiler та ін.; другий - акцент на рефлексії, включаючи Basic Reflection, Reflexion, Self Discover, LATS тощо. Серед них, модель ReAct є найранішою та найширше використовуваною моделлю проектування.

Режим ReAct вирішує різноманітні завдання мовного розуміння та прийняття рішень шляхом поєднання міркування (Reasoning) та дій (Acting) в мовних моделях. Типовий процес можна описати циклом "думати→діяти→спостерігати" (TAO).

AI Agent також можна розділити на Single Agent і Multi Agent в залежності від кількості агентів. Single Agent зосереджується на поєднанні LLM і інструментів, тоді як Multi Agent наділяє різних агентів різними ролями, щоб спільно виконувати складні завдання.

Модельний контекст-протокол (MCP) є відкритим протоколом, розробленим компанією Anthropic, який має на меті вирішення проблем з'єднання та взаємодії LLM з зовнішніми джерелами даних. MCP надає три можливості: розширення знань, виконання викликів функцій та попередньо написані шаблони підказок, використовуючи архітектуру клієнт-сервер, а на нижньому рівні використовує протокол JSON-RPC.

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

У сфері Web3 розвиток AI Agent пройшов через піки та спади. Наразі існує три основні моделі: модель платформ запуску, представлена Virtuals Protocol, модель DAO, представлена ElizaOS, а також модель комерційних компаній, представлена Swarms.

Платформа запуску дозволяє користувачам створювати, впроваджувати та монетизувати AI Agent. Virtuals Protocol є найбільшою платформою запуску на сьогодні, на якій випущено понад сто тисяч Agent. Модель DAO, така як ElizaOS, має на меті використовувати AI моделі для моделювання інвестиційних рішень та поєднувати їх з пропозиціями членів DAO для здійснення інвестицій. Swarms є корпоративною Multi Agent платформою, яка вирішує складні бізнес-вимоги за допомогою розумної оркестрації та ефективної співпраці.

З точки зору економічної моделі, наразі лише платформи запуску можуть реалізувати самодостатнє економічне коло. Однак ця модель також стикається з викликами, головним чином через те, що випущені AI Agent в основному не мають внутрішньої ціннісної підтримки.

Поява MCP відкриває нові напрямки досліджень для AI Agent у Web3: по-перше, розгортання MCP Server у блокчейн-мережі, що вирішує проблему єдиної точки збоїв і має здатність до цензури; по-друге, надання MCP Server можливості взаємодії з блокчейном, такої як здійснення DeFi-транзакцій та управління.

Крім того, є пропозиція щодо створення мережі стимулювання творців OpenMCP.Network, заснованої на Ethereum. Ця пропозиція має на меті реалізацію автоматизації стимулів, прозорості, надійності та стійкості до цензури за допомогою смарт-контрактів, а також використання технологій Ethereum-гаманців, ZK та інших для забезпечення підпису, перевірки прав доступу та захисту конфіденційності під час роботи.

Хоча поєднання MCP з Web3 теоретично може надати AI Agent застосуванням децентралізований механізм довіри та економічні стимули, нинішні технології нульових знань все ще важко перевіряють правдивість поведінки Agent, а децентралізовані мережі все ще мають проблеми з ефективністю. Це не є рішенням, яке може бути успішним у короткостроковій перспективі.

Випуск Manus позначає важливий етап у розвитку продукту загального AI Agent. Світ Web3 також потребує продукту-етапу, щоб розвіяти зовнішні сумніви щодо його практичності, які базуються лише на спекуляціях. Поява MCP відкриває нові напрямки для AI Agent у Web3, включаючи розгортання в блокчейн-мережах, реалізацію взаємодії з блокчейном та створення мережі стимулювання для творців.

Штучний інтелект як грандіозна історична нарація неминуче інтегрується з Web3. Нам потрібно зберігати терпіння і впевненість, продовжуючи досліджувати розвиток цієї сфери.