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

Нещодавно одна китайська стартап-компанія представила перший у світі універсальний продукт AI Agent під назвою Manus, що викликало широкий інтерес. Як універсальний AI Agent, Manus має здатність самостійно виконувати повний процес завдань, від планування до виконання, такі як написання звітів, створення таблиць тощо. Він не лише може генерувати ідеї, але й самостійно мислити та вживати дій, демонструючи безпрецедентну універсальність і виконавчу здатність.

Популярність Manus не тільки привернула увагу в індустрії, але й надала цінні ідеї для розробки продуктів та дизайну різних AI Agent. З швидким розвитком AI технологій, AI Agent, як важлива гілка штучного інтелекту, поступово переходить від концепції до реальності та демонструє величезний потенціал застосування в різних сферах, а індустрія Web3 не є винятком.

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

Огляд AI Agent

AI Agent є комп'ютерною програмою, яка здатна самостійно приймати рішення та виконувати завдання на основі середовища, вводу та попередньо визначених цілей. Його основні складові частини включають:

1. Велика мовна модель (LLM): "мозок" агента, що обробляє інформацію, навчається, приймає рішення та виконує дії.
2. Спостереження та механізми сприйняття: дозволяють агенту сприймати навколишнє середовище.
3. Процес розумового мислення: аналіз результатів спостереження та змісту пам'яті, розгляд можливих дій.
4. Виконання дій: конкретна реакція на роздуми та спостереження.
5. Пам'ять та пошук: зберігання минулого досвіду для навчання.

Дизайн-модель AI Agent виходить з ReAct і має два основні напрямки розвитку: один акцентує увагу на планувальних можливостях агентів, інший — на рефлексивних можливостях. Модель ReAct є наразі найбільш поширеною моделлю дизайну AI Agent, її типовий процес можна описати як кругообіг мислення (Thought) → дії (Action) → спостереження (Observation), скорочено TAO-цикл.

Залежно від кількості агентів, AI Agent можна поділити на Single Agent та Multi Agent. Основна ідея Single Agent полягає в поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб спільно виконувати складні завдання.

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

Вступ до протоколу MC

Модельний контекст-протокол (MCP) є відкритим протоколом, запущеним компанією у листопаді 2024 року, що має на меті вирішення проблеми з'єднання та взаємодії між LLM та зовнішніми джерелами даних. MCP можна порівняти з "USB-інтерфейсом" LLM, що підтримує гнучке підключення зовнішніх даних та інструментів.

MCP надає три можливості для розширення LLM:

1. Ресурси：Розширення знань
2. Інструменти: виконання функцій, виклик зовнішніх систем
3. Промпти：Заздалегідь написані шаблони підказок

MCP використовує архітектуру клієнт-сервер, а для передачі даних в основі використовується протокол JSON-RPC. Будь-хто може розробити та розмістити MCP Server і може в будь-який час зупинити обслуговування.

Стан AI агентів у Web3

У 2023 році популярність AI Agent у сфері Web3 різко впала після досягнення піку в січні, загальна ринкова капіталізація скоротилася на понад 90%. Наразі найбільш активні проекти в основному зосереджені на дослідженні Web3 на основі фреймворку AI Agent, існує три основні моделі:

1. Режим платформи запуску: представлений Virtuals Protocol, дозволяє користувачам створювати, розгортати та монетизувати AI Agent.
2. DAO-модель: на прикладі ElizaOS, яка поєднує AI-моделі та пропозиції членів DAO для прийняття рішень.
3. Бізнес-модель компанії: на прикладі Swarms, пропонує корпоративну Multi Agent платформу.

З точки зору економічної моделі, наразі тільки модель платформи запуску може забезпечити самодостатній економічний замкнутий цикл. Проте ця модель також стикається з такими викликами, як недостатня привабливість активів та прохолодне ринкове середовище.

! Чат з Manus і MCP: Web3 Cross-Border Exploration of AI Agent

MCP в напрямках досліджень Web3

Поява MCP відкрила нові напрями дослідження для AI Agent у Web3:

1. Розгорніть MCP Server в мережі блокчейн, щоб вирішити проблему єдиної точки збоїв та забезпечити стійкість до цензури.
2. Надати функцію взаємодії MCP Server з блокчейном, таку як проведення DeFi-транзакцій та управління, знизивши технічний бар'єр.

Крім того, існує план створення мережі стимулювання творців OpenMCP.Network на основі Ethereum. Ця мережа має на меті автоматизацію, прозорість, довіру та стійкість до цензури стимулів за допомогою смарт-контрактів, використовуючи технології, такі як гаманці Ethereum, ZK та інші, для реалізації підписів, перевірки прав доступу та захисту конфіденційності в процесі роботи.

Хоча теоретично поєднання MCP і Web3 може ввести в застосування AI Agent механізм децентралізованої довіри та економічні стимули, наразі технологія нульового знання ще не здатна перевірити достовірність поведінки Agent, а децентралізовані мережі також мають проблеми з ефективністю, що не є вирішенням, яке можна повністю реалізувати в короткостроковій перспективі.

Висновок

Випуск Manus є важливою віхою для продукції загального агенту штучного інтелекту, а світ Web3 також потребує віхового продукту, щоб зламати сумніви зовнішніх спостерігачів щодо його практичності. Поява MCP відкриває нові напрямки дослідження для агентів штучного інтелекту в Web3. Синергія штучного інтелекту та Web3 є неминучим трендом, і нам потрібно зберігати терпіння та впевненість, продовжуючи досліджувати можливості в цій сфері.