核心機能以外に、フレームワークの実際の有用性は、その機能と統合に大きく依存しています。ツールはエージェントの実際の機能を大幅に拡張します。LLM アクセス権しか持たないエージェントは会話に参加できますが、Web ブラウザへのアクセス権が与えられると、リアルタイム情報を取得できます。カレンダー API に接続すると、会議をスケジュールできます。新しいツールごとに、エージェントの機能が倍増します。開発者の視点からすると、ツールの数が多ければ多いほど、選択肢と実験の範囲が広がります。
フレームワークで使用される言語は、そのフレームワークを使用して構築できるユーザーに直接影響します。 PythonはAIとデータサイエンスの両方の分野を支配しており、AIフレームワークとして自然な選択となっています。 ニッチな言語で記述されたフレームワークには独自の利点があるかもしれませんが、より広範な開発者エコシステムから孤立している可能性があります。 Web 開発における JavaScript のユビキタス性は、特に Web 統合のフレームワークにとって、JavaScript のもう一つの有力な候補となっています。
明確で包括的なドキュメントは、開発者が新しいフレームワークを採用するための命綱です。これは単なる API リファレンスではなく、重要な要素です。優れたドキュメントには、核心原則の概要を説明する概念、ステップバイステップのチュートリアル、適切にコメントされたサンプルコード、教育用チュートリアル、トラブルシューティングガイド、確立された設計パターンが含まれています。
AIエージェントフレームワークの戦い:Eliza、Rig、Daydreams、どれが優れていますか
著者:Shlok Khemani、Oliver Jaros 出典:Decentralised.co 翻訳:Shanoba、Golden Finance
今日の記事は、代理フレームワークの説明と、それらの発展度を評価する私たちの見解についてです。これはまた、インターネット通貨(暗号)と代理の交差領域で活動している創業者を対象とした提案の募集です。
過去1年、Decentralised.coは暗号通貨と人工知能の交差領域を深く研究しました。私たちは7万人以上が利用する人工知能エージェントとエージェントインフラを追跡するための製品を構築しました。最近数週間、この分野を取り巻く熱狂は沈静化しましたが、人工知能の技術と社会への影響はインターネット以来見たことがないものです。暗号通貨が将来の金融軌道になる場合、私たちが予測するように、それが人工知能と絡み合うことは一過性ではなく、繰り返し現れるテーマになるでしょう。
この波から浮かび上がってきた興味深いプロジェクトの1つは、暗号ネイティブの人工知能エージェントフレームワークです。これらは魅力的な実験であり、ブロックチェーンの核心原則である許可なしの価値移転、透明性、一貫したインセンティブを人工知能開発に取り込んでいます。これらのオープンソース性質は、その内部動向を窺う貴重な機会を提供してくれます。これにより、それらの約束だけでなく、実際の動作も分析できます。
この記事では、まず、エージェントフレームワークの実際の意味と重要性について解析します。そして、LangChainのような成熟した選択肢が存在する場合、なぜ暗号化ネイティブフレームワークが必要なのかという明白な問題に取り組みます。そのために、主要な暗号化ネイティブフレームワークを分析し、異なるユースケースでの利点と制限について検討します。最後に、人工知能エージェントを構築している場合、どのフレームワークがあなたのニーズに適しているかを判断するのに役立ちます。それとも、フレームワークを使用して構築すべきかどうかを検討します。
私たちが深く掘り下げてみましょう。
要旨
「文明の進歩は、私たちが当然のように実行できる重要な操作の数を拡大することにあります。」- アルフレッド・ノース・ホワイトヘッド
私たちの祖先がどのように生活していたか考えてみましょう。すべての家族は食べ物を育て、服を作り、住居を建てる必要がありました。彼らは基本的な生存の任務に数え切れないほどの時間を費やし、他のことをする時間はほとんどありませんでした。たとえば、2世紀前にも、ほぼ90%の人々が農業に従事していました。今日、私たちはスーパーマーケットで食料品を購入し、専門家によって建設された家に住み、遠くの工場で作られた服を着ています。かつて何代にもわたる努力が必要だった仕事は、簡単な取引に変わりました。現在、世界全体で農業に従事している人口はわずか27%です(先進国では5%未満に減少しています)。
新しい技術を理解し始めると、なじみのあるパターンが現れます。まず、基本原理を理解します-何が有効で何が無効で、そしてどのパターンが繰り返し現れるか。これらのパターンが明確になると、それらをより簡単で、より速く、より信頼性の高い抽象化にまとめます。これらの抽象化によって、時間とリソースが解放され、より多様で意味のある課題に対処できるようになります。ソフトウェアの構築も同様です。
! cfpYG94rSxhzdHHC3T4K0tAk7UApcvUMQoqb5hCa.png
Web 開発を例に取ると、初期には開発者はすべてをゼロから書く必要がありました - HTTP リクエストの処理、状態の管理、UI の作成など - これらのタスクは複雑で時間がかかりました。その後、React のようなフレームワークが登場し、有用な抽象化を提供することで、これらの課題を大幅に簡素化しました。モバイル開発も同様の道をたどっています。最初は、開発者はプラットフォーム固有の知識が必要でしたが、React Native や Flutter などのツールの登場により、彼らはコードを一度書き、どこにでもデプロイできるようになりました。
機械学習にも同様の抽象化パターンが現れています。 2000年代初頭、研究者はGPUがMLワークロードでの潜在能力を発見しました。当初、開発者はグラフィックスのプリミティブやOpenGLのGLSLなどの言語と格闘しなければなりませんでした - これらのツールは汎用計算向けに構築されていませんでした。 2006年、NVIDIAはCUDAを発表し、GPUプログラミングをより簡単にし、MLトレーニングをより広範な開発者コミュニティにもたらし、すべてが変わりました。
MLの開発勢いが増すにつれ、GPUプログラミングの複雑さを抽象化するための専用フレームワークが登場しました。TensorFlowとPyTorchは、開発者がモデルアーキテクチャに集中できるようにし、GPUコードや実装の詳細には陥らないようにします。これにより、モデルアーキテクチャの繰り返しを加速し、過去数年間に見られたAI/MLの急速な進歩をもたらしています。
現在、人工知能エージェントも同様の進化を遂げており、目標を達成するために意思決定を行い行動を起こすソフトウェアプログラム、人間のアシスタントやスタッフのような存在が現れました。それは大規模な言語モデルを「脳」として使用し、ネットワークの検索、APIの呼び出し、データベースへのアクセスなど、さまざまなツールを利用してタスクを遂行します。
エージェントを構築するには、開発者はすべての側面を処理するために複雑なコードを記述する必要があります:エージェントが問題をどのように考えるか、どのツールを使用するか、いつ使用するか、これらのツールとどのようにやり取りするか、初期のやり取りの文脈を覚えておく方法、そして大きなタスクを管理可能なステップに分解する方法。各パターンは個別に処理する必要があり、作業の繰り返しと一貫性のない結果をもたらします。
これが人工知能エージェントフレームワークの出番です。React が UI の更新と状態管理を処理することによって Web 開発を簡素化したように、これらのフレームワークは人工知能エージェントの構築における一般的な課題を解決しています。これらは私たちが見出した効果的なパターンに対して、エージェントの意思決定プロセスの構築、異なるツールの統合、そして複数の相互作用でのコンテキストの維持などの既製のコンポーネントを提供しています。
フレームワークを使用することで、開発者は、その独自の特定機能やユースケースに焦点を当てることができ、これらの基本コンポーネントを再構築する必要がなくなります。彼らは数日または数週間で複雑なAIエージェントを作成することができ、数か月かかることなく、異なるアプローチを簡単に試すことができ、他の開発者やコミュニティが見つけたベストプラクティスを参考にすることができます。
フレームワークの重要性をよりよく理解するために、医師が医療報告書を検討するのを支援するエージェントを構築する開発者を考えてみてください。フレームワークがない場合、彼らはすべてのコードをゼロから書く必要があります:電子メールの添付ファイルを処理し、PDF からテキストを抽出し、正しい形式でテキストを LLM に入力し、議論された内容を追跡するために対話履歴を管理し、エージェントが適切に応答するように確認します。特定の使用例に固有ではないタスクに対しては、これは非常に複雑なコードです。
エージェントフレームワークを使用すると、これらの多くのビルディングブロックを直接利用できます。このフレームワークは電子メールとPDFの読み取りを処理し、医療知識のヒントの構築を提供し、対話フローを管理し、複数のコミュニケーションでの重要な詳細を追跡するのに役立ちます。開発者は、エージェントを他とは異なるものにすることに集中することができます。例えば、医療分析のヒントを微調整したり、診断に特化した特定のセキュリティチェックを追加したりすることができます。一般的なパターンを再発明する代わりに、数ヶ月かかる可能性があるコンテンツを数日でプロトタイプデザインすることができるようになりました。
LangChainは、LLMベースのアプリケーションを構築するための柔軟なツールキットを提供する、人工知能開発のスイスアーミーナイフとなっています。厳密にはエージェントフレームワークではありませんが、LLM呼び出しのソーティングに使用されるチェーンからコンテキストの維持に使用されるメモリシステムまで、ほとんどのエージェントフレームワークの基本的な構築ブロックを提供しています。幅広い統合エコシステムと豊富な文書化により、実用的な人工知能アプリケーションを構築したい開発者にとって最適な出発点となっています。
次に、CrewAIやAutoGenのようなマルチエージェントフレームワークがあり、これにより開発者は複数のAIエージェントが協調して作業するシステムを構築できます。各エージェントにはそれぞれ固有の役割と能力があります。これらのフレームワークは単純な順次タスク実行ではなく、対話を通じてエージェントが協力し、問題を共同で解決することを重視しています。
! SXYgyuC4qnpplO0idJXnSanSo3OXAp1TMMrHtspG.png
例えば、研究レポートの配布時には、1つのエージェントがその構造を概説し、別のエージェントが関連情報を収集し、第三のエージェントが最終草案を検討し改善することがあります。これは仮想チームを編成するようなものであり、人工知能エージェントはここで議論し、ディベートし、解決策を共同で改善することができます。このように、高次の目標を達成するために協力して作業する多エージェントシステムは一般に人工知能エージェント「クラスター」と呼ばれています。
AutoGPTは伝統的なフレームワークではありませんが、自律人工知能エージェントの概念を築きました。高次の目標を受け入れ、それをサブタスクに分解し、ほとんど人間の入力なしに独立して完了する人工知能のデモンストレーションです。制約はありますが、AutoGPTは自律エージェントの革新的な波を引き起こし、その後のより構造化されたフレームワークの設計に影響を与えました。
しかし、なぜ暗号化なのでしょうか?
すべてのこれらの背景は最終的に、暗号ネイティブの人工知能エージェントフレームワークの台頭に私たちをもたらしました。この時点で、あなたはおそらく、私たちがLangchainやCrewAIなどの比較的成熟したフレームワークを持っているWeb2で、なぜWeb3が独自のフレームワークが必要なのか疑問に思うかもしれません。もちろん、開発者はこれら既存のフレームワークを使用して、彼らが望むエージェントを構築することができますか?この業界がWeb3をどんな物語にも押し付けることを好むことを考慮すると、この疑念は理にかなっています。
私たちは、Web3 特定エージェントフレームワークの存在には、3つの十分な理由があると考えています。
チェーン上で実行される金融代理
私たちは、将来の金融取引のほとんどがブロックチェーントラックで行われると信じています。 これにより、オンチェーンデータを解析し、ブロックチェーントランザクションを実行し、複数のプロトコルやネットワークにまたがるデジタル資産を管理できるAIエージェントの必要性が高まっています。 アービトラージの機会を検出できる自動取引ボットから、利回り戦略を実行するポートフォリオマネージャーまで、これらのエージェントは、ブロックチェーン機能をコアワークフローに深く統合することに依存しています。
! UgKQjpORqg52fRAWEK0NlemKNxv7W03vfqHNYVkj.png
従来のWeb2フレームワークは、これらのタスクのためのネイティブコンポーネントを提供していません。 スマートコントラクトと対話し、生のオンチェーンイベントを解析し、秘密鍵管理を処理するために、サードパーティのライブラリを寄せ集める必要があるため、複雑さと潜在的な脆弱性が生じます。 代わりに、専用のWeb3フレームワークがこれらの機能をすぐに処理できるため、開発者は低レベルのブロックチェーンパイプラインと格闘するのではなく、プロキシのロジックと戦略に集中することができます。
ネイティブのコーディネーションとインセンティブ
ブロックチェーンは、デジタル通貨に関連するだけではありません。 グローバルで信頼される最小化された記録システムを提供し、組み込まれた金融ツールにより複数のエージェントの調整を強化することができます。 開発者は、オンチェーンプリミティブ(ステーキング、カストディ、インセンティブプールなど)を使用して、複数のAIエージェントの利益を調整することができます。 ダウンストリームの信頼性や孤立したデータベースに依存することなく。
一群エージェントが連携して複雑なタスク(たとえば、新しいモデルのトレーニングのためのデータラベリング)を行うことを想像してみてください。各エージェントのパフォーマンスはチェーン上で追跡され、貢献に応じて報酬が自動的に割り当てられます。ブロックチェーンベースのシステムの透明性と不変性により、公正な報酬、より強力な評判の追跡、およびリアルタイムで進化するインセンティブプログラムが可能となります。
暗号化ネイティブフレームワークは、これらの機能を明示的に組み込むことができ、開発者はスマートコントラクトを使用してインセンティブ構造を設計する必要がありますが、別の代理人に信頼を置くたびに、または代理人に支払いをするたびに、毎回車輪を再設計する必要はありません。
初期市場における新たな機会
LangChainのようなフレームワークはすでに思想共有とネットワーク効果を持っていますが、人工知能エージェントの分野はまだ初期段階にあります。これらのシステムの最終状態がどのようなものになるかはまだ不明であり、市場をロックする方法もありません。
暗号経済学のインセンティブは、フレームワークの構築、管理、通貨化方法に新たな可能性をもたらしました。これらの可能性は従来のSaaSやWeb2経済学に完全にはマッピングできません。この早い段階の実験は、フレームワーク自体に新しい通貨化戦略を開示するかもしれませんが、フレームワーク上に構築された代理だけではありません。
コンテンダーズ
ノーマル
各フレームワークの力を評価するには、AIエージェントを構築したい開発者の視点に立ちます。彼らは何に関心を持つでしょうか?評価を主要な3つのカテゴリに分類することが有益だと考えています:コア、機能、開発者体験。
フレームワークのコアを他のすべてのエージェントの基盤と見なすことができます。コアが脆弱であるか、遅いか、または継続的な開発が行われていない場合、そのフレームワークで作成されたエージェントも同様の制限を受けることになります。次の基準に基づいてコアを評価できます:
核心機能以外に、フレームワークの実際の有用性は、その機能と統合に大きく依存しています。ツールはエージェントの実際の機能を大幅に拡張します。LLM アクセス権しか持たないエージェントは会話に参加できますが、Web ブラウザへのアクセス権が与えられると、リアルタイム情報を取得できます。カレンダー API に接続すると、会議をスケジュールできます。新しいツールごとに、エージェントの機能が倍増します。開発者の視点からすると、ツールの数が多ければ多いほど、選択肢と実験の範囲が広がります。
クリプトネイティブフレームワークの機能を3つの側面から評価します。
最後、最も強力なフレームワークでも開発者のエクスペリエンスと同じくらい優れているだけです。フレームワークは一流の機能を持っていても、開発者がそれを効果的に使用するのが難しい場合、広く採用されることは決してありません。
結果
下記は、各フレームワークが定義したパラメータでのパフォーマンスをまとめたものです(1-5位)。
! QTbxg0nhpjbbKbgJdAE0VDDYvQN3qF5biJlLAxNq.png
各データポイントの背後にある理由についての議論は、本文の範囲を超えていますが、各フレームワークが私たちに残した印象のいくつかを以下に示します。
Elizaは、これまでにこのリストで最も成熟しているフレームワークです。Elizaフレームワークは、暗号エコシステムが最近のエージェントの波に接触するキンドポイントとなったことを考慮すると、そのサポートされている機能や統合の数が際立っています。
! ZK8bWvOX185Ygh0O1vGd5JaLPrIjlTgHtKXkXlkm.png
その知名度から、すべてのブロックチェーンおよび開発ツールが積極的にフレームワークに統合しようと競い合っています(現在、約100の統合があります!)。同時に、Eliza は他の多くのフレームワークよりも多くの開発者活動を引き付けています。Eliza は少なくとも短期的に非常に明確なネットワーク効果を享受しています。このフレームワークは TypeScript で書かれており、これは初心者から経験豊富な開発者まで使用される成熟した言語であり、さらなる発展を促進しています。
Elizaは、開発者向けに提供されている豊富な教育コンテンツやチュートリアルによって注目されています。
Elizaフレームワークを使用した一連の代理、Spore、Eliza(代理)、およびPillzumiを見てきました。 Elizaフレームワークの新バージョンは数週間以内にリリースされる予定です。
Rigの方法はElizaの方法とはまったく異なります。それは強力で軽量で高性能なコアを持っており、優れています。それはさまざまな推論モードをサポートしており、プロンプトチェーン(順次適用プロンプト)、編成(複数のエージェントの調整)、条件ロジック、並列性(並行実行操作)を含みます。
しかし、Rig 自体はそれほど豊富な統合を持っていません。代わりに、それは異なる方法、チームが「Arc ハンドシェイク」と呼ぶ方法を採用しています。ここでは、Arc チームは、Web2 およびWeb3 で異なる高品質のチームと協力して、Rig の機能を拡張しています。このうちのいくつかの協力関係には、Soulgraph との代理人パーソナリティの開発と、Listen および Solana エージェントキットとの協力によるブロックチェーン機能の開発が含まれています。
それにもかかわらず、リグには2つの欠点があります。 まず第一に、Rustで書かれており、非常にパフォーマンスが高いにもかかわらず、それに精通している開発者は比較的少ないです。 第2に、実際のアプリケーションではリグを利用したエージェントの数が限られているため(AskJimmyを除く)、実際の開発者の採用状況を評価するのは困難です。
Daydreamsを開始する前に、lordOfAFewはElizaフレームワークの主要な貢献者でした。これにより、彼はフレームワークの成長に触れるだけでなく、いくつかの欠点に触れることができました。Daydreamsは他のフレームワークと異なり、それは思考のリンク推論に焦点を当て、エージェントが長期目標を達成するのを支援します。つまり、高度で複雑な目標が与えられた場合、エージェントは複数のステップの推論を行い、さまざまな行動を提案し、それらが目標の達成に役立つかどうかに基づいてそれらを受け入れるか破棄し、進捗を遂げるためにこのプロセスを継続します。これにより、Daydreamsを使用して作成されたエージェントは本当に自律性を持ちます。
創設者のゲームプロジェクトのバックグラウンドがこの方法に影響を与えました。特にオンチェーンゲームは、エージェントをトレーニングして能力をテストする理想的な温床です。Daydreamsエージェントの初期のユースケースのいくつかは、Pistols、Istarai、PonziLandなどのゲームでした。
このフレームワークは、強力なマルチエージェントコラボレーションとオーケストレーションワークフローの実装も備えています。
Daydreamsと同様に、Pippinもフレームゲームの後発者です。 この投稿でそのリリースについて詳しく説明しました。 Yohei 氏のビジョンの中心にあるのは、エージェントが適切なツールにアクセスしてインテリジェントかつ自律的に操作できる「デジタル プレゼンス」になることです。 このビジョンは、ピピンのシンプルでありながらエレガントなコアに具現化されています。 わずか数行のコードで、自律的に実行したり、自分でコードを記述したりできる複雑なエージェントを作成できます。
! MAHfGrrIS2Xy6VWc4t47Sxn3wWWKjZDbLKoRAGAb.png
このフレームワークの欠点は、サポートベクトル埋め込みや RAG ワークフローなどの基本機能すら不足していることです。また、開発者が主に Composio というサードパーティライブラリを使用するよう奨励しています。他のこれまでに議論されてきたフレームワークと比較して、それは全く未熟です。
Pippinを使用して構築された一部の代理店には、DittoとTelemafiaが含まれています。
Zerepy のコア実装は比較的単純です。 設定された一連のタスクからタスクを効果的に選択し、必要に応じて実行します。 ただし、目標主導型プログラミングや思考連鎖プログラミングなどの複雑な推論モデルが欠けています。
複数のLLMを推論呼び出しでサポートしているが、埋め込みやRAGの実装が不足しています。また、記憶や複数エージェントの調整に使用されるプリミティブが不足しています。
このようなコア機能の欠如と統合の不足は、Zerepyの採用状況に反映されています。実際の代理店でこのフレームワークを使用しているのをまだ見ていません。
! jfKrVvasyMpTHCKaLZGOL1iDN1UqQkngP4aTwhrw.png
フレームワークで構築する
もしこれらすべてが技術的で理論的に聞こえるなら、あなたを責めません。もっと簡単な問題は、「これらのフレームワークを使用して、たくさんのコードを書かずにどのようなエージェントを構築できますか?」です。
これらのフレームワークを実践で評価するために、我々は開発者がよく構築したがる5つの一般的なエージェントタイプを特定しました。それらは異なる複雑さを表し、各フレームワークの機能のさまざまな側面をテストしています。
私たちはすべてのフレームワークについて、すべてのタイプのエージェントに5段階評価を与えました。以下はそれらのパフォーマンスです:
! [texgEesLgKZk5FxG1Dv8uWFaehDt7zDrzfEzGeu1.png])https://img.gateio.im/social/moments-321762592d50c41aa7fb3b003016197f "7350971"(
オープンソースインジケータ
! [O8m4ShXL3jqjBDkDuKi9liuV2S1kBT3x5oqoX8dd.png])https://img.gateio.im/social/moments-b412f7ac9ccf45873411048333e8b850 "7350972"
これらのフレームワークを評価する場合、ほとんどの分析では、スターやフォークなどの GitHub メトリックに重点が置かれます。 ここでは、これらの指標が何であるか、そしてそれらがフレームワークの品質をどの程度示しているかを簡単に見ていきます。
スターは、最も顕著な人気のシグナルとして機能します。それらは本質的に、開発者が興味深いと考えるか、追跡したいプロジェクトに付けられるブックマークです。高いスターの数は広範な認知と関心を示すかもしれませんが、誤解を招くことがあります。プロジェクトは時には技術的な価値ではなくマーケティングによってスターを蓄積することがあります。スターを社会的な証明と見なすべきであり、品質の尺度ではないと考えるべきです。
Fork 数は、開発者が自分のコードリポジトリのコピーを作成してそれをベースに構築した回数を示しています。より多くの fork は通常、開発者がプロジェクトを積極的に利用して拡張していることを示します。つまり、多くの fork は最終的に放棄されるため、元の fork 数には文脈が必要です。
貢献者の数は、実際にプロジェクトにコードを提出した異なる開発者の数を示しています。これは通常、スターまたはフォークよりも意味があります。健康な通常の貢献者の数は、プロジェクトがメンテナンスおよび改善を行う活発なコミュニティを持っていることを示しています。
さらに、私たちは独自の指標である貢献者スコアを設計しました。私たちは、各開発者の公開履歴、他のプロジェクトへの過去の貢献、活動頻度、およびアカウントの人気度を評価し、各貢献者にスコアを割り当てます。その後、プロジェクトのすべての貢献者の平均を取り、彼らの貢献の量に応じて加重します。
これらの数字は、私たちのフレームワークにとって何を意味していますか?
ほとんどの場合、星の数はごくわずかです。 これらは、採用の有意義な指標ではありません。 ここでの例外はElizaで、ある時点でGitHub上のすべてのプロジェクトのトレンドリポジトリのナンバーワンになりましたが、これはシェリングがすべての暗号AIになった時期と一致しています。 さらに、0xCygaarのような有名な開発者がプロジェクトに貢献しています。 これは、他のプロジェクトの10倍のコントリビューターの数にも反映されており、Elizaはコントリビューターを惹きつけています。
その他にも、Daydreams は私たちにとって非常に興味深いものです。なぜなら、それが高品質の開発者を引き付けているからです。Eliza のネットワーク効果を利用していない後発者として、それはブームの後に登場しています。
次は何ですか?
もし開発者であるなら、少なくともどのフレームワークを構築するか(必要ならば)についての出発点を提供できたらと思います。それ以外にも、各フレームワークの中核の論理と統合をテストし、それがあなたのユースケースに適しているかどうかを検証する努力は必要です。これは避けられません。
観察者の視点から見ると、重要なのは、これらすべての人工知能エージェントフレームワークが3か月に満たないということを覚えておくことです。(はい、もっと長く感じます。)この期間中、それらは非常に宣伝されたものから「空中楼閣」と呼ばれるものに変わりました。これが技術の本質です。このような波のある状況があるにもかかわらず、私たちはこの分野が暗号化分野で興味深く持続的な新しい実験であると信じています。
次に重要なのは、これらのフレームワークが技術的および通貨化の面でどのように成熟するかです。
テクノロジーの面では、フレームワークが独自に作成できる最大の利点は、プロキシがオンチェーンでシームレスに対話できるようにすることです。 これが、開発者が汎用フレームワークよりもクリプトネイティブフレームワークを選択する最大の理由です。 さらに、プロキシとプロキシ構築技術は、世界中で最先端の技術問題であり、毎日新しい開発が行われています。 また、フレームワークも進化し、これらの開発に適応する必要があります。
フレームワークはどのように通貨化されるのか、もっと面白くなります。これらの初期段階では、Virtualsに触発されたスタートアッププラットフォームを作成することは手の届く果実です。しかし、ここには多くの実験空間があると考えています。私たちは数百万のエージェントが専門的にさまざまな想像できる細分野に従事する未来に向かっており、それらを効果的に調整するためのツールは取引手数料から膨大な価値を捕捉できます。構築者のためのゲートウェイとして、フレームワークはもちろん、これらの価値を捕捉するのに最適です。
同時、フレームワークの通貨化もオープンソースプロジェクトの通貨化と貢献者への報酬の問題に偽装されており、これらの貢献者は常に無料で苦労している作業に従事してきました。もしチームが持続可能なオープンソース経済をどのように構築するかを解明し、同時にその基本精神を保持するコードを維持できるならば、その影響は代理フレームワークをはるかに超えるでしょう。
これらは、今後数か月で探求したいトピックです。