Có bạn bè nói rằng, xu hướng giảm liên tục của các mục tiêu như #ai16z, arc và các AI Agent web3 khác là do giao thức MCP gần đây trở nên nổi tiếng? Nghe có vẻ hơi ngơ ngác, WTF liên quan gì đến nhau? Nhưng sau khi suy nghĩ kỹ, ta nhận ra, thật sự có một logic nhất định: phương pháp định giá của các AI Agent web3 hiện có đã thay đổi, hướng kể chuyện và lộ trình sản phẩm cần được điều chỉnh gấp! Dưới đây là quan điểm cá nhân:
1）MCP（Model Context Protocol）là một giao thức chuẩn hóa mã nguồn mở nhằm kết nối mọi loại AI LLM/Agent một cách mượt mà đến mọi nguồn dữ liệu và công cụ khác nhau, tương đương với một cổng USB 'universally' có thể cắm và chạy, thay thế cách đóng gói 'đặc biệt' từng đầu cuối trong quá khứ.
Đơn giản nói, ban đầu giữa các ứng dụng AI đều có những hòn đảo dữ liệu rõ ràng, để có sự tương tác giữa Agent/LLM cần phải phát triển các giao diện API tương ứng, quy trình hoạt động không chỉ phức tạp mà còn thiếu chức năng tương tác hai chiều, thường có giới hạn trong việc truy cập mô hình và hạn chế quyền hạn tương đối.
Sự xuất hiện của MCP tương đương với việc cung cấp một khung đồng nhất, cho phép ứng dụng AI thoát khỏi tình trạng đảo lộn dữ liệu trong quá khứ, thực hiện khả năng truy cập "động" vào dữ liệu và công cụ bên ngoài, có thể giảm đáng kể sự phức tạp trong phát triển và hiệu suất tích hợp, đặc biệt là trong việc thực hiện nhiệm vụ tự động, truy vấn dữ liệu thời gian thực và hợp tác chéo nền tảng.
Khi nói đến điều này, nhiều người ngay lập tức nghĩ đến việc nếu sử dụng nhiều tác nhân để hợp tác sáng tạo, liệu việc tích hợp Manus này có thể thúc đẩy giao thức MCP cho việc hợp tác của nhiều tác nhân không?
Đúng vậy, Manus + MCP mới là yếu tố chính của web3 AI Agent bị tác động lần này.
2）Tuy nhiên, điều khó hiểu là cả Manus lẫn MCP đều là khung và tiêu chuẩn giao thức dành cho web2 LLM/Agent, giải quyết vấn đề tương tác và hợp tác dữ liệu giữa các máy chủ tập trung, quyền lực và kiểm soát truy cập vẫn phụ thuộc vào sự “tự truy cập” của các nút máy chủ, nói cách khác, đó chỉ là một công cụ mã nguồn mở.
Lý thuyết cho rằng, làm thế nào mà pháo Ý tâm trung ương có thể phá hủy pháo đài phi trung ương mà AI Agent web3 theo đuổi như 'máy chủ phân tán, cộng tác phân tán, khích lệ phân tán' và những ý tưởng trung tâm khác.
Lý do là giai đoạn đầu tiên của web3 AI Agent quá "định hướng web2", một mặt, vì nhiều nhóm đến từ nền tảng của web2 và thiếu hiểu biết đầy đủ về các yêu cầu gốc của web3 Native. Các giao diện API như DeepSeek gói gọn một cách thích hợp một số khung chung như Memory và Charater để giúp các nhà phát triển nhanh chóng phát triển và giải quyết các ứng dụng tác nhân AI. Nhưng nghiêm túc mà nói, sự khác biệt giữa bộ khung dịch vụ này và các công cụ nguồn mở web2 là gì? Sự khác biệt là gì?
Ôi, liệu ưu điểm có phải là cách thức kích thích Tokenomics? Sau đó sử dụng một cấu trúc mà web2 có thể hoàn toàn thay thế, kích thích một nhóm lớn hơn các AI Agent tồn tại vì tạo ra tiền mới? Đáng sợ.. Theo cùng với logic này, bạn có thể hiểu được tại sao Manus + MCP có thể tác động đến các AI Agent web3?
Do toàn bộ web3 AI Agent framework và dịch vụ chỉ giải quyết nhu cầu phát triển và ứng dụng nhanh chóng tương tự như web2 AI Agent, nhưng lại không thể đuổi kịp tốc độ sáng tạo của web2 trong dịch vụ công nghệ và ưu thế khác biệt, vì vậy thị trường/vốn đã tái định giá và định giá lại lô web3 AI Agent trước đó.
3）Nói đến đây, vấn đề chính đã được tìm ra, nhưng làm thế nào để giải quyết vấn đề? Chỉ có một con đường: tập trung vào việc tạo ra các giải pháp nguyên sinh cho web3, vì hệ thống phân tán và cấu trúc kích thích mới chính là ưu thế tuyệt đối của web3.
Ví dụ về nền tảng dịch vụ bao gồm sức mạnh tính toán đám mây, dữ liệu, thuật toán phân tán, dường như việc tổng hợp sức mạnh tính toán và dữ liệu này dựa vào tài nguyên không sử dụng, ngắn hạn hoàn toàn không thể đáp ứng nhu cầu sáng tạo có kỹ thuật, nhưng vào thời điểm mà rất nhiều AI LLM đang tập trung vào việc cạnh tranh về sức mạnh tính toán tập trung để vượt qua cuộc đua vũ khí, một mô hình dịch vụ dựa vào "tài nguyên không sử dụng, chi phí thấp" tự nhiên sẽ khiến các nhà phát triển web2 và nhóm VC phủ nhận.
Tuy nhiên, khi AI Agent của web2 vượt qua giai đoạn đổi mới hiệu suất, sẽ chắc chắn theo đuổi việc mở rộng cảnh ứng dụng theo chiều dọc và tinh chỉnh tối ưu hóa mô hình chi tiết, lúc đó mới thực sự hiển nhiên ưu điểm của dịch vụ tài nguyên AI của web3.
Trên thực tế, khi các AI web2 leo lên vị trí khổng lồ bằng cách tập trung tài nguyên đến một giai đoạn nhất định, rất khó để quay trở lại với tư duy bao vây thành phố bằng nông thôn, phân chia từng tình huống chi tiết, đó là thời điểm khi có sự kết hợp mạnh mẽ của những nhà phát triển AI web2 dư thừa + nguồn lực AI web3.
Trên thực tế, ngoài ra, web3 AI Agent còn có nhiều hướng sáng tạo theo phong cách web3 Native xứng đáng được khám phá ngoài cấu trúc triển khai nhanh chóng + framework giao thức đa Agent của web2 + việc kể chuyện phát hành Tokenomic.
Ví dụ, trang bị một bộ khung cộng tác giao thức phân tán, xem xét đến tính chất tính toán dưới chuỗi mô hình lớn của LLM + lưu trữ trạng thái trên chuỗi, cần nhiều thành phần linh hoạt.
1、Hệ thống xác minh danh tính DID phi tập trung, cho phép đại lý sở hữu danh tính trên chuỗi có thể xác minh, giống như địa chỉ duy nhất được tạo ra bởi máy ảo để hợp đồng thông minh, chủ yếu để theo dõi và ghi chép trạng thái sau này.
2、Hệ thống máy rùa Oracle phi tập trung, chịu trách nhiệm chính về việc thu thập và xác minh dữ liệu ngoại tuyến, khác với Oracle truyền thống, hệ thống máy rùa này có thể cần phải xây dựng một cấu trúc kết hợp nhiều Agent bao gồm lớp thu thập dữ liệu, lớp đồng thuận quyết định, lớp phản hồi thực thi dựa trên AI Agent, để dữ liệu cần thiết trên chuỗi của Agent và quyết định tính toán ngoại tuyến có thể đạt được ngay lập tức;
3、Một hệ thống lưu trữ DA phi tập trung, do sự không chắc chắn trong trạng thái của cơ sở tri thức khi AI Agent hoạt động và quá trình suy luận cũng tạm thời, cần một hệ thống ghi lại thư viện trạng thái và con đường suy luận quan trọng đằng sau LLM để lưu trữ trong hệ thống lưu trữ phân tán và cung cấp cơ chế chứng minh dữ liệu có chi phí kiểm soát được, đảm bảo tính khả dụ của dữ liệu khi xác minh trên chuỗi công khai.
4、Một lớp tính toán riêng tư ZKP không yêu cầu kiến thức, có thể kết nối với các giải pháp tính toán riêng tư bao gồm TEE, FHE, vv., thực hiện tính toán riêng tư thời gian thực + xác minh chứng cứ dữ liệu, giúp Aggent có thêm nguồn dữ liệu dọc đến (y tế, tài chính), sau đó xuất hiện nhiều dịch vụ chuyên nghiệp được tùy chỉnh hơn trên cơ sở đó.
5、Một bộ giao thức tương tác chéo, một chút tương tự như khung định nghĩa giao thức nguồn mở MCP, khác biệt ở chỗ giải pháp tương tác này cần có cơ chế relay và lịch trình giao tiếp để Agent tương thích chạy, truyền tải, xác minh, có thể hoàn thành vấn đề chuyển đổi tài sản và đồng bộ trạng thái của Agent trên các chuỗi khác nhau, đặc biệt là bao gồm ngữ cảnh và Prompt của Agent, thư viện kiến thức, Bộ nhớ và các trạng thái phức tạp khác.
……
The key focus of conquering the real web3 AI Agent in my opinion should be on how to make the "complex workflow" of AI Agent and the "trust verification flow" of blockchain match as closely as possible. As for these incremental solutions, whether they come from the upgrading and iteration of existing old narrative projects or are re-cast by projects on the new AI Agent narrative track, both are possibilities.
Đây mới là hướng mà AI Agent web3 nên cố gắng xây dựng, đó mới là cơ sở hệ sinh thái sáng tạo phù hợp với câu chuyện lớn AI + Crypto. Nếu không có sự mở đường sáng tạo liên quan và xây dựng rào cản cạnh tranh khác biệt, thì mỗi biến động trong cuộc đua AI web2 có thể làm đảo lộn thế giới của AI web3.
Nội dung chỉ mang tính chất tham khảo, không phải là lời chào mời hay đề nghị. Không cung cấp tư vấn về đầu tư, thuế hoặc pháp lý. Xem Tuyên bố miễn trừ trách nhiệm để biết thêm thông tin về rủi ro.
AI AgentToken giảm không ngừng, liệu đó có phải là do MCP quá nóng nảy?
Có bạn bè nói rằng, xu hướng giảm liên tục của các mục tiêu như #ai16z, arc và các AI Agent web3 khác là do giao thức MCP gần đây trở nên nổi tiếng? Nghe có vẻ hơi ngơ ngác, WTF liên quan gì đến nhau? Nhưng sau khi suy nghĩ kỹ, ta nhận ra, thật sự có một logic nhất định: phương pháp định giá của các AI Agent web3 hiện có đã thay đổi, hướng kể chuyện và lộ trình sản phẩm cần được điều chỉnh gấp! Dưới đây là quan điểm cá nhân:
1）MCP（Model Context Protocol）là một giao thức chuẩn hóa mã nguồn mở nhằm kết nối mọi loại AI LLM/Agent một cách mượt mà đến mọi nguồn dữ liệu và công cụ khác nhau, tương đương với một cổng USB 'universally' có thể cắm và chạy, thay thế cách đóng gói 'đặc biệt' từng đầu cuối trong quá khứ.
Đơn giản nói, ban đầu giữa các ứng dụng AI đều có những hòn đảo dữ liệu rõ ràng, để có sự tương tác giữa Agent/LLM cần phải phát triển các giao diện API tương ứng, quy trình hoạt động không chỉ phức tạp mà còn thiếu chức năng tương tác hai chiều, thường có giới hạn trong việc truy cập mô hình và hạn chế quyền hạn tương đối.
Sự xuất hiện của MCP tương đương với việc cung cấp một khung đồng nhất, cho phép ứng dụng AI thoát khỏi tình trạng đảo lộn dữ liệu trong quá khứ, thực hiện khả năng truy cập "động" vào dữ liệu và công cụ bên ngoài, có thể giảm đáng kể sự phức tạp trong phát triển và hiệu suất tích hợp, đặc biệt là trong việc thực hiện nhiệm vụ tự động, truy vấn dữ liệu thời gian thực và hợp tác chéo nền tảng.
Khi nói đến điều này, nhiều người ngay lập tức nghĩ đến việc nếu sử dụng nhiều tác nhân để hợp tác sáng tạo, liệu việc tích hợp Manus này có thể thúc đẩy giao thức MCP cho việc hợp tác của nhiều tác nhân không?
Đúng vậy, Manus + MCP mới là yếu tố chính của web3 AI Agent bị tác động lần này.
2）Tuy nhiên, điều khó hiểu là cả Manus lẫn MCP đều là khung và tiêu chuẩn giao thức dành cho web2 LLM/Agent, giải quyết vấn đề tương tác và hợp tác dữ liệu giữa các máy chủ tập trung, quyền lực và kiểm soát truy cập vẫn phụ thuộc vào sự “tự truy cập” của các nút máy chủ, nói cách khác, đó chỉ là một công cụ mã nguồn mở.
Lý thuyết cho rằng, làm thế nào mà pháo Ý tâm trung ương có thể phá hủy pháo đài phi trung ương mà AI Agent web3 theo đuổi như 'máy chủ phân tán, cộng tác phân tán, khích lệ phân tán' và những ý tưởng trung tâm khác.
Lý do là giai đoạn đầu tiên của web3 AI Agent quá "định hướng web2", một mặt, vì nhiều nhóm đến từ nền tảng của web2 và thiếu hiểu biết đầy đủ về các yêu cầu gốc của web3 Native. Các giao diện API như DeepSeek gói gọn một cách thích hợp một số khung chung như Memory và Charater để giúp các nhà phát triển nhanh chóng phát triển và giải quyết các ứng dụng tác nhân AI. Nhưng nghiêm túc mà nói, sự khác biệt giữa bộ khung dịch vụ này và các công cụ nguồn mở web2 là gì? Sự khác biệt là gì?
Ôi, liệu ưu điểm có phải là cách thức kích thích Tokenomics? Sau đó sử dụng một cấu trúc mà web2 có thể hoàn toàn thay thế, kích thích một nhóm lớn hơn các AI Agent tồn tại vì tạo ra tiền mới? Đáng sợ.. Theo cùng với logic này, bạn có thể hiểu được tại sao Manus + MCP có thể tác động đến các AI Agent web3?
Do toàn bộ web3 AI Agent framework và dịch vụ chỉ giải quyết nhu cầu phát triển và ứng dụng nhanh chóng tương tự như web2 AI Agent, nhưng lại không thể đuổi kịp tốc độ sáng tạo của web2 trong dịch vụ công nghệ và ưu thế khác biệt, vì vậy thị trường/vốn đã tái định giá và định giá lại lô web3 AI Agent trước đó.
3）Nói đến đây, vấn đề chính đã được tìm ra, nhưng làm thế nào để giải quyết vấn đề? Chỉ có một con đường: tập trung vào việc tạo ra các giải pháp nguyên sinh cho web3, vì hệ thống phân tán và cấu trúc kích thích mới chính là ưu thế tuyệt đối của web3.
Ví dụ về nền tảng dịch vụ bao gồm sức mạnh tính toán đám mây, dữ liệu, thuật toán phân tán, dường như việc tổng hợp sức mạnh tính toán và dữ liệu này dựa vào tài nguyên không sử dụng, ngắn hạn hoàn toàn không thể đáp ứng nhu cầu sáng tạo có kỹ thuật, nhưng vào thời điểm mà rất nhiều AI LLM đang tập trung vào việc cạnh tranh về sức mạnh tính toán tập trung để vượt qua cuộc đua vũ khí, một mô hình dịch vụ dựa vào "tài nguyên không sử dụng, chi phí thấp" tự nhiên sẽ khiến các nhà phát triển web2 và nhóm VC phủ nhận.
Tuy nhiên, khi AI Agent của web2 vượt qua giai đoạn đổi mới hiệu suất, sẽ chắc chắn theo đuổi việc mở rộng cảnh ứng dụng theo chiều dọc và tinh chỉnh tối ưu hóa mô hình chi tiết, lúc đó mới thực sự hiển nhiên ưu điểm của dịch vụ tài nguyên AI của web3.
Trên thực tế, khi các AI web2 leo lên vị trí khổng lồ bằng cách tập trung tài nguyên đến một giai đoạn nhất định, rất khó để quay trở lại với tư duy bao vây thành phố bằng nông thôn, phân chia từng tình huống chi tiết, đó là thời điểm khi có sự kết hợp mạnh mẽ của những nhà phát triển AI web2 dư thừa + nguồn lực AI web3.
Trên thực tế, ngoài ra, web3 AI Agent còn có nhiều hướng sáng tạo theo phong cách web3 Native xứng đáng được khám phá ngoài cấu trúc triển khai nhanh chóng + framework giao thức đa Agent của web2 + việc kể chuyện phát hành Tokenomic.
Ví dụ, trang bị một bộ khung cộng tác giao thức phân tán, xem xét đến tính chất tính toán dưới chuỗi mô hình lớn của LLM + lưu trữ trạng thái trên chuỗi, cần nhiều thành phần linh hoạt.
1、Hệ thống xác minh danh tính DID phi tập trung, cho phép đại lý sở hữu danh tính trên chuỗi có thể xác minh, giống như địa chỉ duy nhất được tạo ra bởi máy ảo để hợp đồng thông minh, chủ yếu để theo dõi và ghi chép trạng thái sau này.
2、Hệ thống máy rùa Oracle phi tập trung, chịu trách nhiệm chính về việc thu thập và xác minh dữ liệu ngoại tuyến, khác với Oracle truyền thống, hệ thống máy rùa này có thể cần phải xây dựng một cấu trúc kết hợp nhiều Agent bao gồm lớp thu thập dữ liệu, lớp đồng thuận quyết định, lớp phản hồi thực thi dựa trên AI Agent, để dữ liệu cần thiết trên chuỗi của Agent và quyết định tính toán ngoại tuyến có thể đạt được ngay lập tức;
3、Một hệ thống lưu trữ DA phi tập trung, do sự không chắc chắn trong trạng thái của cơ sở tri thức khi AI Agent hoạt động và quá trình suy luận cũng tạm thời, cần một hệ thống ghi lại thư viện trạng thái và con đường suy luận quan trọng đằng sau LLM để lưu trữ trong hệ thống lưu trữ phân tán và cung cấp cơ chế chứng minh dữ liệu có chi phí kiểm soát được, đảm bảo tính khả dụ của dữ liệu khi xác minh trên chuỗi công khai.
4、Một lớp tính toán riêng tư ZKP không yêu cầu kiến thức, có thể kết nối với các giải pháp tính toán riêng tư bao gồm TEE, FHE, vv., thực hiện tính toán riêng tư thời gian thực + xác minh chứng cứ dữ liệu, giúp Aggent có thêm nguồn dữ liệu dọc đến (y tế, tài chính), sau đó xuất hiện nhiều dịch vụ chuyên nghiệp được tùy chỉnh hơn trên cơ sở đó.
5、Một bộ giao thức tương tác chéo, một chút tương tự như khung định nghĩa giao thức nguồn mở MCP, khác biệt ở chỗ giải pháp tương tác này cần có cơ chế relay và lịch trình giao tiếp để Agent tương thích chạy, truyền tải, xác minh, có thể hoàn thành vấn đề chuyển đổi tài sản và đồng bộ trạng thái của Agent trên các chuỗi khác nhau, đặc biệt là bao gồm ngữ cảnh và Prompt của Agent, thư viện kiến thức, Bộ nhớ và các trạng thái phức tạp khác.
……
The key focus of conquering the real web3 AI Agent in my opinion should be on how to make the "complex workflow" of AI Agent and the "trust verification flow" of blockchain match as closely as possible. As for these incremental solutions, whether they come from the upgrading and iteration of existing old narrative projects or are re-cast by projects on the new AI Agent narrative track, both are possibilities.
Đây mới là hướng mà AI Agent web3 nên cố gắng xây dựng, đó mới là cơ sở hệ sinh thái sáng tạo phù hợp với câu chuyện lớn AI + Crypto. Nếu không có sự mở đường sáng tạo liên quan và xây dựng rào cản cạnh tranh khác biệt, thì mỗi biến động trong cuộc đua AI web2 có thể làm đảo lộn thế giới của AI web3.