โทเค็น AI Agent ลดลงอย่างไม่มีที่สิ้นสุด MCP ร้อนเกินไปหรือไม่?

มีfrenพูดว่า การเคลื่อนไหวขาลงของเป้าหมาย AI Agent ใน web3 เช่น #ai16z และ arc เป็นผลมาจากโปรโตคอล MCP ที่ได้รับความนิยมเร็วขึ้นเมื่อเร็วๆ นี้? ฟังดูแปลกๆ แต่เมื่อคิดดีๆ จะพบว่ามันมีเหตุผลบ certain: การตั้งราคาค่าใช้จ่ายของเป้าหมาย AI Agent ใน web3 ได้เปลี่ยนไป ทิศทางการพูดและเส้นทางการวางผลิตภัณฑ์จำเป็นต้องปรับเปลี่ยน! ต่อไปนี้คือความเห็นส่วนบุคคล:

1）MCP（Model Context Protocol）คือมาตรฐานโปรโตคอลโอเพนซอร์สที่ออกแบบมาเพื่อเชื่อมต่อ AI LLM/เอเจนต์ ทุกชนิดไปยังแหล่งข้อมูลและเครื่องมือต่าง ๆ อย่างไม่มีรอยต่อเหมาะสำหรับ USB “ทั่วไป” แทนที่การบรรจุ “เฉพาะ” จากปลายจนถึงปลายในอดีต

อย่างง่ายแล้ว โดยปกติแล้ว ฐานข้อมูลระหว่างการใช้ AI มักจะแยกกันอยู่ การสื่อสารระหว่างเอเจนต์/LLM จะต้องพัฒนาอินเทอร์เฟซ API ที่เกี่ยวข้องแต่ละชุดเพื่อให้สามารถแลกเปลี่ยนข้อมูลระหว่างกัน กระบวนการดำเนินการที่ซับซ้อนไม่เท่านั้น ยังขาดความสามารถในการสื่อสารสองทาง โดยทั่วไปแล้วจะมีขอบเขตของการเข้าถึงโมเดลและการจำกัดสิทธิ์ในการเข้าถึง

การเกิดของ MCP เทียบเท่ากับการ提供กรอบงานที่เป็นระบบเดียวกัน ทำให้แอปพลิเคชัน AI สามารถหลีกเลี่ยงสถานะเกาะด้านข้อมูลในอดีต ทำให้เป็นไปได้ที่จะเข้าถึงข้อมูลและเครื่องมือภายนอกอย่าง "ไดนามิก" โดยสามารถลดความซับซ้อนในการพัฒนาและเพิ่มประสิทธิภาพในการผสาน โดยเฉพาะอย่างยิ่งในการดำเนินการงานอัตโนมัติ การค้นหาข้อมูลแบบเรียลไทม์ และการสนับสนุนในด้านการทำงานร่วมกันข้ามแพลตฟอร์ม มีบทบาทสำคัญอย่างชัดเจน

พูดถึงนี้ หลายๆ คนก็นึกถึงกันทันทีว่า หากใช้ Manus ที่ทำงานร่วมกันแบบหลายๆ Agent ในกรอบโอเพ่นซอร์ส MCP ที่สนับสนุนการทำงานร่วมกันของหลายๆ Agent จะกลายเป็นอย่างไรล่ะ

ถูกต้อง，Manus + MCP เท่านั้นที่เป็นปัจจัยสำคัญที่โดนกระทบในเรื่องเอเจนต์ AI ของ web3 ครั้งนี้

2. อย่างไรก็ตามไม่น่าเชื่อว่าทั้ง Manus และ MCP เป็นเฟรมเวิร์กที่มุ่งเน้น web2 LLM / Agent และมาตรฐานโปรโตคอลซึ่งแก้ปัญหาการโต้ตอบข้อมูลและการทํางานร่วมกันระหว่างเซิร์ฟเวอร์ส่วนกลางและสิทธิ์และการควบคุมการเข้าถึงยังอาศัยการเปิดกว้าง "ใช้งาน" ของแต่ละโหนดเซิร์ฟเวอร์กล่าวอีกนัยหนึ่งเป็นเพียงแอตทริบิวต์เครื่องมือโอเพ่นซอร์ส

ตามสมมติฐานแล้ว มันและ web3 AI Agent กำลังมุ่งหน้าที่จะทำให้ “เซิร์ฟเวอร์แบบกระจาย การทำงานร่วมกันแบบกระจาย และระบบสรรค์แบบกระจาย” เป็นความคิดสำคัญที่ต่างจากการทำให้มีจุดศูนย์ ว่าจะสามารถทำลายป้อมปราการแบบกระจายได้อย่างไร

เหตุผลก็คือขั้นตอนแรกของ web3 AI Agent นั้น "เน้น web2" เกินไปในแง่หนึ่งเนื่องจากหลายทีมมาจากพื้นหลังของ web2 และขาดความเข้าใจอย่างถ่องแท้เกี่ยวกับข้อกําหนดดั้งเดิมของ web3 Native อินเทอร์เฟซ API เช่น DeepSeek ห่อหุ้มเฟรมเวิร์กทั่วไปบางอย่างเช่น Memory และ Charater อย่างเหมาะสมเพื่อช่วยให้นักพัฒนาพัฒนาและชําระแอปพลิเคชันตัวแทน AI ได้อย่างรวดเร็ว แต่อย่างจริงจังอะไรคือความแตกต่างระหว่างชุดของเฟรมเวิร์กบริการและเครื่องมือโอเพ่นซอร์ส web2 นี้? อะไรคือความแตกต่าง?

เออ คุณคิดว่าความได้เปรียบคือการมีวิธีกระตุ้น Tokenomics แล้วใช้โครงสร้างที่สามารถรับทราบได้ด้วย web2 อีกชุด กระตุ้น AI Agent หลายรุ่นที่มีอยู่เพื่อการออกเหรียญใหม่? น่ากลัว... ถ้าดูตามตรรกะนี้คุณจะเข้าใจประมาณว่าทำไม Manus +MCP สามารถสร้างความผันผวนใน AI Agent ของ web3 ได้

เนื่องจากเฟรมเวิร์คและบริการ AI Agent ใน web3 ที่หลายรายได้แก้ปัญหาในการพัฒนาและการใช้งานของ AI Agent ใน web2 อย่างรวดเร็ว แต่ก็ไม่สามารถทำให้เทคโนโลยีบริการและมาตรฐานและความเหนือกว่าของ web2 ตามความน่าสนใจ ดังนั้นตลาด/ทุนได้ทำการประเมินค่าและกำหนดราคาใหม่ให้กับ AI Agent ใน web3 ชุดก่อนหน้า

3）พูดถึงนี้ ประมาณว่าได้หาข้อมูลสำคัญเรียบร้อยแล้ว แต่จะแก้ปัญหาอย่างไร? มีทางเดียวคือ: มุ่งเน้นการทำเพื่อเว็บ 3 โดยตรงเนื่องจากระบบกระจายและโครงสร้างกระตุ้นเป็นจุดเด่นที่แตกต่างสิ่งที่เป็นข้อดีของ web3 อย่างแน่นอน

การใช้พลังการประมวลผลแบบคลาวด์ข้อมูลอัลกอริทึมและแพลตฟอร์มบริการอื่น ๆ เป็นตัวอย่างบนพื้นผิวดูเหมือนว่าพลังการประมวลผลและข้อมูลประเภทนี้ที่รวบรวมไว้บนพื้นฐานของทรัพยากรที่ไม่ได้ใช้งานไม่สามารถตอบสนองความต้องการของนวัตกรรมทางวิศวกรรมในระยะสั้น แต่เมื่อ AI LLMs จํานวนมากกําลังต่อสู้เพื่อพลังการประมวลผลแบบรวมศูนย์เพื่อทําลายการแข่งขันด้านอาวุธเพื่อประสิทธิภาพรูปแบบบริการที่มีลูกเล่นของ "ทรัพยากรที่ไม่ได้ใช้งานและต้นทุนต่ํา" จะดูถูกนักพัฒนา Web2 และ VC Tiantuan โดยธรรมชาติ

เมื่อตัวแทน AI ของ web2 ผ่านขั้นตอนการพัฒนาประสิทธิภาพ จะต้องมีการขยายโอกาสการใช้งานแนวตั้งและการปรับแต่งแบบจำลองในด้านต่างๆ ในอนาคต นั้นเป็นเวลาที่คุณลักษณะบริการ AI ของ web3 จะแสดงความเป็นไปได้ที่แท้จริง

ในความเป็นจริงเมื่อ AI ของ web2 ที่เป็นการครอบครองทรัพยากรเข้าถึงตำแหน่งของตัวเองในระดับที่กว้างขวางมันยากที่จะกลับมาใช้ความคิดของการล้อมเมืองด้วยชนบทในชนิดหนึ่งหลังจากแยกส่วนทีละสถานการณ์เมื่อเวลานั้นคือเวลาของนักพัฒนา AI ของ web2 ที่เหลือเหลือ + การรวมทรัพยากร AI ของ web3 เพื่อทำงานร่วมกัน

ในความเป็นจริง，เอเจ้นต์ AI ของ web3 นอกจากโครงสร้างการสื่อสารของการจัดการที่รวดเร็วของ web2+ การสื่อสารระหว่างเอเจนต์หลายตัว+ นอกจากนี้ยังมีมุมมองใหม่ของด้านนวิทีของ web3 ที่คุ้มค่าที่จะสำรวจ

ตัวอย่างเช่น การติดตั้งกรอบการทำงานร่วมกันแบบกระจาย โดยพิจารณาถึงคุณลักษณะของการคำนวณใน LLM โมเดลขนาดใหญ่ระดับภายใต้เชื่อมโยงกับการจัดเก็บสถานะบนเชื่อมโยง จำเป็นต้องมีส่วนประกอบที่เหมาะสมหลายชิ้น

1、ระบบการยืนยันตัวตนของDIDที่ไม่มีศูนย์กลายเป็นจริง, ทำให้เอเยนต์สามารถครอบครองตัวตนบนเชื่อมโยงที่สามารถตรวจสอบได้, เหมือนกับที่เป็นที่อยู่ที่ไม่ซ้ำกันที่เต็มไปด้วยเจตนาที่ถูกสร้างโดยเครื่องจำลองเสมือนสมาร์ตคอนแทรคเพื่อการสร้างสถานะต่อไปและบันทึกไว้;

2、ระบบ Oracle ที่ไม่มีศูนย์กลางที่สำคัญในการรับข้อมูลและการตรวจสอบข้อมูลใต้โซ่ และไม่เหมือน Oracle เดิม ระบบ Oracle ที่เข้ากันได้กับ AI Agent นี้อาจจะต้องทำซ้ำโครงสร้างของหลายๆ ตัวแอนเจนต์ รวมถึงชั้นการเก็บข้อมูล ชั้นข้อสนเทศทางการตัดสิน และชั้นการตอบสนองการดำเนินการ เพื่อให้ข้อมูลที่ต้องการของตัวแอนเจนต์และการคำนวณและการตัดสินใต้โซ่สามารถทำได้ทันที

3、ระบบเก็บข้อมูล DA ที่ไม่มีศูนย์กลาง ซึ่งเนื่องจากสถานะของคลังความรู้ขณะที่ AI Agent ทำงานมีความไม่แน่นอน และกระบวนการความเห็นก็เป็นชั่วคราว จึงจำเป็นต้องมีระบบที่บันทึกสถานะสำคัญของ LLM และเส้นทางการคำนวณไว้ในระบบเก็บข้อมูลแบบกระจาย และให้กลไกการพิสูจน์ข้อมูลที่มีค่าที่มีความคุ้มค่าเพื่อให้มั่นใจในความสามารถในการยืนยันข้อมูลขณะที่อยู่ในเชื่อมโยงโซ่

4、ชั้นคำนวณความเป็นส่วนตัวโดยไม่รู้เชิงZKPซึ่งสามารถทำงานร่วมกับโซลูชันคำนวณความเป็นส่วนตัวระหว่างTEEและFHEเพื่อทำให้การคำนวณความเป็นส่วนตัวเรียลไทม์+การยืนยันข้อมูลเป็นไปได้ ทำให้เอเจนต์สามารถมีแหล่งข้อมูลด้านแนวตั้งที่กว้างขึ้น (เช่น การแพทย์ การเงิน) จากนั้นจะมีการบริการที่ปรับแต่งมากขึ้นอยู่เหนือเอเจนต์

5、โปรโตคอลที่สามารถทำงานร่วมกันข้ามเครือข่าย คล้ายกับโครงสร้างของโปรโตคอลโอเพ่นซอร์ส MCP แต่ต่างกันที่โซลูชัน Interoperability นี้ต้องมี relay ที่สามารถทำงาน ส่งเสริม และยืนยันที่เหมาะสมสำหรับการแก้ปัญหาการโอนทรัพย์และการซิงโครไนส์สถานะของเอเจนท์ระหว่างเครือข่ายที่แตกต่างกัน โดยเฉพาะอย่างยิ่งเมื่อเกี่ยวข้องกับสถานะที่ซับซ้อนของเอเจนท์และ Prompt、knowledge base、Memory ฯลฯ

……

ในมุมมองของฉัน จุดสำคัญในการโจมตี web3 AI Agent ควรจะอยู่ที่วิธีที่ทำให้ "กระบวนการทำงานของ AI Agent" และ "กระบวนการตรวจสอบความเชื่อ" ของบล็อกเชนสอดคล้องกันให้เข้ากันให้ดีที่สุด สำหรับวิธีแก้ปัญหาเพิ่มเติมเหล่านี้ มันอาจมาจากโปรเจคเรื่องเรื่องเก่าที่อัพเกรดและพัฒนาต่อยอดมา หรือจะเป็นโปรเจคบนเส้นแข็งของ AI Agent ที่สร้างใหม่ขึ้นก็ได้

นี่คือทิศทางที่เอเจนต์ AI ของ web3 ควรพยายามสร้าง นี่คือพื้นฐานของนวัตกรรมในนิยามที่ใหญ่ของ AI + Crypto หากไม่มีการเปิดโอกาสให้นวัตกรรมที่เกี่ยวข้องและสร้างความแตกต่างในการแข่งขัน และสร้างกำแพงป้องกัน พวกนี้จะทำให้ทุกครั้งที่มีการเคลื่อนไหวลงในเส้นทาง AI ของ web2 มีโอกาสทำให้ web3 AI ตกใจไป