Дослідження застосування AI Agent у сфері Web3: від Manus до MC

Нещодавно продукт загального AI-агента під назвою Manus привернув широку увагу. Як перший у світі загальний AI-агент, Manus продемонстрував потужні можливості незалежного мислення та виконання складних завдань, що відкриває нові підходи до розробки AI-агентів. З швидким розвитком технології ШІ AI-агенти, як важлива гілка штучного інтелекту, демонструють величезний потенціал у різних галузях, не є винятком і галузь Web3.

Огляд AI Agent

AI Agent – це комп'ютерна програма, яка здатна самостійно приймати рішення та виконувати завдання на основі середовища, входу та попередньо визначених цілей. Її основні складові включають велику мовну модель (LLM) як «мозок», механізми спостереження та сприйняття, процеси міркування, виконання дій, а також функції пам'яті та пошуку.

Дизайнерські моделі AI Agent мають два основних напрями розвитку: один зосереджений на здібностях до планування, інший - на здібностях до рефлексії. Серед них, модель ReAct є найширше використовуваною дизайнерською моделлю, її типовий процес включає три етапи: мислення, дія та спостереження, формуючи циклічний ітеративний процес.

Залежно від кількості агентів, AI Agent можна розділити на Single Agent і Multi Agent. Single Agent акцентує увагу на поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, виконуючи складні завдання через співпрацю.

Модель Контекст Протокол (MCP)

MCP є відкритим протоколом, що має на меті вирішення проблеми з'єднання та взаємодії між LLM та зовнішніми джерелами даних. Він надає три можливості для розширення LLM: розширення знань, виконання функціональних викликів зовнішніх систем, а також попередньо написані шаблони запитів. MCP використовує архітектуру клієнт-сервер, а для нижчого рівня передачі застосовується протокол JSON-RPC.

Стан AI агентів у Web3

У секторові Web3 популярність AI Agent після піку в січні цього року трохи знизилася, але все ще є кілька проєктів, які залишаються на високому рівні уваги. Головні з них включають три моделі:

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

З точки зору економічної моделі, наразі лише модель запуску платформи може забезпечити самодостатній економічний замкнутий цикл. Проте, ця модель також стикається з викликами, оскільки активи, що підлягають випуску, повинні мати достатню привабливість для формування позитивного циклу.

MCP у напрямках дослідження Web3

Поява MCP відкрила нові напрямки досліджень для AI Agent у Web3:

1. Розгорніть MCP Server в блокчейн-мережі, щоб вирішити проблему єдиної точки і мати стійкість до цензури.
2. Надати MCP Server функцію взаємодії з блокчейном, таку як проведення DeFi-транзакцій та управління.
3. Побудова мережі стимулювання авторів OpenMCP.Network на основі Ethereum, автоматизація, прозорість та надійність стимулів через смарт-контракти.

Хоча теоретично поєднання MCP з Web3 може ввести механізм децентралізованої довіри та економічні стимули для застосувань AI Agent, наразі технологічний рівень ще не дозволяє повністю перевірити справжність поведінки агентів, а також потрібно вирішити проблеми ефективності децентралізованих мереж.

Підсумок

Випуск Manus знаменує важливу віху в розвитку продуктів загального штучного інтелекту. Сфері Web3 також потрібен віховий продукт, щоб розвіяти сумніви зовні щодо його практичності. Поява MCP відкриває нові напрямки дослідження для AI Agent у Web3, включаючи розгортання блокчейну, функції взаємодії з блокчейном та створення мережі стимулювання для творців.

Поєднання штучного інтелекту та Web3 є неминучим трендом. Незважаючи на те, що наразі ми стикаємося з багатьма викликами, нам потрібно зберігати терпіння та впевненість, продовжуючи досліджувати цю перспективну сферу.

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