TL;DR

Berikut adalah pemikiran pribadi saya:

1) MCP (Model Context Protocol) adalah protokol sumber terbuka dan terstandarisasi yang dirancang untuk memungkinkan koneksi yang mulus antara berbagai AI LLMs (Large Language Models) dan Agen dengan sumber data dan alat yang beragam. Bayangkan sebagai antarmuka USB 'universal' plug-and-play, menggantikan metode pengemasan 'spesifik' yang kuno dan kaku dari ujung ke ujung.

Secara sederhana, telah terjadi isolasi data yang jelas antara aplikasi AI. Untuk interoperabilitas antara Agen/LLM, masing-masing perlu mengembangkan antarmuka API sendiri. Hal ini membuat proses menjadi kompleks dan kurang memiliki kemampuan interaksi dua arah. Selain itu, model-model ini seringkali memiliki akses terbatas dan izin.

Kedatangan MCP memberikan kerangka kerja yang terpadu, memungkinkan aplikasi AI untuk lepas dari silo data masa lalu dan mengakses data dan alat eksternal secara dinamis. Hal ini secara drastis mengurangi kompleksitas pengembangan dan meningkatkan efisiensi integrasi, terutama dalam mengotomatisasi tugas, mengambil data real-time, dan memungkinkan kolaborasi lintas platform. Begitu saya menyebutkan ini, banyak langsung berpikir: jika Manus, sebuah inovasi dalam kolaborasi multi-Agen, mengintegrasikan MCP - kerangka kerja yang dirancang untuk meningkatkan kolaborasi tersebut - tidak akan terhentikan?

Memang, Manus + MCP adalah faktor kunci di balik gangguan saat ini di ruang Agen AI Web3.

2) Namun, yang benar-benar membingungkan adalah bahwa Manus dan MCP adalah kerangka kerja dan standar protokol yang dirancang untuk web2 LLM / Agen, memecahkan masalah yang terkait dengan interaksi data dan kolaborasi antara server terpusat. Izin dan kontrol akses mereka masih bergantung pada pembukaan "aktif" dari setiap node server. Dengan kata lain, mereka berfungsi lebih sebagai atribut alat open-source daripada sepenuhnya merangkul prinsip-prinsip desentralisasi.

Menurut hak-hak, ini melanggar nilai-nilai inti dari web3 AI Agent, seperti “server terdistribusi, kolaborasi terdistribusi, dan insentif terdistribusi.” Bagaimana mungkin meriam Italia yang terpusat menjatuhkan benteng terdesentralisasi?

Masalahnya berasal dari kenyataan bahwa, pada tahap awalnya, web3 AI Agent terlalu 'berpusat pada web2.' Banyak tim yang terlibat berasal dari latar belakang web2 dan kurang memahami kebutuhan asli web3. Ambil kerangka ElizaOS sebagai contoh—awalnya dibuat untuk membantu pengembang dengan cepat mendeploy aplikasi AI Agent. Ini mengintegrasikan platform seperti Twitter dan Discord, serta API seperti OpenAI, Claude, dan DeepSeek, menyediakan kerangka kerja untuk pengembangan memori dan karakter untuk membantu mempercepat pengimplementasian AI Agent. Namun ketika diteliti, bagaimana kerangka layanan ini berbeda dari alat sumber terbuka web2? Apa keunggulan unik yang ditawarkannya?

Keuntungan yang seharusnya terletak pada sistem insentif tokenomiknya. Tetapi pada dasarnya, ini adalah kerangka kerja yang dapat dengan mudah digantikan oleh web2, mendorong AI Agents yang terutama berfokus pada penerbitan koin-koin baru. Hal ini mengkhawatirkan. Jika Anda mengikuti logika ini, Anda akan memahami mengapa Manus + MCP dapat mengganggu web3 AI Agents: banyak kerangka kerja AI Agent web3 yang ada hanya mereplikasi kebutuhan pengembangan dan aplikasi yang cepat dari AI Agents web2 tanpa kemajuan dalam layanan teknis, standar, atau diferensiasi. Akibatnya, pasar dan modal telah menilai ulang dan mengkalibrasi AI Agents web3 sebelumnya.

3) Sekarang, setelah mengidentifikasi inti dari masalah tersebut, apa yang bisa dilakukan untuk memecahkannya? Jawabannya sederhana: fokus pada menciptakan solusi yang benar-benar web3-native. Keuntungan unik dari web3 terletak pada sistem terdistribusi dan struktur insentifnya.

Pertimbangkan platform layanan komputasi awan terdistribusi, data, dan algoritma. Meskipun pada permukaannya mungkin terlihat bahwa mengumpulkan sumber daya yang tidak digunakan untuk menyediakan daya komputasi dan data tidak akan memenuhi kebutuhan inovasi teknik yang segera, kenyataannya adalah bahwa ketika banyak AI LLM terlibat dalam perlombaan kinerja, gagasan menawarkan 'sumber daya tidak terpakai dengan biaya rendah' menjadi model layanan yang menarik. Awalnya, pengembang web2 dan VC mungkin mengabaikan hal ini, tetapi seiring dengan inovasi Agen AI web2 bergerak melewati kinerja dan memasuki ekspansi aplikasi vertikal, penyetelan halus, dan optimalisasi model, keunggulan sumber daya AI web3 akan menjadi jelas.

Sebenarnya, begitu web2 AI mencapai puncak melalui monopoli sumber daya, akan semakin sulit untuk membalik dan menggunakan strategi “desa-mengelilingi-kota” untuk menangani aplikasi-aplikasi tersegmentasi, niche. Saat itulah sejumlah besar pengembang web2 AI, yang digabungkan dengan sumber daya web3 AI, benar-benar akan mendorong ke depan.

Oleh karena itu, kesempatan bagi Agen AI web3 jelas: sebelum platform sumber daya AI web3 dibanjiri dengan pengembang web2 yang mencari solusi, kita perlu fokus pada pengembangan serangkaian solusi web3 yang memungkinkan. Di luar hanya penyebaran cepat gaya web2, kolaborasi multi-agen, dan model mata uang berbasis tokenomics, ada banyak arah inovatif web3 yang layak dieksplorasi bagi Agen AI web3.

Sebagai contoh, sebuah kerangka kerja kolaborasi konsensus terdistribusi akan diperlukan, mengingat karakteristik komputasi off-chain model besar LLM dan penyimpanan status on-chain. Ini memerlukan banyak komponen yang dapat disesuaikan:

1. Sistem Verifikasi Identitas DID Terdesentralisasi: Ini akan memungkinkan Agen memiliki identitas on-chain yang dapat diverifikasi, mirip dengan bagaimana alamat unik dibuat untuk kontrak pintar oleh mesin virtual yang sedang berjalan. Sistem ini utamanya digunakan untuk pelacakan dan pencatatan berkelanjutan dari status-status berikutnya;

2. Sistem Oracle Terdesentralisasi: Sistem ini bertanggung jawab atas akuisisi terpercaya dan verifikasi data di luar rantai. Tidak seperti Oracles tradisional, sistem ini yang disesuaikan dengan AI Agents mungkin memerlukan arsitektur gabungan, termasuk lapisan pengumpulan data, lapisan konsensus keputusan, dan lapisan umpan balik eksekusi. Hal ini memastikan bahwa data yang dibutuhkan oleh agen di rantai, dan komputasi dan keputusan di luar rantai, dapat diakses secara real-time;

3. Sistem Penyimpanan Terdesentralisasi DA: Karena keadaan basis pengetahuan selama operasi Agen AI tidak pasti, dan proses penalaran cenderung sementara, diperlukan untuk mencatat perpustakaan keadaan kunci dan jalur penalaran di balik LLM. Hal ini harus disimpan dalam sistem penyimpanan terdistribusi dengan mekanisme bukti data yang dikontrol biayanya untuk memastikan ketersediaan data selama verifikasi rantai publik;

4. Lapisan Komputasi Privasi Zero-Knowledge Proof (ZKP): Ini dapat terintegrasi dengan solusi komputasi privasi seperti TEE (Trusted Execution Environment) dan FHE (Fully Homomorphic Encryption), memungkinkan komputasi privasi dan verifikasi bukti data real-time. Ini memungkinkan Agen untuk mengakses berbagai sumber data vertikal (misalnya, medis, keuangan), yang mengarah pada munculnya lebih banyak Layanan Agen yang lebih spesialis dan disesuaikan;

5. Sebuah Protokol Interoperabilitas Cross-Chain: Ini akan menyerupai kerangka yang didefinisikan oleh protokol open-source MCP. Namun, solusi interoperabilitas ini memerlukan mekanisme relay dan penjadwalan komunikasi yang beradaptasi dengan operasi Agen, transmisi, dan verifikasi. Hal ini memastikan transfer aset dan sinkronisasi status di berbagai rantai, terutama untuk kondisi kompleks seperti konteks Agen, Prompts, basis pengetahuan, Memori, dll.

......

Menurut pandangan saya, tantangan inti bagi Agen AI Web3 adalah untuk menyelaraskan 'alur kerja kompleks' dari Agen AI dengan 'alur verifikasi kepercayaan' dari blockchain sejauh mungkin. Solusi inkremental ini bisa muncul dari meningkatkan proyek-proyek yang sudah ada atau diimajinasikan kembali dalam proyek-proyek baru dalam trek naratif Agen AI.

Ini adalah arah yang Web3 AI Agents harus dituju untuk dikembangkan, sejalan dengan ekosistem inovatif fundamental dalam narasi makro AI + Crypto. Jika tidak ada inovasi atau pembentukan hambatan kompetitif yang berbeda, setiap pergeseran dalam jalur Web2 AI bisa mengganggu lanskap Web3 AI.

Penafian:

1. Artikel ini direproduksi dari [Substack Haotian-CryptoInsight], hak cipta adalah milik penulis asli [@haotiancryptoinsight]. Jika Anda keberatan dengan dicetak ulang, harap hubungi Gate Belajartim, tim akan menanganinya sesegera mungkin sesuai dengan prosedur yang relevan.
2. Penafian: Pandangan dan opini yang terungkap dalam artikel ini hanya mewakili pandangan pribadi penulis dan tidak merupakan saran investasi apa pun.
3. Versi bahasa lain dari artikel diterjemahkan oleh tim Gate Learn dan tidak disebutkan di Gate.io, artikel yang diterjemahkan mungkin tidak boleh direproduksi, didistribusikan, atau diplagiatkan.