การลดลงอย่างต่อเนื่องของ AI Agent เกิดจากการระเบิดล่าสุดของโปรโตคอล MCP หรือไม่?

Manus + MCP เป็นกุญแจสําคัญในผลกระทบของ Web3 AI Agent

เขียนโดย: Haotian

เพื่อนคนหนึ่งกล่าวว่าการลดลงอย่างต่อเนื่องของตัวแทน web3 AI เช่น #ai16z และ $arc เกิดจากการระเบิดล่าสุดของโปรโตคอล MCP หรือไม่? เมื่อมองแวบแรกทั้งคนสับสนเล็กน้อย WTF มีส่วนเกี่ยวข้องกับมันหรือไม่? แต่หลังจากคิดเกี่ยวกับเรื่องนี้ฉันพบว่ามีตรรกะบางอย่างจริงๆ: ตรรกะการประเมินมูลค่าและการกําหนดราคาของตัวแทน web3 AI ที่มีอยู่มีการเปลี่ยนแปลงและทิศทางการเล่าเรื่องและเส้นทางการลงจอดของผลิตภัณฑ์จําเป็นต้องปรับเปลี่ยนอย่างเร่งด่วน! ด้านล่างนี้ฉันต้องการแบ่งปันความคิดเห็นส่วนตัวของฉัน:

1. MCP (Model Context Protocol) เป็นโปรโตคอลมาตรฐานโอเพนซอร์สที่ออกแบบมาเพื่อให้ AI LLM / Agents ต่างๆสามารถเชื่อมต่อกับแหล่งข้อมูลและเครื่องมือต่างๆได้อย่างราบรื่นซึ่งเทียบเท่ากับอินเทอร์เฟซ "สากล" USB แบบ plug-and-play แทนที่วิธีการห่อหุ้ม "เฉพาะ" แบบ end-to-end ในอดีต

พูดง่ายๆก็คือมีเกาะข้อมูลที่ชัดเจนระหว่างแอปพลิเคชัน AI และตัวแทนและ LLM จําเป็นต้องพัฒนา API การโทรที่สอดคล้องกันเพื่อให้บรรลุการทํางานร่วมกันไม่ต้องพูดถึงความซับซ้อนของกระบวนการทํางานและการขาดฟังก์ชันการโต้ตอบแบบสองทางมักจะมีการเข้าถึงโมเดลและข้อ จํากัด การอนุญาตที่ค่อนข้าง จํากัด

การเกิดขึ้นของ MCP ให้กรอบการทํางานแบบรวมสําหรับแอปพลิเคชัน AI เพื่อกําจัดไซโลข้อมูลในอดีตและตระหนักถึงความเป็นไปได้ของการเข้าถึงข้อมูลและเครื่องมือภายนอก "แบบไดนามิก" ซึ่งสามารถลดความซับซ้อนในการพัฒนาและประสิทธิภาพการรวมได้อย่างมากโดยเฉพาะอย่างยิ่งในแง่ของการดําเนินการงานอัตโนมัติการสืบค้นข้อมูลแบบเรียลไทม์และการทํางานร่วมกันข้ามแพลตฟอร์ม

เมื่อพูดถึงเรื่องนี้หลายคนคิดทันทีว่าถ้า Manus สําหรับการทํางานร่วมกันแบบหลายตัวแทนและนวัตกรรมถูกรวมเข้ากับเฟรมเวิร์กโอเพ่นซอร์ส MCP นี้ที่สามารถส่งเสริมการทํางานร่วมกันแบบหลายตัวแทนมันจะไม่อยู่ยงคงกระพันหรือไม่?

ถูกต้อง Manus + MCP เป็นกุญแจสําคัญในผลกระทบของ web3 AI Agent

2. อย่างไรก็ตามไม่น่าเชื่อว่าทั้ง Manus และ MCP เป็นเฟรมเวิร์กและมาตรฐานโปรโตคอลสําหรับ web2 LLM / Agent ซึ่งแก้ปัญหาการโต้ตอบข้อมูลและการทํางานร่วมกันระหว่างเซิร์ฟเวอร์ส่วนกลางและการอนุญาตและการควบคุมการเข้าถึงยังอาศัยการเปิดกว้าง "ใช้งาน" ของแต่ละโหนดเซิร์ฟเวอร์กล่าวอีกนัยหนึ่งเป็นเพียงแอตทริบิวต์เครื่องมือโอเพ่นซอร์ส

มันมีเหตุผลว่ามันขัดกับแนวคิดหลักของ "เซิร์ฟเวอร์แบบกระจายการทํางานร่วมกันแบบกระจายและสิ่งจูงใจแบบกระจาย" ที่ดําเนินการโดย web3 AI Agent

เหตุผลก็คือเฟสแรกของ web3 AI Agent นั้น "เน้น web2" เกินไปในแง่หนึ่งเนื่องจากหลายทีมมาจากภูมิหลังของ web2 และขาดความเข้าใจอย่างถ่องแท้เกี่ยวกับข้อกําหนดดั้งเดิมของ web3 Native "อินเทอร์เฟซ API" เช่น DeepSeek ห่อหุ้มเฟรมเวิร์กทั่วไปของหน่วยความจําและ Charater อย่างเหมาะสมเพื่อช่วยให้นักพัฒนาพัฒนาแอปพลิเคชันตัวแทน AI ได้อย่างรวดเร็ว แต่อะไรคือความแตกต่างระหว่างเฟรมเวิร์กบริการชุดนี้และเครื่องมือโอเพ่นซอร์ส web2 อะไรคือความแตกต่าง?

เอ่อข้อได้เปรียบที่มีชุดของสิ่งจูงใจ Tokenomics หรือไม่? จากนั้นใช้ชุดของเฟรมเวิร์กที่ web2 สามารถแทนที่ได้อย่างสมบูรณ์เพื่อจูงใจกลุ่มตัวแทน AI ที่มีอยู่เพื่อวัตถุประสงค์ในการออกเหรียญใหม่? น่ากลัว เมื่อดูตรรกะนี้คุณสามารถเข้าใจได้อย่างคร่าวๆว่าทําไม Manus +MCP จึงสามารถส่งผลกระทบต่อ web3 AI Agent ได้?

เนื่องจากเฟรมเวิร์กและบริการตัวแทน web3 AI จํานวนมากสามารถแก้ปัญหาความต้องการของการพัฒนาและแอปพลิเคชันอย่างรวดเร็วคล้ายกับตัวแทน web2 AI แต่พวกเขาไม่สามารถตามทันความเร็วนวัตกรรมของ web2 ในแง่ของบริการทางเทคนิคและมาตรฐานและข้อได้เปรียบในการสร้างความแตกต่างตลาด / ทุนจึงได้ประเมินราคาและกําหนดราคาตัวแทน web3 AI ชุดสุดท้าย

3. พูดถึงสิ่งที่ต้องพบปมของปัญหาทั่วไป แต่จะทําลายสถานการณ์ได้อย่างไร? วิธีเดียว: มุ่งเน้นไปที่โซลูชัน web3-native เนื่องจากการดําเนินงานและสถาปัตยกรรมแรงจูงใจของระบบแบบกระจายเป็นข้อได้เปรียบที่แตกต่างอย่างแท้จริงของ web3

การใช้พลังการประมวลผลแบบคลาวด์ข้อมูลอัลกอริทึมและแพลตฟอร์มบริการอื่น ๆ เป็นตัวอย่างบนพื้นผิวดูเหมือนว่าพลังการประมวลผลและข้อมูลประเภทนี้ที่รวบรวมไว้บนพื้นฐานของทรัพยากรที่ไม่ได้ใช้งานไม่สามารถตอบสนองความต้องการของนวัตกรรมทางวิศวกรรมในระยะสั้น แต่เมื่อ AI LLMs จํานวนมากกําลังต่อสู้เพื่อพลังการประมวลผลแบบรวมศูนย์เพื่อทําลายการแข่งขันด้านอาวุธเพื่อประสิทธิภาพรูปแบบบริการที่มีลูกเล่นของ "ทรัพยากรที่ไม่ได้ใช้งานและต้นทุนต่ํา" จะดูถูกนักพัฒนา web2 และกลุ่ม VC โดยธรรมชาติ

อย่างไรก็ตามเมื่อตัวแทน web2 AI ผ่านขั้นตอนของนวัตกรรมประสิทธิภาพจะต้องติดตามการขยายตัวของสถานการณ์การใช้งานแนวตั้งและการเพิ่มประสิทธิภาพของรูปแบบการแบ่งย่อยและการปรับแต่งและข้อดีของบริการทรัพยากร web3 AI จะชัดเจนอย่างแท้จริงในเวลานั้น

ในความเป็นจริงเมื่อ web2 AI ที่ปีนขึ้นไปที่ตําแหน่งของยักษ์ในรูปแบบของการผูกขาดทรัพยากรถึงขั้นตอนหนึ่งมันเป็นเรื่องยากที่จะถอยกลับไปสู่ความคิดของรอบเมืองกับชนบทและแบ่งฉากทีละคนและในเวลานั้นเป็นเวลาสําหรับนักพัฒนา web2 AI ส่วนเกิน + ทรัพยากร web3 AI เพื่อทํางานร่วมกัน

ในความเป็นจริงนอกเหนือจากชุดการปรับใช้อย่างรวดเร็วของ web2 + กรอบการสื่อสารการทํางานร่วมกันแบบหลายเอเจนต์ + การเล่าเรื่องการออก Tokenomic แล้วยังมีทิศทางที่เป็นนวัตกรรมใหม่มากมายของ web3 Native ที่ควรค่าแก่การสํารวจ:

ตัวอย่างเช่นพร้อมกับชุดของกรอบการทํางานร่วมกันฉันทามติแบบกระจายเมื่อพิจารณาถึงลักษณะของการประมวลผลนอกเครือข่าย + การจัดเก็บสถานะแบบออนเชนของโมเดลขนาดใหญ่ LLM จําเป็นต้องมีส่วนประกอบที่ปรับเปลี่ยนได้จํานวนมาก

1. ระบบการรับรองความถูกต้อง DID แบบกระจายอํานาจช่วยให้ตัวแทนมีข้อมูลประจําตัวแบบ on-chain ที่ตรวจสอบได้ซึ่งเหมือนกับที่อยู่เฉพาะที่สร้างขึ้นโดยเครื่องเสมือนการดําเนินการสําหรับสัญญาอัจฉริยะส่วนใหญ่สําหรับการติดตามและบันทึกสถานะที่ตามมาอย่างต่อเนื่อง

2. ระบบออราเคิลแบบกระจายอํานาจมีหน้าที่หลักในการได้มาและการตรวจสอบข้อมูลนอกเครือข่ายที่เชื่อถือได้ซึ่งแตกต่างจาก Oracle รุ่นก่อน ๆ และ Oracle นี้ที่ปรับให้เข้ากับ AI Agent อาจจําเป็นต้องทําการรวมกันของตัวแทนหลายตัวรวมถึงเลเยอร์การรวบรวมข้อมูลเลเยอร์ฉันทามติในการตัดสินใจและเลเยอร์ข้อเสนอแนะการดําเนินการเพื่อให้ข้อมูล on-chain ที่จําเป็นโดยตัวแทนและการประมวลผลนอกเครือข่ายและการตัดสินใจสามารถเข้าถึงได้แบบเรียลไทม์

3. ระบบ DA จัดเก็บข้อมูลแบบกระจายอํานาจเนื่องจากความไม่แน่นอนของสถานะของฐานความรู้เมื่อ AI Agent กําลังทํางานและกระบวนการอนุมานก็ชั่วคราวเช่นกันจําเป็นต้องบันทึกไลบรารีสถานะหลักและเส้นทางการอนุมานที่อยู่เบื้องหลัง LLM และเก็บไว้ในระบบจัดเก็บข้อมูลแบบกระจายและจัดเตรียมกลไกการพิสูจน์ข้อมูลที่ควบคุมต้นทุนได้เพื่อให้แน่ใจว่าข้อมูลพร้อมใช้งานของการตรวจสอบห่วงโซ่สาธารณะ

4. ชุดของเลเยอร์การประมวลผลความเป็นส่วนตัว ZKP ที่ไม่มีหลักฐานความรู้สามารถเชื่อมโยงกับโซลูชันการประมวลผลความเป็นส่วนตัวรวมถึงเวลา TEE, PHE ฯลฯ เพื่อให้ได้การประมวลผลความเป็นส่วนตัวแบบเรียลไทม์ + การตรวจสอบหลักฐานข้อมูลเพื่อให้ตัวแทนสามารถมีแหล่งข้อมูลแนวตั้งที่หลากหลายขึ้น (การแพทย์การเงิน) จากนั้นตัวแทนบริการที่กําหนดเองอย่างมืออาชีพจะปรากฏขึ้นที่ด้านบนของด้านบน

5. ชุดของโปรโตคอลการทํางานร่วมกันข้ามสายโซ่ซึ่งค่อนข้างคล้ายกับกรอบที่กําหนดโดยโปรโตคอลโอเพนซอร์ส MCP ความแตกต่างคือชุดโซลูชันการทํางานร่วมกันนี้จําเป็นต้องมีกลไกการถ่ายทอดและการจัดกําหนดการการสื่อสารที่ปรับให้เข้ากับการดําเนินการการส่งมอบและการตรวจสอบของตัวแทนและสามารถทําการถ่ายโอนสินทรัพย์และการซิงโครไนซ์สถานะของตัวแทนระหว่างห่วงโซ่ที่แตกต่างกันโดยเฉพาะอย่างยิ่งสถานะที่ซับซ้อนเช่นบริบทของตัวแทนและพร้อมท์ฐานความรู้หน่วยความจํา ฯลฯ

……

ในความคิดของฉันจุดสนใจของตัวแทน web3 AI ที่แท้จริงควรอยู่ที่วิธีทําให้ "เวิร์กโฟลว์ที่ซับซ้อน" ของตัวแทน AI และ "ขั้นตอนการตรวจสอบความน่าเชื่อถือ" ของบล็อกเชนเหมาะสมที่สุด สําหรับโซลูชันที่เพิ่มขึ้นเหล่านี้เป็นไปได้ที่จะอัปเกรดและทําซ้ําจากโครงการเล่าเรื่องเก่าที่มีอยู่หรือสร้างใหม่จากโครงการในแทร็กการเล่าเรื่อง AI Agent ที่จัดตั้งขึ้นใหม่

นี่คือทิศทางที่ web3 AI Agent ควรพยายามสร้างและสอดคล้องกับพื้นฐานของระบบนิเวศนวัตกรรมภายใต้การเล่าเรื่องมหภาคของ AI + Crypto หากไม่มีการสร้างนวัตกรรมที่เกี่ยวข้องและอุปสรรคในการแข่งขันที่แตกต่างทุกครั้งที่แทร็ก web2 AI ถูกเป่ากลับหัว web3 AI อาจกลับหัวกลับหาง