要するに

以下は私の個人的な考えです:

1) MCP（Model Context Protocol）は、さまざまなAI LLM（Large Language Models）およびさまざまなデータソースやツールを持つエージェント間のシームレスな接続を可能にするよう設計されたオープンソースの標準化されたプロトコルです。これを、古くて硬直したエンドツーエンドの「特定」のパッケージング方法を置き換える、プラグアンドプレイの「ユニバーサル」USBインターフェースと考えてください。

簡単に言えば、AIアプリケーション間には明確なデータの隔離がありました。エージェント/LLM間の相互運用性のためには、それぞれが独自のAPIインターフェイスを開発する必要がありました。これによりプロセスが複雑になり、双方向の相互作用能力が欠如していました。さらに、これらのモデルには、しばしばアクセス権限が制限されていました。

MCPの登場により、AIアプリケーションが過去のデータの隔離から解放され、外部データやツールに動的にアクセスできる統一されたフレームワークが提供されています。これにより、開発の複雑さが大幅に低減し、特にタスクの自動化、リアルタイムデータのクエリ、クロスプラットフォームのコラボレーションの向上が図られます。これを述べると、多くの人がすぐに思い浮かべるのは、マルチエージェントコラボレーションの革新であるManusが、そのコラボレーションを促進するために設計されたMCPを統合した場合、それは止められないだろうということです。

実際、Manus + MCPは、Web3 AIエージェントスペースにおける現在の混乱の鍵となっています。

2) ただし、実際には、ManusとMCPの両方が、中央集権型サーバー間のデータ相互作用と協力に関連する問題を解決するために設計されたフレームワークおよびプロトコル標準であることは本当に困惑しています。彼らの権限とアクセス制御は、依然として各サーバーノードの「アクティブ」な開放に依存しています。言い換えれば、彼らは完全に分散化された原則を採用するのではなく、よりオープンソースのツール属性として機能しています。

正当には、これは「分散サーバ、分散協力、分散インセンティブ」というWeb3 AIエージェントの核心価値に反するものです。中央集権的なイタリアの大砲が分散型の要塞をどのようにして倒すことができるのでしょうか？

問題は、初期段階では、web3 AIエージェントがあまりにも「web2中心」であることから発生しています。関与する多くのチームはweb2のバックグラウンドから来ており、web3の本来のニーズに対する深い理解が欠如しています。たとえば、ElizaOSフレームワークを取ると、開発者がAIエージェントアプリケーションを迅速に展開するのを支援するために元々作成されました。これには、TwitterやDiscordなどのプラットフォーム、OpenAI、Claude、DeepSeekなどのAPIが統合されており、メモリやキャラクター開発のためのフレームワークが提供されており、AIエージェントの展開を加速するのに役立ちます。しかし、このサービスフレームワークはweb2のオープンソースツールとどのように異なるのでしょうか？どのような独自の利点を提供していますか？

前提とされる利点は、そのトークノミクスインセンティブシステムにあります。しかし、本質的には、新しいコインを発行することに主眼を置いたAIエージェントを駆使してweb2に容易に置き換えることができるフレームワークです。これは懸念すべきことです。この論理に従うと、Manus + MCPがweb3 AIエージェントを破壊できる理由が理解できます。多くの既存のweb3 AIエージェントフレームワークは、技術サービス、標準、または差別化の向上なしに、web2 AIエージェントの迅速な開発と適用ニーズを単に複製しています。その結果、市場と資本は以前のweb3 AIエージェントを再評価し、再校正しています。

3) 今、問題の核心を特定したら、それを解決するためにはどうすればよいですか？ 答えは簡単です：本当にWeb3ネイティブなソリューションの構築に焦点を当てることです。 Web3の独自の利点は、その分散システムとインセンティブ構造にあります。

分散型クラウドコンピューティング、データ、およびアルゴリズムサービスプラットフォームを考えてみてください。 表面上では、アイドルリソースを集約して計算能力とデータを提供することが、即座のエンジニアリングイノベーションニーズを満たさないように見えるかもしれませんが、実際のところ、多くのAI LLMがパフォーマンス競争に従事する中で、「低コストでアイドルリソースを提供する」というアイデアは魅力的なサービスモデルとなります。最初は、web2の開発者やVCたちはこれを無視するかもしれませんが、web2 AIエージェントのイノベーションがパフォーマンスを超えて垂直アプリケーションの拡張、微調整、モデルの最適化に移行すると、web3 AIリソースの利点が明らかになります。

実際には、web2 AIがリソースの独占を通じてトップに達した時点で、分割されたニッチなアプリケーションに取り組むために「田舎を囲む都市」戦略を逆転させて利用することはますます困難になります。これが、豊富なweb2 AI開発者とweb3 AIリソースが真に前進する時です。

そのため、web3 AIエージェントの機会は明確です。web3 AIリソースプラットフォームが解決策を求めるweb2開発者で溢れる前に、実現可能な一連のweb3ネイティブソリューションの開発に焦点を当てる必要があります。単なるweb2スタイルの迅速な展開、マルチエージェントの協力、およびトークンノミクスベースの通貨モデルを超えて、web3 AIエージェントには探究する価値のある多くの革新的なweb3ネイティブ方向があります。

たとえば、LLM（大規模モデルオフチェーン計算およびオンチェーン状態ストレージの特性を考慮した分散コンセンサス協力フレームワークが必要とされます。これには多くの適応可能なコンポーネントが必要です。

1. 分散型のDIDアイデンティティ検証システム: これにより、エージェントは実行中の仮想マシンによってスマートコントラクトのために一意のアドレスが生成されるのと同様に、チェーン上で検証可能なアイデンティティを持つことができます。このシステムは、主に連続的な状態の追跡と記録に使用されます。

2. 分散型オラクルシステム：このシステムは、オフチェーンデータの信頼性の取得と検証を担当しています。従来のオラクルとは異なり、このシステムは、AIエージェントに適応するために、データ収集レイヤー、意思決定コンセンサスレイヤー、および実行フィードバックレイヤーを含む組み合わせアーキテクチャが必要かもしれません。これにより、エージェントが必要とするオンチェーンおよびオフチェーンの計算と意思決定に必要なデータにリアルタイムでアクセスできるようになります。

3. 分散型ストレージDAシステム：AIエージェントの運用中の知識ベースの状態が不確かであり、推論プロセスが一時的である傾向があるため、LLMの背後にある主要な状態ライブラリと推論パスを記録する必要があります。これらは、データの可用性を確保するためにコスト管理されたデータ証明メカニズムを備えた分散型ストレージシステムに保存する必要があります。

4. ゼロ知識証明（ZKP）プライバシー計算レイヤー：これは、TEE（信頼実行環境）やFHE（完全同型暗号化）などのプライバシー計算ソリューションと統合することができ、リアルタイムのプライバシー計算とデータ検証を可能にします。これにより、エージェントが医療や金融などのより幅広い垂直データソースにアクセスできるようになり、より専門化されたカスタマイズされたサービスエージェントの出現をもたらします。

5. クロスチェーン相互運用プロトコル：これは、MCPオープンソースプロトコルによって定義されたフレームワークに類似しています。ただし、この相互運用ソリューションには、エージェントの動作、転送、および検証に適応するリレーおよび通信スケジューリングメカニズムが必要です。これにより、特にエージェントコンテキスト、プロンプト、知識ベース、メモリなどの複雑な状態に対して、異なるチェーン間で資産の転送および状態の同期が確実に行われます。

……

私の見解では、Web3 AIエージェントの中核的な課題は、AIエージェントの「複雑なワークフロー」をブロックチェーンの「信頼検証フロー」とできるだけ密接に整合させることです。これらの増分ソリューションは、既存プロジェクトのアップグレードから生じるか、新しいプロジェクト内でAIエージェントのナラティブトラック内で再構想される可能性があります。

これは、Web3 AIエージェントが開発すべき方向であり、AI＋Cryptoのマクロナラティブの下で基本的な革新的エコシステムに適合しています。イノベーションがないか、差別化された競争の壁が確立されない場合、Web2 AIトラックの変化はWeb3 AIの景観を混乱させる可能性があります。

免責事項:

1. この記事は[から再生されましたHaotian-CryptoInsightのSubstack], 著作権は原著作者に帰属します [@haotiancryptoinsight]. If you have any objection to the reprint, please contact Gate Learnチームは関連手続きに従ってできるだけ早く対応します。
2. 免責事項：この記事で表現されている意見や見解は、著者個人の意見を表しており、投資アドバイスを構成するものではありません。
3. その他の言語版はGate Learnチームによって翻訳され、この記事には言及されていませんGate.io、翻訳された記事の転載、配布、または盗用はできません。