TL;DR

A continuación están mis pensamientos personales:

1) MCP (Model Context Protocol) es un protocolo estandarizado de código abierto diseñado para permitir conexiones fluidas entre varios LLM (Large Language Models) de IA y agentes con diversas fuentes de datos y herramientas. Piense en ello como una interfaz USB "universal" plug-and-play, que reemplaza los antiguos y rígidos métodos de empaquetado "específicos" de extremo a extremo.

En términos simples, ha habido claros silos de datos entre las aplicaciones de IA. Para la interoperación entre Agentes/LLMs, cada uno necesitaba desarrollar sus propias interfaces API. Esto hizo que el proceso fuera complejo y careciera de capacidades de interacción bidireccional. Además, estos modelos a menudo tenían acceso y permisos limitados.

La llegada de MCP proporciona un marco unificado, que permite que las aplicaciones de IA se liberen de los antiguos silos de datos y accedan dinámicamente a datos y herramientas externas. Esto reduce drásticamente la complejidad del desarrollo y mejora la eficiencia de integración, especialmente en la automatización de tareas, consulta de datos en tiempo real y habilitación de colaboración entre plataformas. Tan pronto como mencioné esto, muchos pensaron de inmediato: si Manus, una innovación en colaboración multiagente, integra MCP, un marco diseñado para potenciar dicha colaboración, ¿no sería imparable?

De hecho, Manus + MCP es el factor clave detrás de la interrupción actual en el espacio del Agente de IA Web3.

2) Sin embargo, lo que es verdaderamente desconcertante es que tanto Manus como MCP son marcos y estándares de protocolo diseñados para el LLM/Agente de web2, resolviendo problemas relacionados con la interacción de datos y la colaboración entre servidores centralizados. Sus permisos y control de acceso todavía dependen de la apertura "activa" de cada nodo del servidor. En otras palabras, funcionan más como atributos de herramientas de código abierto en lugar de abrazar completamente los principios descentralizados.

Por derecho, esto va en contra de los valores fundamentales de Gate3 AI Agent, como “servidores distribuidos, colaboración distribuida e incentivos distribuidos.” ¿Cómo podría un cañón italiano centralizado derribar una fortaleza descentralizada?

El problema radica en el hecho de que, en sus primeras etapas, el Agente de IA web3 ha sido demasiado 'centrado en web2'. Muchos de los equipos involucrados provienen de un entorno web2 y carecen de una comprensión profunda de las necesidades nativas de web3. Tomemos como ejemplo el marco ElizaOS, creado originalmente para ayudar a los desarrolladores a implementar rápidamente aplicaciones de Agentes de IA. Integraba plataformas como Twitter y Discord, así como APIs como OpenAI, Claude y DeepSeek, proporcionando marcos para el desarrollo de la memoria y el personaje para acelerar la implementación del Agente de IA. Pero al analizarlo, ¿cómo difiere este marco de servicio de las herramientas de código abierto web2? ¿Qué ventajas únicas ofrece?

La supuesta ventaja radica en su sistema de incentivos tokenomics. Pero esencialmente, es un marco que podría ser fácilmente reemplazado por web2, impulsando Agentes de IA que se centran principalmente en la emisión de nuevas monedas. Esto es preocupante. Si sigues esta lógica, entenderás por qué Manus + MCP pueden perturbar a los Agentes de IA web3: muchos marcos de Agentes de IA web3 existentes simplemente replican las rápidas necesidades de desarrollo y aplicación de los Agentes de IA web2 sin avanzar en servicios técnicos, estándares o diferenciación. Como resultado, el mercado y el capital han revaluado y recalibrado a los anteriores Agentes de IA web3.

3) Ahora, después de haber identificado el meollo del problema, ¿qué se puede hacer para resolverlo? La respuesta es simple: enfocarse en crear soluciones verdaderamente nativas de web3. La ventaja única de web3 radica en sus sistemas distribuidos y estructuras de incentivos.

Considerar plataformas de servicios distribuidos de computación en la nube, datos y algoritmos. Aunque a primera vista pueda parecer que la agregación de recursos inactivos para proporcionar potencia computacional y datos no satisfará las necesidades inmediatas de innovación en ingeniería, la realidad es que a medida que muchos LLM de IA participan en una carrera de rendimiento, la idea de ofrecer "recursos inactivos a bajo costo" se convierte en un modelo de servicio atractivo. Inicialmente, los desarrolladores web2 y los VC podrían descartarlo, pero a medida que la innovación del Agente de IA web2 avanza más allá del rendimiento y entra en la expansión de aplicaciones verticales, el ajuste fino y la optimización del modelo, las ventajas de los recursos de IA web3 se volverán claras.

De hecho, una vez que la IA web2 haya alcanzado la cima a través de los monopolios de recursos, será cada vez más difícil revertir y utilizar una estrategia de "campo-rodea-ciudad" para abordar aplicaciones segmentadas y de nicho. Es entonces cuando una abundancia de desarrolladores de IA web2, combinados con recursos de IA web3, impulsarán verdaderamente hacia adelante.

Por lo tanto, la oportunidad para los Agentes de IA web3 es clara: antes de que la plataforma de recursos de IA web3 se vea inundada de desarrolladores web2 buscando soluciones, necesitamos enfocarnos en desarrollar un conjunto de soluciones factibles y nativas de web3. Más allá de la implementación rápida al estilo web2, la colaboración multiagente y los modelos de monedas basados en tokenómica, hay numerosas direcciones innovadoras nativas de web3 para los Agentes de IA web3 que vale la pena explorar:

Por ejemplo, se necesitaría un marco de colaboración de consenso distribuido, considerando las características de LLM gran modelo de computación fuera de la cadena y almacenamiento de estado en cadena. Esto requiere muchos componentes adaptables:

1. Un sistema de verificación de identidad DID descentralizado: Esto permitiría a los Agentes tener identidades verificables en cadena, similar a cómo se genera una dirección única para un contrato inteligente por una máquina virtual en ejecución. Este sistema se utiliza principalmente para el seguimiento continuo y el registro de estados subsiguientes;

2. Un sistema Oracle descentralizado: Este sistema es responsable de la adquisición y verificación confiable de datos fuera de la cadena. A diferencia de los Oracles tradicionales, este sistema adaptado a Agentes de IA podría requerir una arquitectura combinada, que incluya capas de recopilación de datos, capas de consenso de decisiones y capas de retroalimentación de ejecución. Esto asegura que los datos necesarios por el agente en la cadena, y las decisiones y cálculos fuera de la cadena, puedan ser accedidos en tiempo real;

3. Un sistema de almacenamiento DA descentralizado: Dado que el estado de la base de conocimientos durante la operación de un Agente de IA es incierto, y los procesos de razonamiento tienden a ser temporales, es necesario registrar la biblioteca de estados clave y los caminos de razonamiento detrás del LLM. Estos deben almacenarse en un sistema de almacenamiento distribuido con un mecanismo de prueba de datos controlado por costos para garantizar la disponibilidad de datos durante la verificación de la cadena pública;

4. Una capa de computación de privacidad de Prueba de Conocimiento Cero (ZKP): Esto puede integrarse con soluciones de computación de privacidad como TEE (Entorno de Ejecución Confiable) y FHE (Cifrado Homomórfico Total), lo que permite la computación de privacidad en tiempo real y la verificación de pruebas de datos. Esto permite que los Agentes accedan a una gama más amplia de fuentes de datos verticales (por ejemplo, médicas, financieras), lo que lleva a la aparición de Agentes de servicios más especializados y personalizados;

5. Un protocolo de interoperabilidad entre cadenas: Esto se asemejaría al marco definido por el protocolo de código abierto MCP. Sin embargo, esta solución de interoperabilidad requiere mecanismos de programación de relevo y comunicación que se adapten a las operaciones del Agente, transmisión y verificación. Garantiza transferencias de activos y sincronización de estados entre diferentes cadenas, especialmente para estados complejos como el contexto del Agente, Prompts, base de conocimientos, Memoria, etc.

……

En mi opinión, el desafío central para los Agentes de IA de Web3 es alinear los 'flujos de trabajo complejos' de los Agentes de IA con el 'flujo de verificación de confianza' de la cadena de bloques lo más cerca posible. Estas soluciones incrementales podrían surgir de la actualización de proyectos existentes o reimaginarse dentro de nuevos proyectos en la narrativa de Agentes de IA.

Esta es la dirección hacia la que deben apuntar los Agentes de IA Web3 para desarrollarse, alineándose con el ecosistema innovador fundamental en el marco narrativo de IA + Crypto. Si no hay innovación o establecimiento de barreras competitivas diferenciadas, cada cambio en la pista de IA Web2 podría perturbar el panorama de IA Web3.

Renuncia:

1. Este artículo se reproduce de [Substack de Haotian-CryptoInsight], the copyright belongs to the original author [@haotiancryptoinsight]. Si tiene alguna objeción a la reimpresión, por favor contacte Gate Learnel equipo, el equipo lo manejará lo antes posible de acuerdo con los procedimientos relevantes.
2. Descargo de responsabilidad: Las opiniones y puntos de vista expresados en este artículo representan solo las opiniones personales del autor y no constituyen ningún consejo de inversión.
3. Otras versiones del artículo en otros idiomas son traducidas por el equipo de Gate Learn y no se mencionan en Gate.io, el artículo traducido no puede ser reproducido, distribuido o plagiado.