Исследование AI Agent в области Web3: от Manus до MC
Недавно продукт под названием Manus, являющийся первым в мире универсальным AI-агентом, вызвал бурные обсуждения в китайском технологическом кругу. Этот продукт был разработан китайским стартапом, и в день его запуска возник дефицит приглашений. Как универсальный AI-агент, Manus продемонстрировал мощные способности к независимому мышлению, планированию и выполнению сложных задач, способный самостоятельно завершать весь процесс от концепции до доставки.
Взрывная популярность Manus не только привлекла внимание в отрасли, но и предоставила ценные идеи для разработки AI Agent. С быстрым развитием технологий ИИ AI Agent, будучи важной ветвью искусственного интеллекта, постепенно переходит от концепции к реальным приложениям, демонстрируя огромный потенциал в различных отраслях, включая Web3.
AI Agent — это компьютерная программа, способная самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входных данных и заданных целей. Его основными компонентами являются большая языковая модель (LLM) в качестве "мозга", механизмы наблюдения и восприятия, процесс логического мышления, способности к выполнению действий, а также функции памяти и извлечения информации.
Дизайнерские модели AI Agent имеют два основных направления развития: первое - это акцент на способности к планированию, включая REWOO, Plan & Execute, LLM Compiler и т.д.; второе - это акцент на способности к рефлексии, включая Basic Reflection, Reflexion, Self Discover, LATS и т.д. Среди них, модель ReAct является самой ранней и наиболее широко применяемой дизайнерской моделью.
Режим ReAct решает разнообразные задачи языкового вывода и принятия решений, сочетая рассуждение (Reasoning) и действие (Acting) в языковой модели. Его типичный процесс можно описать циклом "думать → действовать → наблюдать" (TAO).
AI Agent также можно разделить на Single Agent и Multi Agent в зависимости от количества агентов. Single Agent сосредоточен на взаимодействии LLM и инструментов, в то время как Multi Agent наделяет различных агентов разными ролями, позволяя им сотрудничать для выполнения сложных задач.
Модельный контекстный протокол (MCP) — это открытый протокол, разработанный компанией Anthropic, который направлен на решение проблем подключения и взаимодействия LLM с внешними источниками данных. MCP предоставляет три возможности: расширение знаний, выполнение вызовов функций и предустановленные шаблоны подсказок, используя архитектуру клиент-сервер, с базовым использованием протокола JSON-RPC.
В области Web3 развитие AI Agent прошло через подъемы и падения. В настоящее время существует три основных модели: модель запуска, представленная Virtuals Protocol, модель DAO, представленная ElizaOS, и модель коммерческой компании, представленная Swarms.
Платформа запуска позволяет пользователям создавать, развертывать и монетизировать AI-агентов. Virtuals Protocol является крупнейшей платформой запуска, на которой было выпущено более ста тысяч агентов. Модель DAO, такая как ElizaOS, нацелена на использование AI-моделей для моделирования инвестиционных решений и сочетания их с предложениями членов DAO для осуществления инвестиций. Swarms представляет собой корпоративный уровень многоагентной структуры, которая решает сложные бизнес-требования с помощью интеллектуальной оркестрации и эффективного сотрудничества.
С точки зрения экономической модели в настоящее время только площадки для запуска могут реализовать самодостаточный экономический замкнутый цикл. Однако эта модель также сталкивается с вызовами, в первую очередь из-за того, что выпущенные AI Agent в основном не имеют внутренней ценностной поддержки.
Появление MCP открывает новые направления для исследований AI Agent в Web3: во-первых, развертывание MCP Server в блокчейн-сети, что решает проблему единой точки отказа и обеспечивает антикоррупционные возможности; во-вторых, наделение MCP Server функциями взаимодействия с блокчейном, такими как проведение DeFi-транзакций и управление.
Кроме того, существует схема создания сети стимулов для создателей OpenMCP.Network на основе Ethereum. Эта схема направлена на автоматизацию, прозрачность, надежность и защиту от цензуры стимулов с помощью смарт-контрактов, а также использует такие технологии, как кошельки Ethereum, ZK и другие для подписания, проверки прав и защиты конфиденциальности в процессе работы.
Хотя сочетание MCP и Web3 теоретически может внедрить децентрализованный механизм доверия и экономические стимулы в приложения AI Agent, текущие технологии нулевых знаний все еще испытывают трудности с проверкой истинности поведения Agent, и децентрализованные сети по-прежнему имеют проблемы с эффективностью. Это не решение, которое можно успешно реализовать в краткосрочной перспективе.
Запуск Manus знаменует собой важную веху в продукте универсального AI Agent. Миру Web3 также необходимо веховое произведение, чтобы развеять сомнения о его непрактичности и только спекуляциях. Появление MCP открывает новые направления для AI Agent в Web3, включая развертывание в блокчейн-сетях, реализацию взаимодействия с блокчейном и создание сети стимулов для создателей.
Искусственный интеллект как величественное историческое повествование неизбежно сливается с Web3. Нам нужно сохранять терпение и уверенность, продолжая исследовать развитие этой области.
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Web3 исследует новое направление AI Agent: уроки от Manus до MCP
Исследование AI Agent в области Web3: от Manus до MC
Недавно продукт под названием Manus, являющийся первым в мире универсальным AI-агентом, вызвал бурные обсуждения в китайском технологическом кругу. Этот продукт был разработан китайским стартапом, и в день его запуска возник дефицит приглашений. Как универсальный AI-агент, Manus продемонстрировал мощные способности к независимому мышлению, планированию и выполнению сложных задач, способный самостоятельно завершать весь процесс от концепции до доставки.
Взрывная популярность Manus не только привлекла внимание в отрасли, но и предоставила ценные идеи для разработки AI Agent. С быстрым развитием технологий ИИ AI Agent, будучи важной ветвью искусственного интеллекта, постепенно переходит от концепции к реальным приложениям, демонстрируя огромный потенциал в различных отраслях, включая Web3.
AI Agent — это компьютерная программа, способная самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входных данных и заданных целей. Его основными компонентами являются большая языковая модель (LLM) в качестве "мозга", механизмы наблюдения и восприятия, процесс логического мышления, способности к выполнению действий, а также функции памяти и извлечения информации.
Дизайнерские модели AI Agent имеют два основных направления развития: первое - это акцент на способности к планированию, включая REWOO, Plan & Execute, LLM Compiler и т.д.; второе - это акцент на способности к рефлексии, включая Basic Reflection, Reflexion, Self Discover, LATS и т.д. Среди них, модель ReAct является самой ранней и наиболее широко применяемой дизайнерской моделью.
Режим ReAct решает разнообразные задачи языкового вывода и принятия решений, сочетая рассуждение (Reasoning) и действие (Acting) в языковой модели. Его типичный процесс можно описать циклом "думать → действовать → наблюдать" (TAO).
AI Agent также можно разделить на Single Agent и Multi Agent в зависимости от количества агентов. Single Agent сосредоточен на взаимодействии LLM и инструментов, в то время как Multi Agent наделяет различных агентов разными ролями, позволяя им сотрудничать для выполнения сложных задач.
Модельный контекстный протокол (MCP) — это открытый протокол, разработанный компанией Anthropic, который направлен на решение проблем подключения и взаимодействия LLM с внешними источниками данных. MCP предоставляет три возможности: расширение знаний, выполнение вызовов функций и предустановленные шаблоны подсказок, используя архитектуру клиент-сервер, с базовым использованием протокола JSON-RPC.
В области Web3 развитие AI Agent прошло через подъемы и падения. В настоящее время существует три основных модели: модель запуска, представленная Virtuals Protocol, модель DAO, представленная ElizaOS, и модель коммерческой компании, представленная Swarms.
Платформа запуска позволяет пользователям создавать, развертывать и монетизировать AI-агентов. Virtuals Protocol является крупнейшей платформой запуска, на которой было выпущено более ста тысяч агентов. Модель DAO, такая как ElizaOS, нацелена на использование AI-моделей для моделирования инвестиционных решений и сочетания их с предложениями членов DAO для осуществления инвестиций. Swarms представляет собой корпоративный уровень многоагентной структуры, которая решает сложные бизнес-требования с помощью интеллектуальной оркестрации и эффективного сотрудничества.
С точки зрения экономической модели в настоящее время только площадки для запуска могут реализовать самодостаточный экономический замкнутый цикл. Однако эта модель также сталкивается с вызовами, в первую очередь из-за того, что выпущенные AI Agent в основном не имеют внутренней ценностной поддержки.
Появление MCP открывает новые направления для исследований AI Agent в Web3: во-первых, развертывание MCP Server в блокчейн-сети, что решает проблему единой точки отказа и обеспечивает антикоррупционные возможности; во-вторых, наделение MCP Server функциями взаимодействия с блокчейном, такими как проведение DeFi-транзакций и управление.
Кроме того, существует схема создания сети стимулов для создателей OpenMCP.Network на основе Ethereum. Эта схема направлена на автоматизацию, прозрачность, надежность и защиту от цензуры стимулов с помощью смарт-контрактов, а также использует такие технологии, как кошельки Ethereum, ZK и другие для подписания, проверки прав и защиты конфиденциальности в процессе работы.
Хотя сочетание MCP и Web3 теоретически может внедрить децентрализованный механизм доверия и экономические стимулы в приложения AI Agent, текущие технологии нулевых знаний все еще испытывают трудности с проверкой истинности поведения Agent, и децентрализованные сети по-прежнему имеют проблемы с эффективностью. Это не решение, которое можно успешно реализовать в краткосрочной перспективе.
Запуск Manus знаменует собой важную веху в продукте универсального AI Agent. Миру Web3 также необходимо веховое произведение, чтобы развеять сомнения о его непрактичности и только спекуляциях. Появление MCP открывает новые направления для AI Agent в Web3, включая развертывание в блокчейн-сетях, реализацию взаимодействия с блокчейном и создание сети стимулов для создателей.
Искусственный интеллект как величественное историческое повествование неизбежно сливается с Web3. Нам нужно сохранять терпение и уверенность, продолжая исследовать развитие этой области.