AI Agent的Web3跨界探索：从Manus到MCP

近期，一款名为Manus的全球首个通用AI Agent产品引发了广泛关注。作为由中国创业公司Monica开发的产品，Manus在上线首日就出现了邀请码供不应求的盛况。这款产品具备从规划到执行的全流程自主完成任务能力，展现了前所未有的通用性和执行力。

Manus的爆红不仅吸引了业内人士的目光，也为各类AI Agent开发提供了宝贵的产品思路与设计灵感。随着AI技术的迅猛发展，AI Agent作为人工智能领域的重要分支，正逐步从概念走向现实，并在各行各业展现出巨大的应用潜力，Web3行业也不例外。

AI Agent是一种能够根据环境、输入和预定义目标自主做出决策并执行任务的计算机程序。其核心组成包括大语言模型（LLM）作为"大脑"、观察和感知机制、推理思考过程、行动执行以及记忆和检索系统。

AI Agent的设计模式主要有两条发展路线：一条侧重规划能力，包括REWOO、Plan & Execute、LLM Compiler；另一条侧重反思能力，包括Basic Reflection、Reflexion、Self Discover、LATS。其中，ReAct模式是最早出现且应用最广泛的设计模式，其典型流程可用"思考→行动→观察"循环来描述。

根据智能体的数量，AI Agent可分为Single Agent和Multi Agent。Single Agent主要关注LLM与工具的配合，而Multi Agent则为不同Agent赋予不同角色定位，通过协同合作完成复杂任务。

Model Context Protocol (MCP)是近期由某公司推出的开源协议，旨在解决LLM与外部数据源之间的连接和交互问题。MCP提供了三种能力对LLM进行扩展：Resources（知识扩展）、Tools（执行函数，调用外部系统）和Prompts（预编写提示词模板）。

在Web3行业中，AI Agent的关注度在今年一月份达到高峰后有所下降，整体市值也出现大幅缩水。目前，围绕AI Agent框架做Web3探索的项目主要有三类：以某协议为代表的发射平台模式、以某操作系统为代表的DAO模式和以某项目为代表的商业公司模式。

发射平台允许用户创建、部署和变现AI Agent，类似于某些meme平台。DAO模式则利用AI模型模拟投资决策，并结合成员建议进行投资。商业公司模式则提供企业级的Multi Agent框架，通过智能编排和高效协作解决复杂的业务操作需求。

从经济模型角度看，目前只有发射平台可以实现自给自足的经济闭环。然而，这种模式也面临着资产本身缺乏吸引力的问题，大多数发射的AI Agent本质上都是没有内在价值支撑的meme。

MCP的出现为Web3的AI Agent带来了新的探索方向。一种可能是将MCP Server部署到区块链网络，解决单点问题并具备抗审查能力。另一种是赋予MCP Server与区块链交互的功能，如进行DeFi交易和管理，从而降低技术门槛。

此外，还有专家提出基于以太坊构建OpenMCP.Network创作者激励网络的方案。这一网络将利用智能合约实现激励的自动化、透明、可信和抗审查，并使用以太坊钱包、ZK等技术实现运行过程中的签名、权限验证和隐私保护。

尽管从理论上看，MCP与Web3的结合能为AI Agent应用注入去中心化信任机制与经济激励层，但目前的零知识证明技术还难以验证Agent行为的真实性，且去中心化网络仍存在效率问题，这并非短期内可以成功的方案。

Manus的发布标志着通用AI Agent产品的一个重要里程碑。Web3世界同样需要一个里程碑产品，以打破外界对其缺乏实用性只有炒作的质疑。MCP的出现为Web3的AI Agent带来了新的探索方向，包括将MCP Server部署到区块链网络，以及赋予MCP Server与区块链交互的功能，或构建MCP Server创作者激励网络。

AI作为历史上最宏大的叙事之一，与Web3的融合是不可避免的。我们需要保持耐心和信心，持续探索这一领域的无限可能。