從Manus和MCP聊起:AI Agent的Web3跨界探索

avatar
ZAN Team
3天前
本文約3051字,閱讀全文需要約4分鐘
Manus的發布標誌著通用AI Agent產品的一個重要里程碑,在Web3的世界也需要一個里程碑的產品,來打破外界對於Web3沒有實用性只有炒作的質疑。

3 月6 日,一款由中國的創業公司Monica 發布的全球首款通用AI Agent 產品Manus 在國內科技媒體和社交網絡刷屏,上線第一天邀請碼就全網一號難求,甚至閒魚上一個邀請碼都要5 萬,不過還是有不少行業KOL 提前拿到了邀請卡踵而讀天後的體驗。

從Manus和MCP聊起:AI Agent的Web3跨界探索

Manus 作為通用AI Agent 產品,具備從規劃到執行全流程自主完成任務的能力,如撰寫報告、製作表格等。它不僅產生想法,更能獨立思考並採取行動。 以其強大的獨立思考、規劃並執行複雜任務的能力,直接交付完整成果,展現了前所未有的通用性和執行能力。

Manus 的爆火不僅帶來了業界的關注,也為各類AI Agent 開發提供了寶貴的產品思維與設計靈感。隨著AI 技術的快速發展,AI Agent 作為人工智慧領域的重要分支,正逐漸從概念走向現實,並在各行各業展現出巨大的應用潛力,當然也包括Web3 產業。

背景知識

AI Agent,即人工智慧代理,是一種能夠根據環境、輸入和預先定義目標自主做出決策並執行任務的電腦程式。 AI Agent 的核心組成部分包括大語言模型(LLM)作為其「大腦」,使其能夠處理資訊、從互動中學習、做出決策並執行行動;觀察和感知機制,使它能夠感知環境;推理思考過程,涉及分析觀察結果和記憶內容並考慮可能的行動;行動執行,作為對思考和觀察的顯式響應;以及記憶和檢索,存儲過去的經驗以供學習使用。

AI Agent 的設計模式從ReAct 出發,有兩條發展路線:一條更偏重AI Agent 的規劃能力,包括REWOO、Plan Execute、LLM Compiler。另一條則更偏重反思能力,包括Basic Reflection、Reflexion、Self Discover、LATS。

從Manus和MCP聊起:AI Agent的Web3跨界探索

其中ReAct 模式是最早出現的AI Agent 設計模式,目前也是應用最廣泛的,因此這裡主要介紹ReAct 的概念。 ReAct 是指透過結合語言模型中的推理(Reasoning)和行動(Acting)來解決多樣化的語言推理和決策任務。它的典型流程如下圖所示,可以用一個有趣的循環來描述:思考(Thought)→ 行動(Action)→ 觀察(Observation),簡稱TAO 循環。

  • 思考:面對一個問題,我們需要深入的思考。這個思考過程是關於如何定義問題、確定解決問題所需的關鍵資訊和推理步驟。

  • 行動:確定了思考的方向後,接下來就是行動的時刻。根據我們的思考,採取相應的措施或執行特定的任務,以期望推動問題朝著解決的方向發展。

  • 觀察:行動之後,我們必須仔細觀察結果。這一步是檢驗我們的行動是否有效,是否接近了問題的答案。

  • 循環迭代

AI Agent 又可以根據智能體的數量分為Single Agent 和Multi Agent,Single Agent 的核心在於LLM 與工具的配合,並且在完成任務的過程中,Agent 可能與使用者有多輪互動。 Multi Agent 則會為不同的Agent 賦予不同的角色定位,透過Agent 之間的協同合作來完成複雜的任務,但是在完成任務的過程中,相較於Single Agent 來說,與使用者的互動會少一些。目前大多數框架都聚焦在Single Agent 的場景。

從Manus和MCP聊起:AI Agent的Web3跨界探索

Model Context Protocol (MCP) 是由Anthropic 公司於2024 年11 月25 日推出的開源協議,旨在解決LLM 與外部資料來源之間的連接和互動問題。可以把LLM 類比成作業系統,MCP 類比成USB 接口,支援將外部資料和工具靈活插入,然後使用者可以讀取使用這些外部資料和工具。

MCP 提供了三種能力對LLM 進行擴展:Resources(知識擴展)、Tools(執行函數,呼叫外部系統)、Prompts(預先編寫提示詞範本)。 MCP 協定採用Client-Server 架構,底層傳輸使用的是JSON-RPC 協定。任何人進行開發和託管MCP Server,並且可以隨時下線停止服務。

從Manus和MCP聊起:AI Agent的Web3跨界探索

Web3 的AI Agent 現狀

在Web3 產業中AI Agent 的聲浪自今年一月到達高峰後大幅下降,整體市值更是縮水90% 以上,目前聲浪和市值較大的仍然是圍繞AI Agent 框架做Web3 探索,分別是「以Virtuals Protocol 為代表的發射平台模式」、 「以ElizaOS 為代表的DAOwar 模式和「以商業模式公司為代表的」。

發射平台是允許使用者創建、部署和變現AI Agent 的平台, 類似Meme 中的pump.fun,但針對的是AI Agent。 Virtuals Protocol 是目前最大的發射平台,其上發行的Agent 已經超過十萬個,熱度頗高的「幣圈KOL」 AIXBT 就是基於Virtuals 創建的。 Virtuals Protocol 包含了一個模組化Agent 框架,稱為GAME,GAME 的核心定位是為開發者提供一個高效、開放的框架,讓AI Agent 的開發和上線像WordPress 建站一樣簡單。

從Manus和MCP聊起:AI Agent的Web3跨界探索

DAO 代表去中心化自治組織。 ElizaOS(前身ai16z)由@shawmakesmagic 在daos.fun 平台上創立,最初的理念是利用AI 模型模擬知名風投機構a16z 及其聯創Marc Andreessen 的投資決策,並結合DAO 成員的建議來進行投資,後面發展成為以Eliza 框架為核心的AI Agent 開發者的DAO。 Eliza 框架使用TypeScript 構建,為開發AI Agent 提供了一個靈活且可擴展的平台,這些Agent 可以跨多個平台交互,同時保持一致的個性和知識。

Swarms 由目前20 歲的@KyeGomezB 在2022 年發起,是一個企業級的Multi Agent 框架,Swarms 透過智慧編排和高效協作,讓多個AI Agent 像團隊一樣分工協作,從而解決複雜的業務操作需求。最早,Swarms 只是一個Web2 的AI Agent 項目,按照創始人的說法,Swarms 有超過4500 萬個智能體在生產環境中運行,為世界上最大的金融、保險和醫療機構提供服務。在2024 年12 月發行代幣$SWARMS 後才正式從Web2 轉戰到Web3。

單純從經濟模型的角度考慮,目前只有發射平台可以實現自給自足的經濟閉環。以Virtuals 為例:

  1. 代理創建:創建者在Virtuals 平台上啟動新的AI Agent;

  2. 綁定曲線設定:創建者支付100 $VIRTUAL 代幣,將為新代理的代幣創建一個綁定曲線,並與$VIRTUAL 配對。

  3. 流動性池創建:一旦達到綁定曲線限制,代理「畢業」並創建一個代理代幣與$VIRTUAL 代幣配對的流動性池,堅持沒有內部人員的公平啟動原則:沒有預挖或內部分配,固定總供應量,流動性鎖定較長時間。

Virtuals 除了收取AI Agent 的發射費用,每次代理代幣的交易還會收取交易費用,而AI Agent 透過Virtuals 的API 存取LLM 還會收取推理費用。目前ElizaOS 和Swarms 都在計畫搭建自己的發射平台。

當然發射平台也有問題,這種資產發行的玩法需要發行的資產本身有「吸引力」才能形成正向飛輪。目前絕大多數發射出的AI Agent 本質上都是Meme,沒有內在價值支撐,一旦失去市場的注意力就會快速歸零。在當前冷清的市場環境,發射平台甚至無法吸引創建者,所以經濟模型實質上也無法運作。

MCP 的Web3 探索

MCP 的出現為目前Web3 的AI Agent 帶來了新的探索方向,最直觀的有兩個方向:

  1. 將MCP Server 部署到區塊鏈網絡,解決MCP Server 單點問題的同時具備抗審查;

  2. MCP Server 具備和區塊鏈互動的功能,例如進行DeFi 交易和管理,降低技術門檻。

第一個方向對底層區塊鏈的儲存系統、資料管理能力和非同步運算的能力都有極高的要求,可以選取類似0G 這樣的區塊鏈。 0G 是一個模組化AI 區塊鏈,具有適用於AI dapp 的可擴展可程式DA 層。 其模組化技術將實現鏈之間的無摩擦互通性,同時確保安全性,消除碎片並最大限度地提高連接性,打造一個去中心化的AI 生態系統。

從Manus和MCP聊起:AI Agent的Web3跨界探索

第二個方向類似於DeFAI 的變種,但目前DeFAI 的後端都是自己封裝的一系列Function Call 中的Tool,UnifAI 創建統一的DeFAI MCP Server,避免了重複造輪子。 UnifAI 是一個平台,可讓自主AI 代理在Web3 生態系統中執行鏈上和鏈下任務。它具有用於任務自動化的UniQ、代理服務市場和用於工具發現的基礎設施。

從Manus和MCP聊起:AI Agent的Web3跨界探索

除了上述兩種方向外,LXDAO 和ETHPanda 的創辦人@brucexu_eth 提出一種基於以太坊來建構一個OpenMCP.Network 創作者激勵網路的方案。 MCP Server 需要託管和提供穩定的服務,使用者對LLM 供應商付費,LLM 供應商將實際的激勵透過網路分配到被呼叫的MCP Servers 上從而維持整個網路的可持續性和穩定性,激發MCP 的創作者持續創作和提供高品質內容。這套網路將需要使用智慧合約來實現激勵的自動化、透明、可信賴和抗審查。運作過程中的簽章、權限驗證、隱私保護都可以使用以太坊錢包、ZK 等技術實現。

從Manus和MCP聊起:AI Agent的Web3跨界探索

雖然從理論上,MCP 與Web3 的結合能為AI Agent 應用注入了去中心化信任機制與經濟激勵層,但目前的零知識證明(ZKP)技術還難以驗證Agent 行為真實性,並且去中心化的網絡還存在效率問題,這並不是一個短期能成功的方案。

總結

Manus 的發布標誌著通用AI Agent 產品的一個重要里程碑,在Web3 的世界也需要一個里程碑的產品,來打破外界對於Web3 沒有實用性只有炒作的質疑。

MCP 的出現為Web3 的AI Agent 帶來了新的探索方向,包括將MCP Server 部署到區塊鏈網絡,以及MCP Server 具備和區塊鏈互動的功能,亦或是建構一個MCP Server 創作者激勵網絡。

AI 是歷史最宏大的敘事,對Web3 來說,與AI 融合是不可避免的,我們依然需要保持耐心和信心,持續探索。

本文由ZAN Team(X 帳號@zan_team )的pignard.eth(X 帳號@pignard_web3 ) 撰寫。

註:本文僅作為技術分享,不構成任何推薦和建議。

原創文章,作者:ZAN Team。轉載/內容合作/尋求報導請聯系 report@odaily.email;違規轉載法律必究。

ODAILY提醒,請廣大讀者樹立正確的貨幣觀念和投資理念,理性看待區塊鏈,切實提高風險意識; 對發現的違法犯罪線索,可積極向有關部門舉報反映。

推薦閱讀
星球精選