TL;DR

Dưới đây là suy nghĩ cá nhân của tôi:

1) MCP (Model Context Protocol) là một giao thức mã nguồn mở, được tiêu chuẩn hóa được thiết kế để cho phép kết nối liền mạch giữa các LLM AI khác nhau (Mô hình ngôn ngữ lớn) và các Tác nhân với các nguồn dữ liệu và công cụ đa dạng. Hãy nghĩ về nó như một giao diện USB “phổ quát” plug-and-play, thay thế các phương pháp đóng gói “cụ thể” cũ, cứng nhắc từ đầu đến cuối.

Đơn giản, đã có sự tách rời rõ ràng giữa các ứng dụng AI. Để tương tác giữa các Đại lý/LLMs, mỗi cái cần phải phát triển giao diện API riêng của mình. Điều này làm cho quá trình trở nên phức tạp và thiếu khả năng tương tác hai chiều. Hơn nữa, những mô hình này thường có quyền truy cập và quyền hạn hẹp.

Sự xuất hiện của MCP cung cấp một khung nhất quán, cho phép ứng dụng AI thoát khỏi các kho dữ liệu quá khứ và truy cập động vào dữ liệu và công cụ bên ngoài. Điều này giảm đáng kể sự phức tạp trong việc phát triển và cải thiện hiệu quả tích hợp, đặc biệt trong việc tự động hóa nhiệm vụ, truy vấn dữ liệu thời gian thực và tạo điều kiện cho sự cộng tác trên nhiều nền tảng. Ngay khi tôi đề cập đến điều này, nhiều người ngay lập tức nghĩ đến: nếu Manus, một sáng tạo trong việc cộng tác đa tác nhân, tích hợp MCP - một khung được thiết kế để thúc đẩy sự cộng tác như vậy - liệu nó có thể không thể ngăn cản được không?

Thực sự, Manus + MCP là yếu tố quan trọng đằng sau sự đảo lộn hiện tại trong không gian đại lý trí tuệ nhân tạo Web3.

2) Tuy nhiên, điều thực sự khó hiểu là cả Manus và MCP đều là các khung và tiêu chuẩn giao thức được thiết kế cho web2 LLM / Agent, giải quyết các vấn đề liên quan đến tương tác dữ liệu và cộng tác giữa các máy chủ tập trung. Quyền và kiểm soát truy cập của họ vẫn dựa vào việc mở “hoạt động” của mỗi nút máy chủ. Nói cách khác, chúng hoạt động nhiều hơn như các thuộc tính công cụ nguồn mở hơn là hoàn toàn chấp nhận các nguyên tắc phi tập trung.

Theo quyền lợi, điều này đối ngược với các giá trị cốt lõi của web3 AI Agent, như “máy chủ phân phối, cộng tác phân phối và động lực phân phối.” Làm sao một pháo đài tập trung của Ý có thể đánh bại một lâu đài phi tập trung?

Vấn đề bắt nguồn từ thực tế là, trong giai đoạn đầu, web3 AI Agent đã quá “tập trung vào web2”. Nhiều nhóm tham gia đến từ nền tảng web2 và thiếu hiểu biết sâu sắc về nhu cầu gốc của web3. Lấy khung ElizaOS làm ví dụ — ban đầu được tạo ra để giúp các nhà phát triển nhanh chóng triển khai các ứng dụng AI Agent. Nó tích hợp các nền tảng như Twitter và Discord, cũng như các API như OpenAI, Claude và DeepSeek, cung cấp các khung phát triển bộ nhớ và nhân vật để giúp tăng tốc độ triển khai AI Agent. Nhưng khi xem xét kỹ lưỡng, khung dịch vụ này khác với các công cụ mã nguồn mở web2 như thế nào? Nó cung cấp những lợi thế độc đáo nào?

Lợi thế được cho là nằm ở hệ thống khuyến mãi tokenomics của nó. Nhưng về cơ bản, đó là một khuôn khổ có thể dễ dàng được thay thế bởi web2, thúc đẩy các AI Agents tập trung chủ yếu vào việc phát hành tiền mới. Điều này đáng lo ngại. Nếu bạn theo đuổi logic này, bạn sẽ hiểu tại sao Manus + MCP có thể làm gián đoạn AI Agents web3: nhiều khuôn khổ hiện có của AI Agent web3 đơn giản là sao chép nhanh chóng nhu cầu phát triển và ứng dụng của AI Agent web2 mà không tiến bộ trong dịch vụ kỹ thuật, tiêu chuẩn, hoặc sự khác biệt. Kết quả là, thị trường và vốn đã đánh giá lại và điều chỉnh lại các AI Agent web3 trước đó.

3) Bây giờ, sau khi xác định được vấn đề chính, điều gì có thể làm để giải quyết nó? Câu trả lời đơn giản: tập trung vào việc tạo ra các giải pháp thật sự web3-native. Lợi thế duy nhất của web3 nằm ở hệ thống phân phối và cấu trúc động viên của nó.

Considerv distributed cloud computing, data, and algorithm service platforms. While on the surface it may appear that aggregating idle resources to provide computational power and data won’t satisfy immediate engineering innovation needs, the reality is that as many AI LLMs engage in a performance arms race, the idea of offering “idle resources at low cost” becomes an attractive service model. Initially, web2 developers and VCs might dismiss this, but as the web2 AI Agent innovation moves past performance and enters vertical application expansion, fine-tuning, and model optimization, the advantages of web3 AI resources will become clear.

Trong thực tế, khi web2 AI đã đạt đỉnh cao thông qua sự độc quyền tài nguyên, việc đảo ngược và sử dụng chiến lược “nông thôn-bao quanh-thành phố” để giải quyết các ứng dụng phân đoạn, chuyên ngành sẽ trở nên ngày càng khó khăn. Đó là lúc một lượng lớn các nhà phát triển web2 AI, kết hợp với tài nguyên web3 AI, sẽ thúc đẩy thực sự.

Doanh nghiệp cơ hội cho các AI Agents web3 là rõ ràng: trước khi nền tảng tài nguyên AI web3 bị ngập lụt bởi các nhà phát triển web2 đang tìm kiếm giải pháp, chúng ta cần tập trung vào việc phát triển một bộ giải pháp khả thi, nguyên bản web3. Đi xa hơn so với việc triển khai nhanh kiểu web2, sự hợp tác đa tác nhân và các mô hình tiền tệ dựa trên tokenomics, có nhiều hướng tiếp cận sáng tạo đáng khám phá cho các AI Agents web3.

Ví dụ, một khung cộng tác đồng thuận phân tán sẽ cần được cân nhắc, xem xét đến các đặc điểm của việc tính toán ngoại chuỗi và lưu trữ trạng thái trên chuỗi của mô hình lớn LLM. Điều này đòi hỏi nhiều thành phần có thể thích ứng:

1. Hệ thống Xác minh Danh tính DID Phi tập trung: Điều này sẽ cho phép các Đại lý có thể xác minh được danh tính trên chuỗi, tương tự như cách một địa chỉ duy nhất được tạo ra cho một hợp đồng thông minh bởi một máy ảo thực thi. Hệ thống này chủ yếu được sử dụng để theo dõi liên tục và ghi lại các trạng thái tiếp theo;
2. Hệ thống Oracle Phi tập trung: Hệ thống này chịu trách nhiệm về việc thu thập và xác minh dữ liệu ngoại chuỗi một cách đáng tin cậy. Không giống như Oracle truyền thống, hệ thống này được điều chỉnh để phù hợp với các AI Agent có thể yêu cầu một kiến trúc kết hợp, bao gồm các lớp thu thập dữ liệu, lớp đồng thuận quyết định và lớp phản hồi thực thi. Điều này đảm bảo rằng dữ liệu cần thiết bởi agent trên chuỗi, và tính toán và quyết định ngoại chuỗi, có thể được truy cập ở thời gian thực;
3. Hệ Thống Lưu Trữ Phân Tán DA: Khi trạng thái cơ sở kiến thức trong quá trình hoạt động của một AI Agent là không chắc chắn, và quá trình suy luận thường tạm thời, việc ghi lại thư viện trạng thái chính và các con đường suy luận đằng sau LLM là cần thiết. Những thông tin này nên được lưu trữ trong một hệ thống lưu trữ phân tán với một cơ chế chứng minh dữ liệu được kiểm soát chi phí để đảm bảo tính sẵn có của dữ liệu trong quá trình xác minh chuỗi công cộng;
4. Một lớp tính toán bảo mật Zero-Knowledge Proof (ZKP): Điều này có thể tích hợp với các giải pháp tính toán bảo mật như TEE (Môi trường thực thi đáng tin cậy) và FHE (Mã hóa toàn diện), cho phép tính toán bảo mật và xác minh chứng minh dữ liệu trong thời gian thực. Điều này cho phép các Điều phối viên truy cập vào một loạt rộng hơn các nguồn dữ liệu theo chiều dọc (ví dụ, y tế, tài chính), dẫn đến sự xuất hiện của các Điều phối viên dịch vụ chuyên biệt, tùy chỉnh hơn nhiều;
5. Giao thức tương thích Cross-Chain: Điều này sẽ giống như cấu trúc được xác định bởi giao thức mã nguồn mở MCP. Tuy nhiên, giải pháp tương thích này đòi hỏi cơ chế lên lịch relay và giao tiếp điều chỉnh theo hoạt động của Agent, truyền thông và xác minh. Nó đảm bảo việc chuyển tài sản và đồng bộ trạng thái trên các chuỗi khác nhau, đặc biệt là đối với các trạng thái phức tạp như ngữ cảnh Agent, Prompts, cơ sở kiến thức, Bộ nhớ, v.v.

……

Theo quan điểm của tôi, thách thức cốt lỗi đối với các Đại lý AI Web3 là phải điều chỉnh “các luồng công việc phức tạp” của Đại lý AI với “luồng xác minh niềm tin” của blockchain một cách gần như có thể. Những giải pháp tăng dần này có thể phát sinh từ việc nâng cấp các dự án hiện tại hoặc được tái tưởng tượng trong các dự án mới trong hệ quyển Đại lý AI.

Đây là hướng mà các Đại lý AI Web3 nên phát triển, điều chỉnh với hệ sinh thái đổi mới cơ bản dưới cốt truyện lớn của AI + Crypto. Nếu không có sự đổi mới hoặc thiết lập rõ ràng của rào cản cạnh tranh khác biệt, mọi sự chuyển đổi trong hành trình AI Web2 có thể làm đảo lộn cảnh quan AI Web3.

Miễn trừ trách nhiệm:

1. Bài viết này được sao chép từ [GateSubstack của Haotian-CryptoInsight], bản quyền thuộc về tác giả gốc [@haotiancryptoinsight]. Nếu bạn có bất kỳ ý kiến ​​phản đối nào về việc sao chép, vui lòng liên hệ Gate Họcđội, đội sẽ xử lý nhanh chóng theo các quy trình liên quan.
2. 免责声明：本文中所表达的观点和意见仅代表作者个人观点，不构成任何投资建议。
3. Các phiên bản ngôn ngữ khác của bài viết được dịch bởi nhóm Gate Learn và không được đề cập trong Gate.io, bài viết dịch có thể không được sao chép, phân phối hoặc đạo văn.