Инновационные исследования AI Agent в области Web3

Недавно универсальный AI Agent продукт, выпущенный китайским стартапом, привлек широкое внимание в технологическом круге. Этот продукт демонстрирует мощные способности к независимому мышлению, планированию и выполнению сложных задач, предлагая новые идеи и вдохновение для разработки AI Agent. С быстрым развитием технологий AI, AI Agent, как важная ветвь искусственного интеллекта, постепенно переходит от концепции к практическому применению и демонстрирует огромный потенциал в различных отраслях, включая Web3.

Основная концепция AI-агента

AI Agent является компьютерной программой, способной самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входящих данных и заранее установленных целей. Его основные компоненты включают:

1. Большие языковые модели (LLM) как "мозг"
2. Механизмы наблюдения и восприятия
3. Процесс логического мышления
4. Способность к выполнению действий
5. Функции памяти и извлечения

Дизайнерские модели AI-агентов имеют два основных направления развития: одно сосредоточено на планировании, другое — на рефлексии. Среди них модель ReAct является наиболее широко используемой дизайнерской моделью, и ее типичный процесс можно охарактеризовать как цикл «Мысль (Thought) → Действие (Action) → Наблюдение (Observation)».

В зависимости от количества агентов, AI Agent может быть разделен на Single Agent и Multi Agent. Single Agent в основном полагается на сочетание LLM и инструментов, тогда как Multi Agent наделяет различных агентов разными ролями, осуществляя сложные задачи через совместное сотрудничество.

Текущее состояние AI-агентов в Web3

В индустрии Web3 популярность AI Agent достигла пика в январе этого года, но затем несколько снизилась, хотя некоторые проекты продолжают исследовать эту тему. Основные три модели включают:

1. Режим платформы запуска: представляет собой Virtuals Protocol, который позволяет пользователям создавать, развертывать и монетизировать AI Agent.
2. Модель DAO: на примере ElizaOS, сочетая AI-модели и предложения членов DAO для принятия инвестиционных решений.
3. Бизнес-модель компании: представляет собой фреймворк Multi Agent корпоративного уровня на базе Swarms.

С точки зрения экономической модели в настоящее время только модель запускающей платформы реализовала относительно полный экономический замкнутый цикл. Однако эта модель также сталкивается с такими проблемами, как недостаточная привлекательность активов и холодная рыночная среда.

Сочетание протокола MCP и Web3

Появление Протокола Контекста Модели (MCP) открывает новые направления для исследования AI-агентов в Web3:

1. Разверните MCP-сервер в блокчейн-сети, чтобы решить проблему единой точки отказа и обеспечить антикоррупционную защиту.
2. Обеспечить взаимодействие MCP Server с блокчейном, снизив технический порог для операций DeFi.

Кроме того, некоторые ученые предложили方案 по созданию сети стимулов для создателей OpenMCP.Network на основе Ethereum, целью которой является автоматизация, прозрачность и надежность стимулов с помощью смарт-контрактов.

Перспективы на будущее

Хотя сочетание MCP и Web3 теоретически вводит в AI Agent механизмы децентрализованного доверия и экономические стимулы, текущие технологии все еще сталкиваются с некоторыми проблемами. Например, технологии нулевых знаний все еще сложно проверить подлинность поведения агента, а децентрализованные сети также имеют проблемы с эффективностью.

Слияние AI и Web3 является неизбежной тенденцией, но все еще требует времени и постоянных исследований. В области Web3 необходимо создать знаковый продукт, чтобы развеять сомнения внешних наблюдателей о его практической полезности. Нам нужно сохранять терпение и уверенность, продолжая исследовать и innovировать в этой области, полной возможностей.