Кросс-дисциплинарные исследования AI Agent в области Web3: от Manus до MC
Недавно стартап из Китая представил первый в мире универсальный продукт AI Agent, который привлек широкое внимание. Этот продукт обладает способностью самостоятельно выполнять задачи на всех этапах — от планирования до выполнения, демонстрируя беспрецедентную универсальность и исполнительские способности. Это не только привлекло внимание в отрасли, но и предоставило ценную продуктовую концепцию и дизайнерское вдохновение для разработки различных AI Agent.
С быстрым развитием технологий ИИ, AI Agent, как важная ветвь в области искусственного интеллекта, постепенно переходит от концепции к реальности и демонстрирует огромный потенциал применения в различных отраслях, индустрия Web3 не исключение.
AI Agent — это компьютерная программа, способная самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входных данных и предопределенных целей. Его основными компонентами являются большие языковые модели (LLM) как "мозг", механизмы наблюдения и восприятия, процесс логического мышления, выполнение действий, а также память и извлечение.
Дизайнерские модели AI Agent в основном имеют два направления развития: одно сосредоточено на планировании, другое — на рефлексии. Среди них, модель ReAct является наиболее широко используемой дизайнерской моделью, и ее типичный процесс можно описать как цикл: размышление (Thought) → действие (Action) → наблюдение (Observation).
В зависимости от количества агентов, AI Agent можно разделить на Single Agent и Multi Agent. Основная идея Single Agent заключается в сочетании LLM и инструментов, в то время как Multi Agent наделяет разных агентов различными ролями, позволяя им совместно выполнять сложные задачи.
Модельный контекстный протокол (MCP) был представлен одной компанией в качестве открытого протокола, предназначенного для решения проблем подключения и взаимодействия между LLM и внешними источниками данных. Он предоставляет три возможности для расширения LLM: Ресурсы (расширение знаний), Инструменты (выполнение функций, вызов внешних систем) и Подсказки (предварительно написанные шаблоны подсказок).
В индустрии Web3 развитие AI Agent прошло через ряд взлетов и падений. В настоящее время существует три основных подхода к исследованию Web3 в рамках AI Agent: модель запусковой платформы, модель DAO и модель коммерческой компании.
Платформа запуска позволяет пользователям создавать, разрабатывать и монетизировать AI Agent. Некоторый протокол является в настоящее время крупнейшей платформой запуска, на которой выпущено более ста тысяч агентов. Модель DAO представляет собой применение децентрализованных автономных организаций, такие как некоторый OS предоставляет гибкую и масштабируемую платформу для разработки AI Agent. Модель коммерческой компании характеризуется корпоративной многоагентной структурой, например, некоторый проект с помощью интеллектуальной оркестрации и эффективного сотрудничества позволяет нескольким AI Agent работать вместе как команда.
С точки зрения экономической модели, в настоящее время только площадки для запуска могут достичь самодостаточного экономического замкнутого цикла. Однако эта модель также сталкивается с вызовами, в основном из-за того, что выпущенные AI Agent в большинстве случаев не имеют внутренней ценностной поддержки.
Появление MCP открыло новые направления для AI Agent в Web3. Один из них заключается в развертывании MCP Server в блокчейн-сети, что решает проблему единой точки и обладает антикоррупционными возможностями. Другой вариант — это предоставление MCP Server функций взаимодействия с блокчейном, что снижает технологический барьер. Кроме того, существует предложение по созданию сети стимулов для авторов OpenMCP.Network на основе Ethereum.
Несмотря на то, что сочетание MCP и Web3 теоретически может внедрить механизм децентрализованного доверия и экономические стимулы в приложения AI Agent, в настоящее время существуют некоторые ограничения в технологии, такие как трудности с проверкой подлинности поведения Agent с помощью технологии нулевых знаний и проблемы эффективности децентрализованных сетей.
В целом, применение AI Agent в области Web3 все еще находится на стадии исследования. Несмотря на существующие вызовы, интеграция AI и Web3 является неизбежной тенденцией. Нам нужно сохранять терпение и уверенность, продолжая исследовать эту многообещающую область.
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» .
13 Лайков
Награда
13
5
Поделиться
комментарий
0/400
BearMarketSurvivor
· 07-26 22:09
Неужели это просто сочетание web3 и AI? Неужели это снова новый концепт, чтобы разыгрывать людей как лохов?
Посмотреть ОригиналОтветить0
BlockImposter
· 07-24 13:55
Бык а~ наконец-то есть один понятный агент
Посмотреть ОригиналОтветить0
SchrodingerWallet
· 07-24 06:53
ловушка такая глубокая, кто осмелится попробовать?
Прорыв AI Agent в области Web3: Протокол MCP открывает новые возможности
Кросс-дисциплинарные исследования AI Agent в области Web3: от Manus до MC
Недавно стартап из Китая представил первый в мире универсальный продукт AI Agent, который привлек широкое внимание. Этот продукт обладает способностью самостоятельно выполнять задачи на всех этапах — от планирования до выполнения, демонстрируя беспрецедентную универсальность и исполнительские способности. Это не только привлекло внимание в отрасли, но и предоставило ценную продуктовую концепцию и дизайнерское вдохновение для разработки различных AI Agent.
С быстрым развитием технологий ИИ, AI Agent, как важная ветвь в области искусственного интеллекта, постепенно переходит от концепции к реальности и демонстрирует огромный потенциал применения в различных отраслях, индустрия Web3 не исключение.
AI Agent — это компьютерная программа, способная самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входных данных и предопределенных целей. Его основными компонентами являются большие языковые модели (LLM) как "мозг", механизмы наблюдения и восприятия, процесс логического мышления, выполнение действий, а также память и извлечение.
Дизайнерские модели AI Agent в основном имеют два направления развития: одно сосредоточено на планировании, другое — на рефлексии. Среди них, модель ReAct является наиболее широко используемой дизайнерской моделью, и ее типичный процесс можно описать как цикл: размышление (Thought) → действие (Action) → наблюдение (Observation).
В зависимости от количества агентов, AI Agent можно разделить на Single Agent и Multi Agent. Основная идея Single Agent заключается в сочетании LLM и инструментов, в то время как Multi Agent наделяет разных агентов различными ролями, позволяя им совместно выполнять сложные задачи.
Модельный контекстный протокол (MCP) был представлен одной компанией в качестве открытого протокола, предназначенного для решения проблем подключения и взаимодействия между LLM и внешними источниками данных. Он предоставляет три возможности для расширения LLM: Ресурсы (расширение знаний), Инструменты (выполнение функций, вызов внешних систем) и Подсказки (предварительно написанные шаблоны подсказок).
В индустрии Web3 развитие AI Agent прошло через ряд взлетов и падений. В настоящее время существует три основных подхода к исследованию Web3 в рамках AI Agent: модель запусковой платформы, модель DAO и модель коммерческой компании.
Платформа запуска позволяет пользователям создавать, разрабатывать и монетизировать AI Agent. Некоторый протокол является в настоящее время крупнейшей платформой запуска, на которой выпущено более ста тысяч агентов. Модель DAO представляет собой применение децентрализованных автономных организаций, такие как некоторый OS предоставляет гибкую и масштабируемую платформу для разработки AI Agent. Модель коммерческой компании характеризуется корпоративной многоагентной структурой, например, некоторый проект с помощью интеллектуальной оркестрации и эффективного сотрудничества позволяет нескольким AI Agent работать вместе как команда.
С точки зрения экономической модели, в настоящее время только площадки для запуска могут достичь самодостаточного экономического замкнутого цикла. Однако эта модель также сталкивается с вызовами, в основном из-за того, что выпущенные AI Agent в большинстве случаев не имеют внутренней ценностной поддержки.
Появление MCP открыло новые направления для AI Agent в Web3. Один из них заключается в развертывании MCP Server в блокчейн-сети, что решает проблему единой точки и обладает антикоррупционными возможностями. Другой вариант — это предоставление MCP Server функций взаимодействия с блокчейном, что снижает технологический барьер. Кроме того, существует предложение по созданию сети стимулов для авторов OpenMCP.Network на основе Ethereum.
Несмотря на то, что сочетание MCP и Web3 теоретически может внедрить механизм децентрализованного доверия и экономические стимулы в приложения AI Agent, в настоящее время существуют некоторые ограничения в технологии, такие как трудности с проверкой подлинности поведения Agent с помощью технологии нулевых знаний и проблемы эффективности децентрализованных сетей.
В целом, применение AI Agent в области Web3 все еще находится на стадии исследования. Несмотря на существующие вызовы, интеграция AI и Web3 является неизбежной тенденцией. Нам нужно сохранять терпение и уверенность, продолжая исследовать эту многообещающую область.