Перетворення AI-агента в сфері Web3: від Manus до MC
Нещодавно одна китайська стартап-компанія представила перший у світі універсальний продукт AI Agent, який привернув широку увагу. Цей продукт має можливість самостійно виконувати завдання від планування до виконання, демонструючи безпрецедентну універсальність та виконавчу здатність. Це не лише привернуло увагу в галузі, але й надало цінні ідеї та дизайнерське натхнення для розробки різних AI Agent.
З розвитком технологій штучного інтелекту, AI Agent, як важлива галузь штучного інтелекту, поступово переходить від концепції до реальності та демонструє величезний потенціал застосування в різних сферах, індустрія Web3 також не є винятком.
AI Agent – це комп'ютерна програма, яка здатна автономно приймати рішення та виконувати завдання на основі навколишнього середовища, вхідних даних та попередньо визначених цілей. Її основні складові частини включають великий мовний модель (LLM) як "мозок", механізми спостереження та сприйняття, процеси міркування, виконання дій, а також пам'ять і пошук.
Дизайнерські моделі AI Agent мають два основні напрямки розвитку: один зосереджений на плануванні, а інший - на рефлексії. Серед них, модель ReAct є найпоширенішою дизайнерською моделлю, її типовий процес можна описати як цикл думки (Thought) → дії (Action) → спостереження (Observation).
В залежності від кількості агентів, AI Agent можна розподілити на Single Agent та Multi Agent. Ядро Single Agent полягає в поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб виконувати складні завдання через спільну співпрацю.
Model Context Protocol (MCP) є відкритим протоколом, розробленим однією компанією, який має на меті вирішити проблеми з'єднання та взаємодії між LLM та зовнішніми джерелами даних. Він надає три можливості для розширення LLM: Resources (розширення знань), Tools (виконання функцій, виклик зовнішніх систем) та Prompts (попередньо написані шаблони підказок).
У Web3-індустрії розвиток AI Agent пережив певні злети і падіння. Наразі існує три основні моделі дослідження Web3 навколо рамок AI Agent: модель запуску платформи, модель DAO та модель комерційної компанії.
Платформа запуску дозволяє користувачам створювати, розгортати та монетизувати AI Agent. Якийсь протокол є найбільшою платформою запуску на сьогодні, на якій випущено вже понад сто тисяч Agent. Модель DAO представляє застосування децентралізованих автономних організацій, такі як певна ОС, яка надає гнучку та масштабовану платформу для розробки AI Agent. Модель бізнес-компанії характеризується корпоративною Multi Agent архітектурою, наприклад, певний проект завдяки інтелектуальному оркеструванню та ефективній співпраці дозволяє декільком AI Agent працювати разом, як команда.
З точки зору економічної моделі, наразі тільки платформи запуску можуть реалізувати економічний замкнутий цикл. Однак ця модель також стикається з викликами, головним чином через те, що випущені AI Agent в більшості випадків не мають внутрішньої вартості.
Поява MCP відкрила нові напрямки дослідження для AI Agent у Web3. Один з них полягає в розгортанні MCP Server у блокчейн-мережі, що вирішує проблему одноточкової відмови та забезпечує стійкість до цензури. Інший варіант полягає в наданні MCP Server можливості взаємодії з блокчейном, що знижує технічний бар'єр. Крім того, існують рішення, засновані на Ethereum, для створення мережі стимулювання творців OpenMCP.Network.
Незважаючи на те, що теоретично поєднання MCP з Web3 може ввести механізми децентралізованої довіри та економічні стимули для застосувань AI Agent, наразі існують певні обмеження технології, такі як складність перевірки достовірності поведінки Agent за допомогою технології нульових знань та проблеми ефективності децентралізованих мереж.
В цілому, застосування AI Agent у сфері Web3 все ще перебуває на етапі дослідження. Хоча існують виклики, проте інтеграція AI та Web3 є неминучою тенденцією. Нам потрібно зберігати терпіння та віру, продовжуючи досліджувати цю перспективну сферу.
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
13 лайків
Нагородити
13
5
Поділіться
Прокоментувати
0/400
BearMarketSurvivor
· 07-26 22:09
Не просто поєднати web3 та штучний інтелект. Лише б це знову не стало новим концептом для обману невдах.
Переглянути оригіналвідповісти на0
BlockImposter
· 07-24 13:55
бик啊~нарешті є один зрозумілий Агент
Переглянути оригіналвідповісти на0
SchrodingerWallet
· 07-24 06:53
пастка така глибока, хто наважиться спробувати?
Переглянути оригіналвідповісти на0
GateUser-a5fa8bd0
· 07-24 06:50
Це вже занадто яскраво, чи не так?
Переглянути оригіналвідповісти на0
GateUser-aa7df71e
· 07-24 06:44
Увійти в позицію вже настав, протокол MCP обов'язково стане популярним. Дивіться уважно!
Прорив AI Agent у сфері Web3: протокол MCP відкриває нові можливості
Перетворення AI-агента в сфері Web3: від Manus до MC
Нещодавно одна китайська стартап-компанія представила перший у світі універсальний продукт AI Agent, який привернув широку увагу. Цей продукт має можливість самостійно виконувати завдання від планування до виконання, демонструючи безпрецедентну універсальність та виконавчу здатність. Це не лише привернуло увагу в галузі, але й надало цінні ідеї та дизайнерське натхнення для розробки різних AI Agent.
З розвитком технологій штучного інтелекту, AI Agent, як важлива галузь штучного інтелекту, поступово переходить від концепції до реальності та демонструє величезний потенціал застосування в різних сферах, індустрія Web3 також не є винятком.
AI Agent – це комп'ютерна програма, яка здатна автономно приймати рішення та виконувати завдання на основі навколишнього середовища, вхідних даних та попередньо визначених цілей. Її основні складові частини включають великий мовний модель (LLM) як "мозок", механізми спостереження та сприйняття, процеси міркування, виконання дій, а також пам'ять і пошук.
Дизайнерські моделі AI Agent мають два основні напрямки розвитку: один зосереджений на плануванні, а інший - на рефлексії. Серед них, модель ReAct є найпоширенішою дизайнерською моделлю, її типовий процес можна описати як цикл думки (Thought) → дії (Action) → спостереження (Observation).
В залежності від кількості агентів, AI Agent можна розподілити на Single Agent та Multi Agent. Ядро Single Agent полягає в поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб виконувати складні завдання через спільну співпрацю.
Model Context Protocol (MCP) є відкритим протоколом, розробленим однією компанією, який має на меті вирішити проблеми з'єднання та взаємодії між LLM та зовнішніми джерелами даних. Він надає три можливості для розширення LLM: Resources (розширення знань), Tools (виконання функцій, виклик зовнішніх систем) та Prompts (попередньо написані шаблони підказок).
У Web3-індустрії розвиток AI Agent пережив певні злети і падіння. Наразі існує три основні моделі дослідження Web3 навколо рамок AI Agent: модель запуску платформи, модель DAO та модель комерційної компанії.
Платформа запуску дозволяє користувачам створювати, розгортати та монетизувати AI Agent. Якийсь протокол є найбільшою платформою запуску на сьогодні, на якій випущено вже понад сто тисяч Agent. Модель DAO представляє застосування децентралізованих автономних організацій, такі як певна ОС, яка надає гнучку та масштабовану платформу для розробки AI Agent. Модель бізнес-компанії характеризується корпоративною Multi Agent архітектурою, наприклад, певний проект завдяки інтелектуальному оркеструванню та ефективній співпраці дозволяє декільком AI Agent працювати разом, як команда.
З точки зору економічної моделі, наразі тільки платформи запуску можуть реалізувати економічний замкнутий цикл. Однак ця модель також стикається з викликами, головним чином через те, що випущені AI Agent в більшості випадків не мають внутрішньої вартості.
Поява MCP відкрила нові напрямки дослідження для AI Agent у Web3. Один з них полягає в розгортанні MCP Server у блокчейн-мережі, що вирішує проблему одноточкової відмови та забезпечує стійкість до цензури. Інший варіант полягає в наданні MCP Server можливості взаємодії з блокчейном, що знижує технічний бар'єр. Крім того, існують рішення, засновані на Ethereum, для створення мережі стимулювання творців OpenMCP.Network.
Незважаючи на те, що теоретично поєднання MCP з Web3 може ввести механізми децентралізованої довіри та економічні стимули для застосувань AI Agent, наразі існують певні обмеження технології, такі як складність перевірки достовірності поведінки Agent за допомогою технології нульових знань та проблеми ефективності децентралізованих мереж.
В цілому, застосування AI Agent у сфері Web3 все ще перебуває на етапі дослідження. Хоча існують виклики, проте інтеграція AI та Web3 є неминучою тенденцією. Нам потрібно зберігати терпіння та віру, продовжуючи досліджувати цю перспективну сферу.