Исследование AI Agent в области Web3: от Manus до MC
Недавно продукт первого в мире универсального AI Agent, разработанный китайской стартап-компанией, привлек широкое внимание. Этот продукт обладает способностью самостоятельно выполнять задачи на всех этапах — от планирования до исполнения, демонстрируя беспрецедентную универсальность и исполнительность. Это привлекло внимание не только в отрасли, но и предоставило ценную продуктовую идею и дизайнерское вдохновение для разработки различных AI Agent. С быстрым прогрессом технологий AI, AI Agent, как важная ветвь в области искусственного интеллекта, постепенно переходит от концепции к реальности и демонстрирует огромный потенциал применения в различных отраслях, и индустрия Web3, естественно, не исключение.
AI Agent – это программа, способная самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входных данных и предопределенных целей. Его основными компонентами являются большая языковая модель (LLM) в качестве "мозга", механизмы наблюдения и восприятия, процессы логического мышления, выполнение действий, а также система памяти и поиска. Основные модели проектирования AI Agent имеют два направления развития: одно сосредоточено на планировочных способностях, другое – на рефлексивных способностях.
Режим ReAct является наиболее широко используемой моделью проектирования AI Agent в настоящее время. Он решает разнообразные задачи языкового вывода и принятия решений, сочетая рассуждение (Reasoning) и действия (Acting) в языковой модели. Типичный процесс можно описать с помощью цикла: мышление (Thought) → действие (Action) → наблюдение (Observation), сокращенно цикл TAO.
AI-агент также может быть разделен на одиночного агента и многоагентную систему в зависимости от количества агентов. Основная идея одиночного агента заключается в сочетании LLM и инструментов, тогда как многоагентная система наделяет различных агентов разными ролями, чтобы совместно выполнять сложные задачи.
Модельный контекстный протокол (MCP) — это открытый протокол, предназначенный 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 интерес к AI Agent достиг пика в начале этого года, но затем снизился, и общая рыночная капитализация значительно сократилась. В настоящее время проекты, которые все еще привлекают внимание, в основном сосредоточены на исследовании Web3 в рамках AI Agent, включая модели платформ для запуска, модели DAO и модели коммерческих компаний.
Платформа запуска позволяет пользователям создавать, развертывать и монетизировать AI-агентов. В настоящее время на крупнейшей платформе запуска уже создано более ста тысяч агентов. Модель DAO использует AI-модели в сочетании с предложениями участников для принятия решений. Модель коммерческой компании предлагает корпоративную многоагентную структуру, которая решает сложные бизнес-операционные задачи с помощью интеллектуального оркестрования и эффективного сотрудничества.
С точки зрения экономической модели в настоящее время только платформы для запуска могут достичь самодостаточного экономического замкнутого цикла. Однако эта модель также сталкивается с вызовами, в основном это связано с тем, что выпущенные AI Agent должны обладать достаточной "привлекательностью", чтобы сформировать положительный маховик.
Появление MCP открыло новые направления для AI-агентов Web3. Один из подходов заключается в развертывании MCP Server в блокчейн-сети, что решает проблему единой точки отказа и одновременно обеспечивает антикоррупционные возможности; другой подход позволяет MCP Server взаимодействовать с блокчейном, снижая технические барьеры. Кроме того, существуют решения, основанные на Ethereum, для создания сети стимулов для создателей OpenMCP.Network.
Несмотря на то, что теоретически сочетание MCP и Web3 может внедрить децентрализованный механизм доверия и экономический стимул в приложения AI Agent, текущие технологии все еще сталкиваются с некоторыми проблемами, такими как сложность верификации истинности поведения агента с помощью технологии нулевых знаний и проблемы эффективности децентрализованных сетей.
Искусственный интеллект, безусловно, является грандиозным историческим нарративом, и его интеграция с Web3 является неизбежной тенденцией. Несмотря на то, что в настоящее время существует множество проблем, мы должны сохранять терпение и уверенность, продолжая исследовать применение и развитие AI-агентов в области Web3.
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» .
19 Лайков
Награда
19
7
Поделиться
комментарий
0/400
wagmi_eventually
· 59м назад
Ещё одна банальная игрушка на базе ИИ.
Посмотреть ОригиналОтветить0
MetaLord420
· 08-04 23:41
Этот арбуз подлинный, не думай сбежать, сохрани это.
Посмотреть ОригиналОтветить0
Fren_Not_Food
· 08-03 19:28
Снова восхваляют отечественного быка?
Посмотреть ОригиналОтветить0
StopLossMaster
· 08-03 11:16
Снова ловушка для неудачников.
Посмотреть ОригиналОтветить0
GateUser-3824aa38
· 08-03 11:09
Ну это ведь всего лишь умное соучастие.
Посмотреть ОригиналОтветить0
0xSoulless
· 08-03 10:55
неудачники новый智库来了…Будут играть для лохов
Посмотреть ОригиналОтветить0
MetaverseLandlord
· 08-03 10:51
Опять занимаются ИИ, разве это не все обман для зарабатывания денег?
Слияние AI-агента и Web3: исследование и вызовы от Manus до MCP
Исследование AI Agent в области Web3: от Manus до MC
Недавно продукт первого в мире универсального AI Agent, разработанный китайской стартап-компанией, привлек широкое внимание. Этот продукт обладает способностью самостоятельно выполнять задачи на всех этапах — от планирования до исполнения, демонстрируя беспрецедентную универсальность и исполнительность. Это привлекло внимание не только в отрасли, но и предоставило ценную продуктовую идею и дизайнерское вдохновение для разработки различных AI Agent. С быстрым прогрессом технологий AI, AI Agent, как важная ветвь в области искусственного интеллекта, постепенно переходит от концепции к реальности и демонстрирует огромный потенциал применения в различных отраслях, и индустрия Web3, естественно, не исключение.
AI Agent – это программа, способная самостоятельно принимать решения и выполнять задачи на основе окружающей среды, входных данных и предопределенных целей. Его основными компонентами являются большая языковая модель (LLM) в качестве "мозга", механизмы наблюдения и восприятия, процессы логического мышления, выполнение действий, а также система памяти и поиска. Основные модели проектирования AI Agent имеют два направления развития: одно сосредоточено на планировочных способностях, другое – на рефлексивных способностях.
Режим ReAct является наиболее широко используемой моделью проектирования AI Agent в настоящее время. Он решает разнообразные задачи языкового вывода и принятия решений, сочетая рассуждение (Reasoning) и действия (Acting) в языковой модели. Типичный процесс можно описать с помощью цикла: мышление (Thought) → действие (Action) → наблюдение (Observation), сокращенно цикл TAO.
AI-агент также может быть разделен на одиночного агента и многоагентную систему в зависимости от количества агентов. Основная идея одиночного агента заключается в сочетании LLM и инструментов, тогда как многоагентная система наделяет различных агентов разными ролями, чтобы совместно выполнять сложные задачи.
Модельный контекстный протокол (MCP) — это открытый протокол, предназначенный 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 интерес к AI Agent достиг пика в начале этого года, но затем снизился, и общая рыночная капитализация значительно сократилась. В настоящее время проекты, которые все еще привлекают внимание, в основном сосредоточены на исследовании Web3 в рамках AI Agent, включая модели платформ для запуска, модели DAO и модели коммерческих компаний.
Платформа запуска позволяет пользователям создавать, развертывать и монетизировать AI-агентов. В настоящее время на крупнейшей платформе запуска уже создано более ста тысяч агентов. Модель DAO использует AI-модели в сочетании с предложениями участников для принятия решений. Модель коммерческой компании предлагает корпоративную многоагентную структуру, которая решает сложные бизнес-операционные задачи с помощью интеллектуального оркестрования и эффективного сотрудничества.
С точки зрения экономической модели в настоящее время только платформы для запуска могут достичь самодостаточного экономического замкнутого цикла. Однако эта модель также сталкивается с вызовами, в основном это связано с тем, что выпущенные AI Agent должны обладать достаточной "привлекательностью", чтобы сформировать положительный маховик.
! Чат с Манусом и MCP: трансграничное исследование Web3 агента AI
Появление MCP открыло новые направления для AI-агентов Web3. Один из подходов заключается в развертывании MCP Server в блокчейн-сети, что решает проблему единой точки отказа и одновременно обеспечивает антикоррупционные возможности; другой подход позволяет MCP Server взаимодействовать с блокчейном, снижая технические барьеры. Кроме того, существуют решения, основанные на Ethereum, для создания сети стимулов для создателей OpenMCP.Network.
Несмотря на то, что теоретически сочетание MCP и Web3 может внедрить децентрализованный механизм доверия и экономический стимул в приложения AI Agent, текущие технологии все еще сталкиваются с некоторыми проблемами, такими как сложность верификации истинности поведения агента с помощью технологии нулевых знаний и проблемы эффективности децентрализованных сетей.
Искусственный интеллект, безусловно, является грандиозным историческим нарративом, и его интеграция с Web3 является неизбежной тенденцией. Несмотря на то, что в настоящее время существует множество проблем, мы должны сохранять терпение и уверенность, продолжая исследовать применение и развитие AI-агентов в области Web3.