Інноваційні дослідження AI Agent у сфері Web3

Нещодавно універсальний продукт AI Agent, випущений китайською стартап-компанією, привернув широку увагу в технологічному колі. Цей продукт демонструє потужні можливості самостійного мислення, планування та виконання складних завдань, що надає нові ідеї та натхнення для розробки AI Agent. З швидким розвитком технологій AI, AI Agent, як важлива гілка штучного інтелекту, поступово переходить від концепції до практичного застосування, демонструючи величезний потенціал у різних галузях, і Web3-індустрія не є винятком.

Основні концепції AI Agent

AI Agent є комп'ютерною програмою, яка здатна самостійно приймати рішення та виконувати завдання на основі середовища, вхідних даних та попередньо встановлених цілей. Його основні складові частини включають:

1. Великі мовні моделі (LLM) як "мозок"
2. Спостереження та сприйняття механізмів
3. Процес мислення
4. Здатність реалізації дій
5. Функції пам'яті та пошуку

Дизайнерські моделі AI Agent мають два основні напрямки розвитку: один зосереджується на плануванні, а інший - на рефлексії. Серед них, модель ReAct є найбільш поширеною на сьогодні, її типовий процес можна узагальнити як цикл: мислення (Thought) → дія (Action) → спостереження (Observation).

Залежно від кількості агентів, AI Agent можна поділити на Single Agent та Multi Agent. Single Agent в основному покладається на поєднання LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб спільно виконувати складні завдання.

Стан AI-агентів у Web3

У 2023 році популярність AI Agent у сфері Web3 досягла піку в січні, але з тих пір дещо знизилася. Проте, деякі проєкти продовжують дослідження. Основними є наступні три моделі:

1. Режим запуску платформи: зразком є Virtuals Protocol, що дозволяє користувачам створювати, розгортати та монетизувати AI Agent.
2. DAO-модель: на прикладі ElizaOS, поєднуючи моделі ШІ та пропозиції членів DAO для прийняття інвестиційних рішень.
3. Бізнес-модель компанії: представлена Swarms, надає корпоративний рівень Multi Agent структури.

З точки зору економічної моделі, наразі лише модель платформи запуску реалізувала відносно повний економічний замкнутий цикл. Однак ця модель також стикається з викликами, такими як недостатня привабливість активів та холодна ринкова обстановка.

! Чат з Manus і MCP: дослідження кросовера Web3 від AI Agent

Поєднання MCP-протоколу та Web3

Модельний контекстний протокол (MCP) відкриває нові напрямки досліджень для AI Agent у Web3:

1. Розгорніть MCP Server в блокчейн-мережі, щоб вирішити проблему єдиної точки та забезпечити стійкість до цензури.
2. Надання можливості MCP Server взаємодіяти з блокчейном, зниження технічного бар'єру для операцій DeFi.

Крім того, деякі науковці запропонували схему створення мережі стимулювання творців OpenMCP.Network на базі Ethereum, яка має на меті реалізувати автоматизацію, прозорість і надійність стимулювання за допомогою смарт-контрактів.

Перспективи майбутнього

Хоча поєднання MCP і Web3 теоретично впроваджує в AI Agent механізм децентралізованої довіри та економічні стимули, нинішні технології все ще стикаються з певними викликами. Наприклад, технології нульових знань все ще важко перевірити справжність поведінки Agent, а децентралізовані мережі також стикаються з проблемами ефективності.

Злиття AI та Web3 є неминучим трендом, але все ще потребує часу та постійних досліджень. У сфері Web3 терміново потрібен продукт, який став би знаковим, щоб розвіяти сумніви з приводу його корисності. Нам потрібно зберігати терпіння та впевненість, продовжуючи досліджувати та інновації в цій наповненій можливостями галузі.