Застосування AI-агентів у сфері Web3 та майбутні дослідження

Нещодавно продукт Manus, перший у світі універсальний AI Agent, викликав широкий інтерес у технологічному колі. Цей продукт, розроблений китайською стартап-компанією, має можливість самостійного виконання завдань на всіх етапах - від планування до виконання, демонструючи безпрецедентну універсальність і ефективність. Популярність Manus не лише привернула увагу в галузі, але й надала цінні ідеї для розробки та дизайну різних AI Agent.

З розвитком технологій штучного інтелекту, AI Agent, як важлива галузь штучного інтелекту, поступово переходить від теорії до практики та демонструє величезний потенціал для застосування у різних сферах, індустрія Web3 не є винятком.

Основні концепції AI-агента

AI Agent є комп'ютерною програмою, яка може автономно приймати рішення та виконувати завдання на основі середовища, вхідних даних та запланованих цілей. Його основні складові включають:

1. Велика мовна модель (LLM) як "мозок"
2. Спостереження та сприйняття механізму
3. Процес розумової діяльності
4. Спосіб виконання дій
5. Функція пам'яті та пошуку

Дизайнерські моделі AI Agent мають два основних напрямки розвитку: перший акцентує увагу на планувальних можливостях, таких як REWOO, Plan & Execute тощо; другий акцентує увагу на рефлексивних можливостях, таких як Basic Reflection, Reflexion тощо.

Наразі найширше використовується модель ReAct, її типовий процес виглядає так: роздуми (Thought) → дія (Action) → спостереження (Observation), скорочено TAO цикл.

Залежно від кількості агентів, AI Agent можна поділити на дві категорії: Single Agent та Multi Agent. Single Agent акцентує увагу на поєднанні LLM та інструментів, тоді як Multi Agent надає різним агентам різні ролі, щоб спільно виконувати складні завдання.

Стан AI-агентів у Web3

Після того, як популярність AI Agent в індустрії Web3 досягла піку в січні цього року, вона суттєво знизилася, а загальна ринкова капіталізація скоротилася більш ніж на 90%. Наразі найактивнішими є проекти, які займаються дослідженнями Web3 на основі AI Agent, основними з яких є три моделі:

1. Режим стартової платформи: представлений Virtuals Protocol, дозволяє користувачам створювати, розгортати та монетизувати AI Agent.

2. Модель DAO: на прикладі ElizaOS, використовуючи AI-моделі для моделювання інвестиційних рішень, поєднуючи їх з пропозиціями членів DAO для здійснення інвестицій.

3. Бізнес-модель компанії: представлена Swarms, пропонує корпоративну багатокористувацьку платформу.

З точки зору економічної моделі, наразі лише модель запускової платформи може забезпечити самодостатній економічний замкнутий цикл. Але ця модель також стикається з викликами, оскільки активи, що підлягають випуску, повинні мати достатню привабливість для формування позитивного циклу.

Дослідження Web3 протоколу MCP

Протокол контексту моделі (MCP) - це відкритий протокол, розроблений компанією Anthropic, який має на меті вирішення проблеми з'єднання LLM із зовнішніми джерелами даних. Поява MCP відкриває нові напрямки досліджень для AI Agent у Web3:

1. Розгорніть MCP Server в блокчейн-мережі для досягнення децентралізації та стійкості до цензури.

2. Надання можливості MCP Server взаємодіяти з блокчейном, наприклад, для проведення DeFi-трансакцій та управління.

3. Побудова мережі стимулювання творців OpenMCP.Network на базі Ethereum.

Ці напрямки, хоча теоретично можуть ввести механізм децентралізованої довіри та економічних стимулів для AI Agent, все ще стикаються з викликами в реалізації технологій та ефективності.

Висновок

Випуск Manus є важливою віхою для продуктів загального AI Agent. Світ Web3 також потребує віхового продукту, щоб подолати зовнішню критику. Поява MCP відкриває нові напрямки для AI Agent у Web3. Злиття AI та Web3 є невідворотним трендом, нам потрібно зберігати терпіння та віру, продовжуючи досліджувати безмежні можливості цієї сфери.