AI Agent在Web3領域的跨界探索：從Manus到MCP

近期，一家中國創業公司推出的全球首款通用AI Agent產品Manus引發了廣泛關注。作爲通用AI Agent，Manus具備獨立完成從規劃到執行的全流程任務能力，如撰寫報告、制作表格等。它不僅能生成想法，還能獨立思考並採取行動，展現了前所未有的通用性和執行能力。

Manus的爆紅不僅吸引了行業內的目光，也爲各類AI Agent開發提供了寶貴的產品思路與設計靈感。隨着AI技術的迅猛發展，AI Agent作爲人工智能領域的重要分支，正逐步從概念走向現實，並在各行各業展現出巨大的應用潛力，Web3行業自然也不例外。

AI Agent概述

AI Agent是一種能夠根據環境、輸入和預定義目標自主做出決策並執行任務的計算機程序。其核心組成部分包括：

1. 大語言模型（LLM）：作爲Agent的"大腦"，處理信息、學習、決策和執行行動。
2. 觀察和感知機制：使Agent能夠感知環境。
3. 推理思考過程：分析觀察結果和記憶內容，考慮可能的行動。
4. 行動執行：對思考和觀察做出具體響應。
5. 記憶和檢索：存儲過去經驗以供學習使用。

AI Agent的設計模式從ReAct出發，有兩條主要發展路線：一條側重Agent的規劃能力，另一條側重反思能力。ReAct模式是目前應用最廣泛的AI Agent設計模式，其典型流程可描述爲思考（Thought）→行動（Action）→觀察（Observation）的循環，簡稱TAO循環。

根據智能體的數量，AI Agent可分爲Single Agent和Multi Agent。Single Agent核心在於LLM與工具的配合，Multi Agent則爲不同Agent賦予不同角色定位，通過協同合作完成復雜任務。

MCP協議簡介

Model Context Protocol (MCP)是某公司於2024年11月推出的開源協議，旨在解決LLM與外部數據源之間的連接和交互問題。MCP可類比爲LLM的"USB接口"，支持靈活插入外部數據和工具。

MCP提供三種能力擴展LLM：

1. Resources：知識擴展
2. Tools：執行函數，調用外部系統
3. Prompts：預編寫提示詞模板

MCP採用Client-Server架構，底層傳輸使用JSON-RPC協議。任何人都可以開發和托管MCP Server，並可隨時停止服務。

Web3中的AI Agent現狀

Web3行業中AI Agent的熱度在今年一月達到高峯後大幅下降，整體市值縮水90%以上。目前較爲活躍的項目主要圍繞AI Agent框架進行Web3探索，主要有三種模式：

1. 發射平台模式：以Virtuals Protocol爲代表，允許用戶創建、部署和變現AI Agent。
2. DAO模式：以ElizaOS爲代表，結合AI模型和DAO成員建議進行決策。
3. 商業公司模式：以Swarms爲代表，提供企業級Multi Agent框架。

從經濟模型角度看，目前只有發射平台模式可以實現自給自足的經濟閉環。然而，這種模式也面臨着資產吸引力不足、市場環境冷清等挑戰。

MCP在Web3領域的探索方向

MCP的出現爲Web3的AI Agent帶來了新的探索方向：

1. 將MCP Server部署到區塊鏈網路，解決單點問題並具備抗審查能力。
2. 賦予MCP Server與區塊鏈交互的功能，如進行DeFi交易和管理，降低技術門檻。

此外，還有構建基於以太坊的OpenMCP.Network創作者激勵網路的方案。這一網路旨在通過智能合約實現激勵的自動化、透明、可信和抗審查，使用以太坊錢包、ZK等技術實現運行過程中的籤名、權限驗證和隱私保護。

盡管MCP與Web3的結合理論上能爲AI Agent應用注入去中心化信任機制與經濟激勵層，但目前的零知識證明技術還難以驗證Agent行爲真實性，去中心化網路也存在效率問題，這並非短期內可以完全解決的方案。

結語

Manus的發布標志着通用AI Agent產品的重要裏程碑，Web3世界同樣需要一個裏程碑產品來打破外界對其實用性的質疑。MCP的出現爲Web3的AI Agent帶來了新的探索方向。AI與Web3的融合是不可避免的趨勢，我們需要保持耐心和信心，持續探索這一領域的可能性。