Algunos amigos dicen que la continua caída de valores de activos de AI Agents de web3 como #ai16z y $arc se debe al recientemente popular protocolo MCP. Al principio, te quedas un poco confundido, ¿tiene alguna relación? Pero al reflexionar, te das cuenta de que hay cierta lógica: la lógica de valoración y precios de los AI Agents de web3 ya ha cambiado, y la dirección narrativa y la ruta de implementación del producto necesitan ajustes. A continuación, compartiré mi opinión personal:
1) MCP (Modelo de Protocolo de Contexto) es un protocolo estandarizado de código abierto diseñado para conectar sin problemas varios AI LLM/Agents a diversas fuentes de datos y herramientas, equivalente a un interfaz USB 'universal' que reemplaza el anterior método de empaquetado 'específico' de extremo a extremo.
En términos simples, originalmente había islas de datos evidentes entre las aplicaciones de IA, y para que los Agents/LLM se comuniquen entre sí, cada uno necesita desarrollar sus propias interfaces API de llamada, lo que no solo complica el proceso operativo, sino que también carece de funcionalidad de interacción bidireccional, y generalmente hay restricciones de acceso y permisos bastante limitadas.
La aparición de MCP equivale a proporcionar un marco unificado, permitiendo que las aplicaciones de IA se liberen del estado de islas de datos del pasado, logrando la posibilidad de acceso 'dinámico' a datos y herramientas externas, lo que puede reducir significativamente la complejidad de desarrollo y la eficiencia de integración, así como en la ejecución de tareas automatizadas, consultas de datos en tiempo real y colaboración multiplataforma. Hablando de esto, muchos inmediatamente piensan que si se integra el marco de código abierto MCP, que promueve la colaboración de múltiples Agents, con Manus, ¿no sería invencible?
Exactamente, Manus + MCP son la clave del impacto que están sufriendo los AI Agents de web3.
2) Sin embargo, lo sorprendente es que tanto Manus como MCP son marcos y estándares de protocolos dirigidos a LLM/Agents de web2, cuyo propósito es resolver los problemas de interacción y colaboración de datos entre servidores centralizados, y su control de acceso y permisos aún dependen de la 'apertura activa' de cada nodo del servidor. En otras palabras, no es más que una propiedad de herramienta de código abierto.
En teoría, esto y la búsqueda de 'servidores distribuidos, colaboración distribuida, incentivos distribuidos', etc., están completamente en desacuerdo con la idea central. ¿Cómo puede un cañón italiano centralizado volar el fuerte descentralizado?
La razón detrás de esto es que la primera fase de los AI Agents de web3 se ha 'web2izado' demasiado. Por un lado, esto se debe a que muchos equipos provienen de un fondo web2 y carecen de una comprensión adecuada de las necesidades nativas de web3. Por ejemplo, el marco ElizaOS inicialmente era solo un marco de empaquetado que ayudaba a los desarrolladores a desplegar rápidamente aplicaciones de AI Agents, que precisamente integraba plataformas como Twitter, Discord, y algunas interfaces API como OpenAI, Claude, DeepSeek, encapsulando adecuadamente algunos marcos genéricos de Memory y Character, ayudando a los desarrolladores a implementar rápidamente aplicaciones de AI Agents. Pero si lo analizamos, ¿cuál es la diferencia entre este marco de servicio y las herramientas de código abierto de web2? ¿Y qué ventaja diferenciadora tiene?
Eh, ¿acaso la ventaja es tener un conjunto de incentivos Tokenomics? ¿Y luego usar un marco que podría ser completamente reemplazable por un web2, incentivando a un grupo de AI Agents que existen solo para emitir nuevas monedas? Terrible... Siguiendo esta lógica, te das cuenta de por qué Manus + MCP pueden impactar a los AI Agents de web3. Debido a que muchos marcos y servicios de AI Agents de web3 solo resuelven las necesidades de desarrollo y aplicación rápidas similares a las de los AI Agents de web2, pero en términos de servicios técnicos y estándares no pueden seguir el ritmo de la innovación de web2, por lo que el mercado/capital ha revaluado y reprecificado a la última generación de AI Agents de web3.
3) Hablando de esto, es probable que hayas encontrado el problema principal, pero ¿cómo romper el impasse? Hay un camino: enfocarse en crear soluciones nativas de web3, porque la operación de sistemas distribuidos y la estructura de incentivos son la verdadera ventaja diferenciadora de web3.
Tomando como ejemplo las plataformas de servicios de computación en la nube distribuida, datos, algoritmos, etc., a simple vista, parece que este tipo de computación y datos agregados bajo la premisa de recursos ociosos no pueden satisfacer en absoluto las necesidades de innovación de implementación de ingeniería a corto plazo, pero en un momento en que muchos AI LLM están compitiendo por la centralización de la computación para lograr avances en rendimiento, un modelo de servicio que se presenta como 'recursos ociosos y bajo costo' naturalmente hará que los desarrolladores de web2 y los equipos de VC desprecien.
Pero una vez que los AI Agents de web2 superen la fase de innovación de rendimiento, inevitablemente buscarán expandir escenarios de aplicación vertical y optimización de modelos de ajuste fino, y ese será el momento en que realmente se muestren las ventajas de los servicios de recursos de AI de web3. De hecho, cuando los AI de web2, que han alcanzado una posición de monopolio de recursos, lleguen a cierto punto, será difícil volver a aplicar la idea de rodear las ciudades con áreas rurales, rompiendo cada escenario de forma individual; ese será el momento en que los desarrolladores de AI de web2 en exceso + los recursos de AI de web3 se unirán para actuar.
Por lo tanto, ahora se hace evidente el espacio de oportunidad para los AI Agents de web3: antes de que el cliente de desarrolladores de web2 con demanda excedente en la plataforma de recursos de AI de web3, explorar y practicar una solución y un camino que sea indispensable para una arquitectura distribuida no web3. De hecho, los AI Agents de web3, además del marco de rápida implementación de web2 + comunicación y colaboración de múltiples Agents + narrativa de emisión de Tokenomic, tienen muchas direcciones de innovación nativas de web3 que valen la pena explorar:
Por ejemplo, equipar un marco de cooperación de consenso distribuido, considerando las características del cálculo fuera de la cadena de LLM grandes modelos + almacenamiento de estado en la cadena, requiere muchos componentes adaptables.
1) Un sistema de verificación de identidad DID descentralizado, que permite a los Agents tener una identidad en la cadena verificable, similar a la dirección única generada por una máquina virtual para contratos inteligentes, principalmente para el seguimiento y registro continuo del estado posterior;
2) Un sistema de oráculo descentralizado, que se encarga principalmente de la adquisición y verificación de datos confiables fuera de la cadena. A diferencia de los oráculos anteriores, este oráculo adaptado para AI Agents puede necesitar configurar una arquitectura de combinación que incluya capas de recolección de datos, capas de consenso de decisiones y capas de retroalimentación de ejecución con múltiples Agents, para que los datos necesarios del Agent en la cadena y el cálculo y decisión fuera de la cadena puedan llegar en tiempo real;
3) Un sistema de almacenamiento DA descentralizado, debido a que el estado de la base de conocimientos durante la ejecución de los AI Agents tiene incertidumbre, y el proceso de inferencia también es bastante temporal, se necesita un conjunto que registre y almacene en un sistema de almacenamiento distribuido la clave del estado y la ruta de inferencia detrás del LLM, ofreciendo un mecanismo de prueba de datos controlado en costos, para garantizar la disponibilidad de datos durante la verificación de la cadena pública;
4) Un nivel de cálculo de privacidad ZKP de prueba de conocimiento cero, que puede vincularse a soluciones de cálculo de privacidad, incluidas TEE y FHE, para lograr cálculo de privacidad en tiempo real + verificación de prueba de datos, permitiendo que los Agents tengan fuentes de datos verticales más amplias (médico, financiero), y luego surjan más Agents de servicios personalizados profesionales en la parte superior;
5) Un protocolo de interoperabilidad entre cadenas, algo similar al marco definido por el protocolo de código abierto MCP, la diferencia es que esta solución de interoperabilidad necesita tener mecanismos de retransmisión y programación de comunicaciones adaptados para la operación, transmisión y verificación de Agents, que puedan completar la transferencia de activos y la sincronización de estados de los Agents entre diferentes cadenas, especialmente incluyendo el contexto del Agent y Promopt, base de conocimientos, Memory, y otros estados complejos;
……
En mi opinión, el enfoque clave para conquistar los verdaderos AI Agents de web3 debería ser cómo hacer que el 'flujo de trabajo complejo' de los AI Agents y el 'flujo de verificación de confianza' de la blockchain se alineen lo más posible. En cuanto a estas soluciones de incremento, pueden surgir de la actualización y evolución de proyectos de narrativas antiguas, o de nuevos proyectos en la pista narrativa de AI Agents, ambos tienen posibilidades.
Esta es la dirección en la que los AI Agents de web3 deberían esforzarse por construir; es el fundamento de innovación que se ajusta al gran relato macro de AI + Crypto. Si no se logran innovaciones relacionadas y se establecen barreras competitivas diferenciadoras, entonces cada pequeño movimiento en la pista de AI de web2 podría perturbar drásticamente a los AI de web3.