Beberapa teman mengatakan bahwa penurunan terus-menerus dari target web3 AI Agent seperti #ai16z, $arc disebabkan oleh protokol MCP yang baru-baru ini populer? Sekilas, saya merasa bingung, apakah ada hubungannya? Tetapi setelah dipikirkan lebih dalam, ternyata ada logika tertentu: logika penetapan harga dari web3 AI Agent yang sudah ada telah berubah, arah narasi dan jalur penerapan produk perlu disesuaikan. Berikut adalah pandangan pribadi saya:

1) MCP (Model Context Protocol) adalah protokol standar sumber terbuka yang bertujuan untuk menghubungkan berbagai AI LLM/Agent secara mulus ke berbagai sumber data dan alat, setara dengan antarmuka 'universal' USB yang dapat dicolokkan dan dicabut, menggantikan cara pengemasan 'spesifik' dari ujung ke ujung yang digunakan sebelumnya.

Secara sederhana, aplikasi AI sebelumnya memiliki pulau data yang jelas, untuk menghubungkan Agent/LLM, masing-masing perlu mengembangkan antarmuka API panggilan yang sesuai, proses operasinya tidak hanya rumit, tetapi juga kekurangan fungsi interaksi dua arah, biasanya memiliki akses model dan pembatasan izin yang relatif terbatas.

Kehadiran MCP sama dengan menyediakan kerangka kerja yang terpadu, memungkinkan aplikasi AI untuk keluar dari status pulau data yang terisolasi di masa lalu, mewujudkan kemungkinan akses 'dinamis' ke data dan alat eksternal, dapat secara signifikan mengurangi kompleksitas pengembangan dan efisiensi integrasi, serta dalam pelaksanaan tugas otomatis, kueri data waktu nyata, dan kolaborasi lintas platform. Saat membicarakan hal ini, banyak orang langsung memikirkan, jika menggunakan inovasi kolaborasi multi-Agent Manus terintegrasi dengan kerangka MCP sumber terbuka yang dapat memfasilitasi kolaborasi multi-Agent, bukankah itu akan menjadi tak tertandingi?

Benar, Manus + MCP adalah kunci dari dampak yang dialami web3 AI Agent kali ini.

2) Namun, yang mengejutkan adalah, baik Manus maupun MCP ditujukan untuk kerangka dan standar protokol web2 LLM/Agent, yang menyelesaikan masalah interaksi dan kolaborasi data antara server pusat, dan kontrol izin serta aksesnya masih bergantung pada 'pembukaan' aktif dari setiap node server, dengan kata lain, itu hanya memiliki sifat alat sumber terbuka.

Secara logis, hal ini sepenuhnya bertentangan dengan pusat pemikiran utama yang dikejar oleh web3 AI Agent seperti 'server terdistribusi, kolaborasi terdistribusi, insentif terdistribusi', bagaimana mungkin meriam yang terpusat bisa menghancurkan benteng yang terdesentralisasi?

Alasan utamanya adalah, fase pertama dari web3 AI Agent terlalu 'web2-ified', di satu sisi berasal dari banyak tim yang berasal dari latar belakang web2, kurang memahami kebutuhan asli web3 Native dengan cukup baik, misalnya, kerangka ElizaOS pada awalnya adalah sebuah kerangka pengemasan yang membantu pengembang untuk dengan cepat menerapkan aplikasi AI Agent, yang tepatnya mengintegrasikan platform seperti Twitter, Discord dan beberapa antarmuka API OpenAI, Claude, DeepSeek, dll., secara tepat mengemas beberapa kerangka umum Memory, Character, membantu pengembang dengan cepat mengembangkan aplikasi AI Agent. Tetapi jika diperhatikan dengan serius, lalu apa perbedaan kerangka layanan ini dengan alat sumber terbuka web2? Apa keunggulan diferensiasinya?

Uh, apakah keunggulan hanya memiliki satu set cara insentif Tokenomics? Kemudian menggunakan satu kerangka kerja web2 yang sepenuhnya dapat digantikan, untuk mendorong sekelompok AI Agent yang ada hanya untuk menerbitkan koin baru? Menakutkan.. Melihat logika ini, Anda akan lebih memahami mengapa Manus + MCP dapat memberikan dampak pada web3 AI Agent? Karena banyak kerangka dan layanan web3 AI Agent hanya menyelesaikan kebutuhan pengembangan cepat dan aplikasi yang mirip dengan web2 AI Agent, tetapi dalam layanan teknis, standar, dan keunggulan diferensiasi tidak dapat mengikuti kecepatan inovasi web2, sehingga pasar/kapital melakukan penilaian dan penetapan harga kembali terhadap generasi sebelumnya dari web3 AI Agent.

3) Membahas hal ini, tampaknya masalahnya sudah ditemukan, tetapi bagaimana cara memecahkannya? Hanya ada satu jalan: fokus pada membuat solusi asli web3, karena operasi sistem terdistribusi dan struktur insentif adalah keunggulan diferensiasi mutlak milik web3?

Sebagai contoh, platform layanan seperti komputasi awan terdistribusi, data, algoritma, dan sebagainya, tampaknya ini adalah komputasi dan data yang tergabung dengan alasan sumber daya yang tidak terpakai, dalam jangka pendek sama sekali tidak dapat memenuhi kebutuhan inovasi yang terengineering, tetapi ketika banyak AI LLM sedang bersaing dalam pengumpulan daya terpusat untuk terobosan kinerja, model layanan dengan 'sumber daya tidak terpakai, biaya rendah' sebagai umpan akan membuat pengembang dan grup VC web2 meremehkan.

Tetapi setelah web2 AI Agent melewati tahap inovasi kinerja, pasti akan mengejar perluasan skenario aplikasi vertikal dan optimasi model penyesuaian yang lebih rinci, saat itulah keunggulan layanan sumber daya web3 AI akan benar-benar terlihat. Faktanya, ketika web2 AI yang memonopoli sumber daya telah mencapai posisi raksasa, sulit untuk kembali menggunakan pemikiran 'desa mengelilingi kota', dengan menghancurkan satu per satu skenario yang tersegmentasi, saat itulah saatnya bagi pengembang web2 yang berlebih + sumber daya web3 AI untuk bersatu dan berjuang.

Oleh karena itu, sekarang ruang peluang web3 AI Agent juga sudah sangat jelas: sebelum ada permintaan pelanggan pengembang web2 yang melimpah di platform sumber daya AI web3, perlu mengeksplorasi dan menerapkan satu set solusi dan jalur yang tidak terpisahkan dari arsitektur terdistribusi web3. Faktanya, web3 AI Agent memiliki banyak arah inovasi web3 Native yang layak untuk dieksplorasi, selain dari rangkaian pengembangan cepat + kerangka komunikasi kolaborasi multi-Agent dari web2 + narasi penerbitan Tokenomic;

Misalnya, dilengkapi dengan kerangka kerja kolaborasi konsensus terdistribusi, mengingat karakteristik perhitungan off-chain dari model besar LLM + penyimpanan status on-chain, memerlukan banyak komponen yang dapat disesuaikan.

1) Sebuah sistem verifikasi identitas DID terdesentralisasi, memungkinkan Agent memiliki identitas on-chain yang dapat diverifikasi, mirip dengan alamat unik yang dihasilkan oleh mesin virtual untuk kontrak pintar, terutama untuk pelacakan dan pencatatan status yang berkelanjutan di masa mendatang;

2) Sebuah sistem oracle preditor terdesentralisasi, terutama bertanggung jawab untuk pengambilan dan verifikasi data off-chain yang dapat dipercaya, berbeda dengan oracle sebelumnya, oracle yang disesuaikan untuk AI Agent ini mungkin juga perlu menggabungkan beberapa Agent pada lapisan pengumpulan data, lapisan konsensus keputusan, dan lapisan umpan balik eksekusi, agar data yang diperlukan oleh Agent di blockchain dan perhitungan serta keputusan off-chain dapat mencapai secara waktu nyata;

3) Sebuah sistem penyimpanan DA terdesentralisasi, karena status basis pengetahuan Agent saat menjalankan memiliki ketidakpastian, dan proses inferensi juga bersifat sementara, memerlukan satu set untuk mencatat dan menyimpan kunci status dan jalur inferensi di belakang LLM dalam sistem penyimpanan terdistribusi, serta menyediakan mekanisme bukti data yang dapat mengontrol biaya, untuk memastikan ketersediaan data saat verifikasi di blockchain;

4) Sebuah lapisan perhitungan privasi ZKP Zero-Knowledge Proof, dapat terhubung dengan solusi perhitungan privasi termasuk TEE, FHE, dll., untuk mewujudkan perhitungan privasi waktu nyata + verifikasi bukti data, memungkinkan Agent memiliki lebih banyak sumber data vertikal yang luas (medis, keuangan), dan lebih banyak layanan Agent yang disesuaikan secara profesional muncul di atasnya;

5) Sebuah protokol interoperabilitas lintas rantai, sedikit mirip dengan kerangka yang didefinisikan oleh protokol MCP sumber terbuka, perbedaannya adalah solusi Interoperabilitas ini perlu memiliki mekanisme pengaturan dan penjadwalan komunikasi yang sesuai untuk menjalankan, mentransmisikan, dan memverifikasi Agent, sehingga dapat menyelesaikan masalah transfer aset dan sinkronisasi status Agent antara berbagai rantai, terutama yang mencakup konteks Agent dan status kompleks seperti Promopt, basis pengetahuan, Memory, dll.;

……

Dalam pandangan saya, fokus utama dalam menaklukkan web3 AI Agent seharusnya pada bagaimana 'alur kerja kompleks' AI Agent dan 'alur verifikasi kepercayaan' blockchain dapat diintegrasikan sebanyak mungkin. Mengenai solusi tambahan ini, apakah berasal dari proyek narasi lama yang ditingkatkan, atau diciptakan kembali dari proyek baru di jalur narasi AI Agent, keduanya memiliki kemungkinan.

Inilah arah yang seharusnya dibangun oleh web3 AI Agent, yang sesuai dengan dasar ekosistem inovasi di bawah narasi makro AI + Crypto. Jika tidak ada inovasi yang relevan dan pembentukan batasan persaingan diferensiasi, maka setiap gerakan kecil di jalur web2 AI dapat mengguncang dunia web3 AI.