Có bạn nói, như #ai16z, $arc và các chỉ số web3 AI Agent khác đang tiếp tục giảm giá là do giao thức MCP đang bùng nổ gần đây? Nghe qua, mình có chút bối rối, WTF có liên quan gì không? Nhưng sau khi suy nghĩ kỹ, thấy thật sự có một logic nhất định: logic định giá của các web3 AI Agent hiện tại đã thay đổi, hướng đi và lộ trình sản phẩm cần phải điều chỉnh khẩn cấp. Dưới đây, mình xin chia sẻ quan điểm cá nhân.

1) MCP (Model Context Protocol) là một giao thức tiêu chuẩn hóa mã nguồn mở nhằm kết nối liền mạch các loại AI LLM/Agent tới các nguồn dữ liệu và công cụ khác nhau, tương đương với một cổng “chuẩn” USB có thể cắm và rút, thay thế cho cách đóng gói “cụ thể” từ đầu đến cuối trong quá khứ.

Nói một cách đơn giản, ban đầu giữa các ứng dụng AI có sự tồn tại rõ ràng của các đảo dữ liệu, Agent/LLM cần phát triển các API gọi tương ứng để có thể tương tác với nhau, quy trình hoạt động không chỉ phức tạp mà còn thiếu chức năng tương tác hai chiều, thường bị giới hạn quyền truy cập và mô hình.

Sự xuất hiện của MCP tương đương với việc cung cấp một khung thống nhất, giúp ứng dụng AI có thể thoát khỏi trạng thái đảo dữ liệu trong quá khứ, thực hiện khả năng truy cập “động” vào dữ liệu và công cụ bên ngoài, có thể giảm đáng kể độ phức tạp phát triển và hiệu suất tích hợp, cũng như trong việc thực hiện nhiệm vụ tự động, truy vấn dữ liệu thời gian thực và hợp tác đa nền tảng. Nói đến đây, nhiều người ngay lập tức nghĩ đến việc nếu tích hợp Manus, một mô hình đổi mới hợp tác nhiều Agent, với khung mã nguồn mở MCP, có phải là vô địch không?

Không sai, Manus + MCP mới là chìa khóa cho cú sốc này của web3 AI Agent.

2) Nhưng, thật khó hiểu rằng, cả Manus và MCP đều hướng đến các khung và tiêu chuẩn giao thức cho web2 LLM/Agent, giải quyết vấn đề giao tiếp và hợp tác dữ liệu giữa các máy chủ tập trung, quyền và kiểm soát truy cập vẫn phụ thuộc vào sự “mở” của các nút máy chủ khác nhau, nói cách khác, nó chỉ là một thuộc tính công cụ mã nguồn mở.

Lẽ ra nó hoàn toàn trái ngược với những tư tưởng trung tâm như “máy chủ phân tán, hợp tác phân tán, khuyến khích phân tán” mà web3 AI Agent theo đuổi, làm sao pháo trung tâm của Ý có thể đánh sập pháo đài phi tập trung?

Nguyên nhân là do, giai đoạn đầu của web3 AI Agent quá “web2 hóa”, một mặt do nhiều đội ngũ đến từ nền tảng web2, thiếu sự hiểu biết đầy đủ về nhu cầu gốc của web3 Native, chẳng hạn như, khung ElizaOS ban đầu chỉ là một khung đóng gói giúp các nhà phát triển nhanh chóng triển khai ứng dụng AI Agent, đúng là tích hợp các nền tảng như Twitter, Discord và một số API như OpenAI, Claude, DeepSeek, đóng gói một số khung chung Memory, Character, giúp các nhà phát triển nhanh chóng phát triển ứng dụng AI Agent. Nhưng nếu xét kỹ, thì khung dịch vụ này có gì khác biệt với các công cụ mã nguồn mở của web2 không? Và có lợi thế khác biệt gì không?

呃，难道 ưu thế chỉ là có một bộ Tokenomics khuyến khích? Rồi dùng một bộ khung web2 có thể hoàn toàn thay thế, khuyến khích một đám AI Agent chỉ tồn tại để phát hành tiền mới? Đáng sợ... Theo logic này, bạn sẽ hiểu lý do tại sao Manus + MCP có thể tạo ra cú sốc cho web3 AI Agent? Bởi vì một loạt khung và dịch vụ web3 AI Agent chỉ giải quyết nhu cầu phát triển và ứng dụng nhanh chóng tương tự như web2 AI Agent, nhưng về dịch vụ công nghệ và tiêu chuẩn và lợi thế khác biệt lại không theo kịp tốc độ đổi mới của web2, nên thị trường/vốn đã định giá và định giá lại một đợt web3 AI Agent trước đó.

3) Nói đến đây, có lẽ vấn đề đã tìm được căn nguyên, nhưng làm thế nào để phá vỡ bế tắc? Chỉ có một con đường: tập trung vào việc xây dựng giải pháp gốc của web3, vì hoạt động của hệ thống phân tán và cấu trúc khuyến khích mới thực sự là lợi thế khác biệt tuyệt đối của web3?

Lấy nền tảng dịch vụ điện toán đám mây phân tán, dữ liệu, thuật toán làm ví dụ, bề ngoài có vẻ như loại này được hợp nhất từ các nguồn tài nguyên nhàn rỗi, về ngắn hạn hoàn toàn không thể đáp ứng nhu cầu đổi mới trong việc hiện thực hóa kỹ thuật. Nhưng khi nhiều AI LLM đang cố gắng tập trung hóa sức mạnh tính toán để có được đột phá về hiệu suất, một mô hình dịch vụ với tiêu đề “tài nguyên nhàn rỗi, chi phí thấp” chắc chắn sẽ khiến các nhà phát triển web2 và các nhóm VC xem thường.

Nhưng sau khi web2 AI Agent vượt qua giai đoạn đổi mới hiệu suất, chắc chắn sẽ theo đuổi mở rộng ứng dụng theo chiều dọc và tối ưu hóa mô hình tinh chỉnh, lúc đó mới thực sự thể hiện lợi thế của dịch vụ tài nguyên web3 AI. Thực tế, khi web2 AI chiếm lĩnh vị trí của các tập đoàn theo cách độc quyền tài nguyên đến một giai đoạn nhất định, rất khó để quay lại và sử dụng tư duy bao vây nông thôn để đánh bại từng phân cảnh, lúc đó chính là thời điểm các nhà phát triển web2 AI thặng dư + tài nguyên web3 AI hợp tác phát huy sức mạnh.

Vì vậy, bây giờ không gian cơ hội cho web3 AI Agent cũng đã rất rõ ràng: trước khi có nhu cầu khách hàng từ các nhà phát triển web2 tràn vào nền tảng tài nguyên web3 AI, cần khám phá và thực hiện một bộ giải pháp và lộ trình không thể thiếu cho kiến trúc phân tán không phải web3. Thực tế, web3 AI Agent bên cạnh bộ khung triển khai nhanh + khung giao tiếp hợp tác đa Agent của web2 + câu chuyện phát hành Tokenomic, còn có nhiều hướng đổi mới web3 Native đáng để khám phá:

Ví dụ, trang bị một bộ khung hợp tác đồng thuận phân tán, xét đến đặc điểm tính toán ngoài chuỗi của mô hình LLM lớn + lưu trữ trạng thái trên chuỗi, cần nhiều thành phần thích ứng.

1, Một hệ thống xác thực danh tính DID phi tập trung, cho phép Agent có thể có danh tính trên chuỗi có thể xác minh, điều này giống như địa chỉ duy nhất được tạo ra bởi máy ảo cho hợp đồng thông minh, chủ yếu phục vụ cho việc theo dõi và ghi lại trạng thái liên tục sau này;

2) Một hệ thống Oracle phi tập trung, chịu trách nhiệm về việc thu thập và xác minh dữ liệu ngoài chuỗi một cách đáng tin cậy, khác với các Oracle trước đây, Oracle này cần phải có cấu trúc kết hợp nhiều Agent, bao gồm cả lớp thu thập dữ liệu, lớp đồng thuận quyết định, lớp phản hồi thực thi, để có thể giúp dữ liệu cần thiết cho Agent trên chuỗi và tính toán quyết định bên ngoài có thể tiếp cận thời gian thực;

3) Một hệ thống lưu trữ DA phi tập trung, do trạng thái kho tri thức của AI Agent trong quá trình hoạt động tồn tại sự không chắc chắn và quá trình suy luận cũng tương đối tạm thời, cần một bộ ghi lại và lưu trữ các trạng thái quan trọng và đường đi suy luận của LLM trong hệ thống lưu trữ phân tán, đồng thời cung cấp cơ chế chứng minh dữ liệu có thể kiểm soát chi phí, để đảm bảo tính khả dụng của dữ liệu khi xác minh trên chuỗi công cộng;

4, Một lớp tính toán riêng tư ZKP bằng chứng không kiến thức, có thể liên kết với các giải pháp tính toán riêng tư như TEE, FHE, thực hiện tính toán riêng tư thời gian thực + xác minh dữ liệu, cho phép Agent có nhiều nguồn dữ liệu dọc hơn (y tế, tài chính), từ đó có nhiều dịch vụ Agent chuyên nghiệp tùy chỉnh xuất hiện hơn;

5) Một giao thức tương tác chéo chuỗi, tương tự như khung được định nghĩa bởi giao thức mã nguồn mở MCP, điểm khác biệt là giải pháp tương tác này cần có cơ chế truyền và điều phối giao tiếp thích ứng với việc chạy, truyền tải và xác minh của Agent, có thể hoàn thành việc chuyển giao tài sản và đồng bộ trạng thái của Agent giữa các chuỗi khác nhau, đặc biệt là bao gồm ngữ cảnh của Agent và Promopt, kho tri thức, Memory và các trạng thái phức tạp khác;

……

Theo quan điểm của tôi, điểm mấu chốt trong việc đánh bại web3 AI Agent thực sự nên nằm ở cách để “luồng công việc phức tạp” của AI Agent và “luồng xác thực tin cậy” của blockchain có thể kết hợp càng hợp lý càng tốt. Về các giải pháp gia tăng này, có thể đến từ việc nâng cấp các dự án kể chuyện cũ hoặc do các dự án ở đường đua kể chuyện AI Agent mới tạo dựng lại, đều có khả năng.

Đây mới là hướng mà web3 AI Agent nên cố gắng xây dựng, phù hợp với nền tảng sinh thái đổi mới dưới câu chuyện vĩ mô AI + Crypto. Nếu không có sự đổi mới liên quan và xây dựng rào cản cạnh tranh khác biệt, thì mỗi lần có gió thổi cỏ động trong lĩnh vực web2 AI, đều có thể làm web3 AI biến động mạnh.